基于多维度的新型排名算法

在处理各项指标成绩线性之和相差不多,而要使成绩平均程度高的排名对象排在前面的排名问题时,普通排名算法存在着一定的局限性。基于多维度的新型排名算法,使得各项考核指标成绩越平均的排名对象名次越靠前,该算法科学合理,应用范围广,有较强的实用性。首介绍了该算法的基本原理,分别通过理论和实例论证了这种新型排名算法的优势,最后基于该算法利用Java语言实现了一个简单的排名软件。     

基于知识库的知识发现的研究

传统的知识发现都是基于数据库进行的,但数据库中存储的数据缺乏语义性,对知识的发现缺乏全面性.将本体和移动代理技术引入知识发现中,首先从数据中获取语义信息并将其与知识一起存储进知识库,然后基于知识库提出了一种的新的知识发现系统,为知识发现提供了一种新的思路和方法.     

IEEE 1451.2 校正引擎研究

对IEEE 1451．2校正引擎进行了研究,介绍了校正引擎在IEEE 1451．2智能传感器校正中的应用,探讨了使用插值理论、最小二乘法建立IEEE 1451．2校正模型的方法,并给出了应用实例。     

基于Struts框架的并行开发的研究与应用

报告了基于Struts的Web应用开发中并行开发的现状,给出了在开发应用时出现因多人共享资源而产生冲突问题的解决方法.借助于Struts控制器的机制,可以使用多配置文件和多模块两种方案来解决并行开发的问题.介绍了多配置文件的使用,结合范例详细地研究了多模块的机理及应用,分析了多子应用与多应用的异同.使用Struts的多模块功能是解决此问题更为彻底的方法.     

基于变结构思想的OGY同步控制器

为扩展混沌控制方法在混沌同步中的应用, 设计了一种基于变结构思想的Ott-Grebogi-Yorke(OGY)同步控制器. 基于变结构控制的思想, 将OGY混沌控制方法进行了扩展, 通过误差系统近似的线性模型寻找合适的稳定流形, 进而通过变结构控制器将误差系统的轨迹控制到稳定流形上面, 实现混沌系统的同步. 这种变结构控制策略使得OGY方法可以应用到混沌同步当中. H′enon映射的仿真结果验证了该控制策略的有效性.     

基于数据处理模型的软件测试方法

针对传统测试方法运用于数据处理软件测试时的不足,提出了一种基于数据处理模型的软件测试方法;为有效避免测试数据选取时的盲目性,提出了基于图解化的测试数据选取方法;将上述方法运用于坐标转换软件测试中,结果表明所提出的方法是一种可行且高效的数据处理软件测试方法.     

时变不确定非线性系统自适应滑模跟踪控制

针对一般的具有时变且界未知的非线性不确定性的单输入多输出非线性系统,提出一种自适应滑模跟踪控制器的框架.在该框架内,系统的时变且界未知的非线性不确定性可以通过函数逼近技术(FAT)表示成为一组正交基函数序列的组合,并通过滑模控制技术和直接Lyapunov方法获得基函数系数的更新律以及对不确定性逼近误差的在线自适应补偿,从而得到自适应的滑模控制律.所提出的基于函数逼近技术的自适应滑模跟踪控制策略在直流电机跟踪控制系统实验装置上进行了实际控制实验,并进行了性能的对比与分析.     

基于FPGA的计算机系统原型仿真平台设计

如何帮助学生实现认知上从理论到实践的飞越,是传统计算机体系结构教学面临的最大挑战.目的是构建可重构的计算机系统原型仿真实验平台,给学生创造一个设计计算机系统原型的机会.通过FPGA仿真验证和C语言模拟器仿真的方法,以32位乱序流水线的RISC处理器原型为核心,构建了C语言模拟器、RTL仿真器和FPGA仿真验证平台,移植和改造了操作系统、编译器等系统软件和工具链,最终设计和实现了一套完整的计算机系统原型仿真教学实验平台.仿真教学实验平台与目前传统的计算机系统教学实验平台相比,具有较先进的技术水平,并具有开放性,可扩展性,综合性的特点,易于在教学中使用.     

基于深度神经网络的多指灵巧手抓取手势优化

基于深度神经网络模型,提出了一种适用于多指灵巧手的抓取手势优化方法。首先,在仿真环境下构建了一个抓取数据集,并在此基础上训练了一个卷积神经网络,依据目标物体单目视觉信息和多指灵巧手抓取位形来预测抓取质量函数,由此可以将多指灵巧手的抓取规划问题转化为使抓取质量最大化的优化问题,进一步,基于深度神经网络中的反向传播和梯度上升算法实现多指灵巧手抓取手势的迭代与优化。在仿真环境中,比较该网络和仿真平台对同一抓取位形的抓取质量评估结果,再利用所提出的优化方法对随机搜索到的初始手势进行优化,比较优化前后手势的力封闭指标。最后,在实际机器人平台上验证本文方法的优化效果,结果表明,本文方法对未知物体的抓取成功率在80%以上,对于失败的抓取,优化后成功的比例达到90%。     

基于流特征的数据中心非对称流负载均衡方法

数据中心边界广泛部署的地址转换技术产生的非对称流为负载均衡系统的设计带来了挑战.为了解决软件负载均衡系统不能充分发挥多核处理器和网卡硬件能力的问题,提出一种基于流特征的非对称流负载均衡方法.首先,分析网卡的数据包散列机制,提出数据包调度算法,将数据包调度至预期的CPU核;然后,基于会话报文序列的时间与空间特征,构建大象流识别算法;最后,基于识别结果,提出负载均衡方法.实验结果表明,非对称流负载均衡方法可以正确处理非对称流的负载均衡,平均吞吐率提升约14.5%.