网德叠加？1＋1就应该等于2

由于各种原因,许多朋友家中可能存在多种上网环境,比如家中自有宽带,但周围又可搜索到免费WiFi,或者家中本身就存在着两种带宽,比如联通和电信等。通常的情况是,我们的PC只能使用其中一种带宽,于是问题来了,我们能否贪心一点,将两种带宽叠加起来,产生“1＋1：2”的效果呢？敢想就敢做,Let’s go！     

利用TC列表功能向多个文件夹复制文件

正最近正在准备新专业申报的材料,本来已经基本接近尾声,但专家初审时发现其中有几个文档的内容有些滞后,建议将这些文档统一替换为近期更新的文档,由于这些照片存在于多个不同的二级目录文件夹,常规的方法自然是逐一手工替换,但工作量相当大,而且容易遗漏。使用TC(Total Commander)可以快速解决这一问题。     

文献搜索引擎中特征项及权重的应用

针对目前用户在使用搜索引擎过程中,检索结果冗余、效率低下等问题,本文在对文献垂直搜索系统中Lucene.Net的索引算法研究基础上,结合用户实际专业检索需求,改变其算法中的激励因子,实验结果证明该方法确能提高搜索结果的相关度.     

混合遗传算法求解应急抢修点选址问题

考虑设备应急抢修的时限要求和整个应急抢修系统的服务质量要求,采用0-1整数规划模型描述了应急抢修点选址问题,并针对该问题设计了一种混合遗传算法。在算法中使用启发式算法对种群中的不可行解进行修复,以保持种群在可行域内搜索,并采用近邻搜索算法改善种群中的最佳个体。算例计算的结果表明,该算法求得的结果要优于基于罚函数的遗传算法和采用简单修复算法的遗传算法。     

Altera携手百度在云数据中心使用FPGA加速

正Altera公司与百度在深度学习应用中使用FPGA和卷积神经网络(CNN)算法上展开合作,这将对开发更准确、更快的在线搜索功能起到关键作用。对于图像分类和识别任务等关键搜索功能,CNN被认为是目前最新而且一直以来非常准确的技术。百度采用了Altera Stratix V FPGA以及Altera面向OpenCL的SDK,并通过了Khronos OpenCL一致性测试认证。Altera的数据中心技术产品基于公司的高性能Stratix V和Arria 10FPGA,以及下一代Stratix 10FPGA和SoC,     

论搜索软件对网络安全的影响

随着我国互联网技术的快速发展,我们今天的学习、工作和生活各个方面都离不开互联网技术的支撑,互联网技术对我们每一刻都会产生很大的影响,那么随着互联网技术的发展,搜索软件也逐渐占领了一席之地,并且在发展过程中,逐渐渗透到了网络中心的每一个角落,对于互联网技术的发展带来很大的影响.在这些网络发展和利用过程中,很多的私人信息、重要数据等成为了病毒或者是黑客的攻击对象,那这些行为对于网络的安全使用带来了很大的威胁,因此正确的认识到这些漏洞所在,针对搜索软件对于网络安全使用的影响效果进行分析探讨,从而提出有效的解决方式来提高网络的安全使用性能.     

改进的群搜索优化算法在结构优化中的应用

针对桁架结构优化设计问题,对群搜索优化算法(GSO)进行了算法修改和参数调整,并将修改后的算法应用到10杆、17杆和200杆共3个桁架结构截面优化设计算例中,同时与另一种GSO改进算法(IGSO)进行了对比分析。对于每个算例,该文改进算法和IGSO算法各运行了10次,从10次运行的统计结果可以看出,改进算法的优化效果和稳定性均好于IGSO算法。另外,改进算法也与目前结构优化中较好的其它几个算法进行了比较,总体来说,改进算法的最佳优化结果与这些算法的最佳结果相当。     

基于空间邻域加权的模糊C-均值聚类及其应用研究*

针对模糊C-均值聚类法用于图像聚类时仅利用了像素的灰度信息,而忽视空间位置信息,导致在噪声区域和边界处有误分类现象,提出一种新的基于空间邻域加权的模糊C-均值图像聚类法。首先,定义了一个空间邻域信息函数,该函数能够有力抑制噪声点,同时能够很好保留边界的特性;其次,设计了具有空间约束的样本邻域信息加权隶属度矩阵;最后,将该方法应用于人工合成图像和模拟MR脑图像的聚类。实验结果表明,该方法能够获得较好的聚类效果,同时具有较强的抑制噪声的能力。     

改进分区蚁群算法在Ad Hoc网络路由中的应用

本文针对当前AdHoc网络路由的特点,在AdHoc路由优化算法基础上提出一种改进的蚁群算法。该算法首先将影响蚁群算法性能的参数作为遗传算法中的染色体,通过迭代找出最优的参数组合,然后对区域节点采用动态邻域分解的同时进行并行优化计算,最后将各子区域进行邻域全局连接得到最优解,该算法体现＂分而治之＂的思想。实验仿真结果表明,改进算法有效地提高了网络传输性能和通信效率,在性能上较基本蚁群算法有更大的优势。     

Support vector machine forecasting method improved by chaotic particle swarm optimization and its application

By adopting the chaotic searching to improve the global searching performance of the particle swarm optimization (PSO), and using the improved PSO to optimize the key parameters of the support vector machine (SVM) forecasting model, an improved SVM model named CPSO-SVM model was proposed. The new model was applied to predicting the short term load, and the improved effect of the new model was proved. The simulation results of the South China Power Market’s actual data show that the new method can effectively improve the forecast accuracy by 2.23% and 3.87%, respectively, compared with the PSO-SVM and SVM methods. Compared with that of the PSO-SVM and SVM methods, the time cost of the new model is only increased by 3.15 and 4.61 s, respectively, which indicates that the CPSO-SVM model gains significant improved effects. Foundation item: Project(70572090) supported by the National Natural Science Foundation of China