基于局部孤立系数波峰法与云理论的IDS

基于局部孤立系数波峰法LOCW与云理论定性描述的入侵检测系统是当前安全技术的有力补充,对它的研究具有现实意义.采用多传感器加权平均的方法融合出正常状态下均方误差最小的数据融合值,将m个不同时刻收集到的数据与之依次相比较得出m个偏差值,利用提出的LOCW对得到的m个偏差值进行离散数值区间的合理划分,并结合云理论构造自适应评语集组成的定性评测云发生器,最后通过定性评测云发生器与偏差的大小得出系统的定性描述.实验结果证明了该方法的有效性.     

多数据项广播调度策略

多数据项广播是移动计算环境中一种重要的数据访问方式.为减少用户的平均访问时间和响应最多事务请求,提出了一种新的多数据项广播调度策略.调度策略分为两个阶段,第一阶段根据各事务包含的数据项数目和对重复申请数据项的处理选择事务请求;第二阶段对已选择的事务请求用QEM算法进行调度.实验结果表明,它比现有的QEM算法有更高事务调度成功率和更短的平均访问时间.     

基于压缩域互补分割的视频多描述编码研究

鉴于数字视频在空间域及时间域上的信息相关性,提出在视频压缩过程中实现多描述编码的方法.算法以H.263为参考标准,在图块及运动估计的DCT域上进行系数划分,通过对少量重要信号的重复分配来保证单个描述的接收质量.同时,系数域的对角分割又使各个描述间具有较强的信号互补性.实验结果表明,算法具有描述冗余率低、编/解码直接快速、压缩率高等良好的MDC特性,是保障视频传输业务可靠性和实时性的有效方法.     

云理论和多传感器加权平均的性能指标描述

性能指标分析是对以往系统安全状态判断的良好补充,对它的研究具有现实意义.利用多传感器加权平均和云理论的方法对性能指标状态进行了定性描述.用分布图法对正常状态下由多个传感器得到的一组数据进行一致性检验,采用多传感器加权平均的方法融合出正常状态下均方误差最小的数据融合值,然后将任意时刻的性能指标数据与之相比较得出偏差值,基于云理论构造出5个评语的评语集并结合偏差的大小对当前的性能指标进行定性描述.实验结果表明了该方法的有效性.     

PLS流量工程故障恢复路径算法

提出一种适合MPLS保护切换和再路由--备份路径预有效恢复机制的备份路径优化算法.该算法引入故障说明,针对指定的保护对象计算恢复路径,同时,对链路的带宽进行分割,在链路可用带宽中指定备份路径可用带宽.通过算法优化,备份路径可以充分利用工作路径上的资源,降低带宽资源消耗,在保证网络提供连续服务能力的同时,提高网络资源的利用率,优化网络的运行性能.     

基于Analytica的作战决策分析模型构建与仿真

根据作战决策分析模型对建模平台的需求,简要介绍了Analytica建模平台的特点和功能,讨论了探索性分析方法、系统动力学方法、以及多分辨率建模方法等建模技术在Analytica平台下的应用,并通过一个示例介绍了基于Analytica作战决策分析模型的总体结构和仿真计算过程.建模和仿真结果表明,Analytica工具平台时于作战决策分析建模具有良好的适用性.     

基于MAS的生产车间动态调度系统的研究

简要介绍了车间调度的基本问题,发展现状以及多智能体技术.在分析车间生产调度特点的基础上,提出了基于MAS的动态车间生产调度模型.该模型把车间生产调度系统分为调度代理、任务代理和资源代理等.代理之间采用了基于改进的合同网的关系网模型,并引入了基于混合遗传算法的调度模块,为解决车间加工动态调度问题提供了一种新的方法.仿真实验结果表明,该系统更好满足了车间调度的动态化、高效化、智能化、实用化的要求.     

非平衡拓扑结构的多智能体网络系统一致性协议

针对多智能体网络系统,本文分别研究了非平衡拓扑结构的多智能体连续状态和离散状态下的一致性协议.首先提出了能使用有向图表示的多智能体网络系统的拓扑结构,并根据该拓扑结构建立了网络系统的1阶数学模型和提出了多智能体网络系统一致收敛准则.对于多智能体网络连续系统,该系统的一致平衡点最终收敛于初始状态的凸组合,本文最终确定了非平衡拓扑结构的一致平衡点.如果多智能体网络系统的拓扑结构没有改变,在离散状态下系统的一致平衡点仍收敛于初始状态的凸组合,并且离散状态下系统的一致平衡点与连续状态下系统的一致平衡点相等.最后采用8个智能体组成的网络拓扑进行计算机仿真,验证理论的正确性.     

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.     

改进的多表达式编程算法在函数发现中的应用

为了提高多表达式编程算法的效率,研究了MEP基本算法的适应度函数、杂交策略和变异策略,对其进行了优化,提出了一种改进的MEP算法.改进的MEP算法采用归一化的均方根差作为适应度函数,采用概率区间来选择杂交算子,并使变异概率在进化过程中随着进化代数和适应值的变化进行动态调整.最后将改进的MEP算法应用于函数发现问题中,对算法的效率进行了验证.实验结果表明,与MEP基本算法相比,改进的MEP算法能够更快速地找到目标函数,算法的效率得到了提高.