基于5G波段的V2V高速无线信道建模

高速移动的车车(Vehicle-to-Vehicle,V2V)信道与传统蜂窝系统的无线信道相比,其不同在于V2V无线信道的快速时变特性,主要体现在多径分量的快速变化、存在较大多普勒频移以及每条多径都具有动态生/灭特性。提出了一种高速无线信道建模方法,采用马尔科夫链模拟信道的动态生/灭特性,基于Nakagami分布仿真莱斯、瑞利等信道单径衰落,用抽头延时线模型完成高速多径信道建模。与传统无线信道建模方式相比,具有快速建模、动态改变和易于产生的特点,为高速移动无线接收机算法的开发奠定了基础。仿真结果表明,城市车内天线(UIC)信道多径数目最多,衰落最严重。     

Freeman链码角点和面积比角点检测的比较研究

针对Freeman链码角点检测方法和面积比角点检测方法进行比较研究,并提出了一种改进的面积比角点检测方法,该方法在角点检测效果不变的情况下提高了角点检测的实时性。最后给出了计算机仿真研究,研究结果验证了改进算法的有效性。     

基于证据理论的脑部图像分割算法

针对在马尔可夫随机场和模糊聚类二维直方图方法中存在的像素点分割结果不一致的现象,提出一种基于Dempster-Shafer(D-S)证据理论的图像融合分割算法。利用模拟退火算法恢复出脑部轮廓,根据该轮廓从原图中提取出脑核部分,采用马尔可夫随机场和模糊聚类二维直方图方法分别对脑核部分进行分割,通过D-S证据理论将分类不确定的争议像素划归到似真区间,并进行融合分割。实验结果表明,该算法能解决争议点的归属问题,有效滤除噪声,稳健性较好。     

基于模糊回收价格的逆向供应链定价策略研究

在由单一制造商和单一零售商构成的逆向供应链系统中，回收产品质量的不确定性导致回收价格的不确定性．针对这种不确定性，将回收价格看作三角模糊数，应用模糊理论和博弈理论对回收价格浮动的基准点进行决策，分别得出了两个非合作博弈的均衡解（斯坦克尔伯格均衡和纳什均衡）和一个合作博弈的均衡解（联合定价），并给出了各均衡条件下制造商和零售商各自回收价格的浮动范围．     

基于改进的蚁群算法的组播路由问题的研究

目前,蚁群算法在路由协议上已有广泛应用。通过研究蚁群算法的特性和目前在路由协议上的应用,发现其在加快运行时间、局部最优解等问题上还有改进的空间。为此文中提出一种蚁群优化算法,使蚁群算法更好地应用在路由协议上。针对蚁群算法容易出现局部最优解的问题,文中提出一种链表随机选择法,该方法能有效地减小蚁群算法出现局部最优解的几率。同时为了减少蚁群算法在选择路径上的时间,提高运行速率,文中还提出了一种雅克比迭代收敛准则,此方法很好地减短了算法时间。     

单层反馈PLN网络的识别复杂性

本文讨论将单层反馈PLN(概率逻辑神经元模型)网络当作联想记忆网络时,其识别的复杂性问题,即其平均识别速度与网络规模之间的数量关系,我们得到的主要结论是,设单层反馈PLN网络N的规模为m,则其识别计算量是m的指数函数,给出识别计算量是m多项式的必要条件。     

随机Petri网模型到马尔可夫链的转换规则与实现

随机Petri网是一种系统设计和分析工具,它可以对系统进行定性分析和定量分析。为了有效利用随机Petri网进行性能的定量分析,根据随机Petri网模型转换为马尔可夫链的算法,总结并实现了它们之间的转换规则。该转换规则在变迁实施的过程中引入演变规则和合并规则,将随机Petri网模型转换为马尔可夫链。可以利用产生的马尔可夫链对随机Petri网模型的多项性能指标进行定量分析。实验结果表明,转换规则是正确、可行的。     

Web文本挖掘系统及其关键技术研究

随着网络信息的迅猛发展,信息量日益增加,怎样从海量的Internet上获取有用信息,WEB文本挖掘系统是挖掘技术的重要应用方向,它是指在给定的分类体系下,根据网页的内容自动判别内容类别的过程,论文对文本中所涉及的关键技术,包括K-最近邻参照法模型、基于隐马尔科夫模型(HMM)的信息抽取、机器学习方法,进行了研究和探讨,并且给出了基于信息抽取的文本挖掘系统的设计实现和下一步的研究重点。     

高校贫困学生辅助评价的研究

高校对贫困学生的认定存在认定成本高、可信度不强以及标准不一致等问题.本文通过分析高校一卡通的消费行为,刻画贫困学生的消费特征,应用马尔科夫模型对贫困学生消费行为进行建模,并提出了相似指标的概念和计算方法.通过对学生消费行为与贫困学生消费行为模型进行相似指标计算,对贫困学生进行认定.该方法具有计算效率高,速度快,计算成本低廉以及数据获取容易,在同一所学校中评价标准一致,对贫困学生的平均识别率达到90%以上等特点,可以作为高校在复评贫困学生的一个有力的辅助工具.     

基于隐马尔科夫模型的中文分词研究

一直以来,汉语自动分词是公认的汉语信息处理瓶颈.反思现有汉语自动分词技术,发现均有隐含两大假设:语言是规律的、词具有确定边界.这与语言的复杂性、组合性、动态性、模糊性特征不符.本文采用一种基于隐马尔科夫模型(HMM)的算法,通过CHMM(层叠形马尔科夫模型)进行分词,再做分层,既增加了分词的准确性,又保证了分词的效率.