基于改进加权一阶局域预测模型的负荷预测方法研究

针对混沌时间序列预测中用加权一阶局域法单步预测模型进行多步预测时计算量大,且存在误差累积效应的不足,本文提出了基于相空间重构技术的加权一阶局域法多步预测模型,通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。     

基于信任模型的安全应用层多播协议

针对ALM(application layer multicast)安全性方面存在的问题,设计了一种新的ALM协议.节点加入多播组时,协议对节点的信任度进行认证检测.在交互过程中动态计算节点信任度,以便准确识别覆盖网中的恶意节点.同时,通过标签机制,有效防止了节点对信任信息的恶意篡改.仿真实验结果表明,该协议能有效区分恶意节点并对其进行控制,对多播安全性方面存在的问题有较大改进.     

基于非线性奇异子系统模型的同步发电机分散非线性控制

针对基于非线性奇异子系统模型的同步发电机,本文利用反推控制方法,研究了其非线性分散控制问题.同步发电机本质上是电力大系统中的一个非线性奇异子系统,与系统其余部分存存相互约束和影响.首先利用微分同胚变换和状态反馈,实现了同步发电机模型的等价转化.然后在等价系统的楚础上,在充分考虑系统其余部分对于同步发电机影响的前提下,利用反推控制方法设计了同步发电机组的非线性镇定控制器,使得闭环系统是渐近稳定的.最后的仿真结果农明了本文所提控制方法的有效性.     

基于ArcIMS的南邮校园WebGIS平台的设计与实现

校园WebGIS平台是"数字校园"的一个重要组成部分,是推进校园信息化建设的一项重要举措.以ArcIMS为技术手段,基于B/S体系结构,设计并实现了南京邮电大学校园WebGIS平台.对ArcIMS的体系结构、WebGIS平台的设计方案、技术流程及其功能实现做了详细介绍.结果表明,利用ArcIMS可以高效地构建功能强大的网络地理信息系统平台,提供各种空间信息服务,并且具有良好的可扩展性.     

一种改进的模糊C均值聚类算法

针对经典的C均值聚类算法以及模糊C均值聚类算法所存在的两个方面的问题：一是算法对初始聚类中心的过分依赖性,通常的聚类算法往往对于不同的初始聚类中心会得到不同的聚类结果;二是算法需要预先知道实际的聚类数目,而在实际应用中,聚类数目却是未知的。基于此提出了模糊C均值聚类算法的一种改进算法,即在标准的模糊C均值聚类算法的基础上,给目标函数加入了一个惩罚项,使得上述问题得以解决。并通过仿真实验证实了新算法的可行性和有效性。     

无线mesh网TCP性能改进研究

无线mesh网(WMN)是一种近年来快速发展起来的新型网络技术,支持宽带高速多媒体业务服务,是一种有效的无线宽带接人手段.为了提高无线mesh网络的性能,使TCP协议在可靠性低、突发错误时间长以及切换时延高的无线移动环境更为有效地工作,人们提出了种种改进传输层TCP技术的方案.文中结合无线mesh网络的自组织、自修复和多跳的特点,将目前的TCP改进方案进行了归类和比较,并分析了其性能特点,同时指出了今后可能的研究方向.     

基于权重可变免疫算法的动态可重构任务划分

基于FFGA的动态可重构系统能够在系统运行期间通过动态调整硬件资源来适应应用问题,从而满足嵌入式系统对性能、灵活性和成本越来越严格的要求.系统可动态加载配置文件的特点给系统软硬件任务的划分带来了新的问题.在充分考虑动态可重构系统特点的基础上,通过动态改变目标函数权重系数来适应可重构的变化,并运用于免疫算法对系统软硬件任务进行划分.实验结果表明,提出的划分方法除了能更贴近实际的系统外还具有较高的性能.     

基于矢量量化的数字图像水印技术研究

基于矢量量化的数字水印是数字水印技术一个新的研究领域。主要研究基于矢量量化的数字图像水印技术的原理和性能。在简要介绍水印技术和矢量量化技术后阐述了基于矢量量化的数字水印算法的基本原理。通过分析几种典型的矢量量化水印算法,总结出基于矢量量化水印算法的特点是其在嵌入容量和算法易行性方面有绝对优势,并且对于VQ压缩攻击有很好的鲁棒性,但水印图像的质量对于版权保护来说还有待提高。指出进一步研究的方向是结合DCT、DWT、HVS来改善。     

考虑测试效率的软件可靠性模型研究

对软件可靠性模型的研究,主要集中在如何使所建立的模型尽可能地贴近实际情况.目的是提高软件可靠性模型的拟合能力,使可靠性模型能更好地对软件将来的失效行为进行预测.经典非其次泊松过程模型的假设条件都忽略了不完全排错以及排错时引入错误的可能性,也没有考虑到在测试过程中资源投入等问题.笔者认为在测试过程中,投入的资源、测试环境以及测试人员的努力程度对测试的结果有一定的影响.同时,考虑到软件排错过程中新错误的引入和错误的不完全排除等情况,提出了一种考虑测试效率的可靠性模型.通过与已有模型进行仿真试验对比显示,新模型具有更好的拟合性能,具有很好的工程实践意义.     

基于PCA的特征选择算法

在人脸识别的某些应用中,最好能够找到原始特征的关键子集,减少不必要的特征计算和资源耗费,而不是得到所有原始特征的映射.主成分分析法(Principal Components Analysis,PCA)是目前比较常用的人脸识别算法,PCA将人脸图像映射到能很好地表征训练图像集的特征脸空间中,但是基于PCA的人脸识别的缺陷在于原始空间所有的特征都映射到了低维特征窄间中,是基于最佳描述性特征子集.提出了一种新的基于PCA的特征选择方法,将特征选择与特征抽取相结合,对特征脸空间再进行特征选择,选择人脸原始特征集中最关键的特征,并将其应用在基于PCA的人脸识别中.