基于马尔科夫链残差修正的EMD-MELM混凝土坝位移预测模型

基于经验模态分解(EMD)、改进的极限学习机(MELM)以及马尔科夫链,提出了一种新的混合模型。由于混凝土坝的变形可看成静水压力、环境温度和时间效应而产生的变形,前两者体现总变形中的周期性分量,后者体现为总变形中的趋势性分量,所以在数据预处理阶段,利用经验模态分解技术将坝体总位移序列分解为趋势分量位移和周期分量位移,选择多项式函数预测趋势分量位移,提出了一种改进的极限学习机,即均值学习机集成(MELM),采用MELM模型对周期分量进行预测。再使用马尔科夫链修正模型对两个模型的拟合残差进行修正预测,叠加各预测值得到最终预测值。在某混凝土坝的应用表明,该组合模型的拟合及预测精度明显优于传统模型,具有操作简便、预测精度高、训练速度快等优点。     

忠诚的守望者

自从你把信任交给我,我的涟漪里就多了一份澎湃 自从你把安危交给我,我的生命里就多了一份责任 责任是苦,责任是乐,水管人的责任是守候春耕秋收、抗击洪水与干旱     

一种改进的SVM算法在入侵检测中的应用

传统的入侵检测算法在处理网络流式数据时,由于网络数据量大,而且具有高维性,冗余性等特点,导致入侵检测计算量大,占用资源较多,训练和预测的时间较长等不足,这就需要在保留网络数据有用信息的前提下进行数据的特征提取。采用核主成分分析(KPCA)对网络入侵数据进行维数和消除冗余信息处理,减少支持向量机输入的维数,利用粒子群算法对SVM进行参数寻优,选取修正核函数代替传统的单一核函数,实验证明,该改进算法有效地提高了入侵检测的检测率,同时也提高了预测的速度。     

采用2D-SMPC码的S-OCDMA系统性能分析

在同步修正素数码（SMPC）基础上,通过给每个不同的种子分配一个不同的波长片,构造了二维正交地址码（2D-SMPC）;分析了码字的相关特性,确定了地址码选取原则;通过Optisystem仿真,研究了该码的多址干扰（MAI）和系统容量等性能。与一维SMPC码性能相比较,验证了其用于S-OCDMA系统时的性能改善。     

P2P网络中基于贝叶斯理论的信任模型研究

借助于社会人工学中信任的概念,把P2P网络中节点交互的历史信息作为样本信息,结合先验信息对节点的未来行为做出推断,并根据节点之间信任关系不同,区分了直接信任和推荐信任,并分别给出了两种信任关系基于贝叶斯理论的计算方法。最后与L.Mui等人的模型作了比较。     

流程安全

业务流程常常面临一系列与信任或不信任相关的问题。这些问题构成了安全方面的主题,包括认证参与者的证书、检查参与者是否被授权访问特殊的信息或服务,以及在必要时对信息进行加密以防止被未授权参与者查看。当参与者必须确认他们正在与谁进行交易,或某个活动必须对未授权当事人保密的时候,安全就成为了一个问题。     

网格域间信任评估模型的研究

在网格域划分的基础上,提出一种域间信任关系评估模型,具有同时兼顾服务的上下文和信任的时衰性的特点,并针对网格环境中的恶意节点和恶意推荐行为,给出相应的应对机制。实验表明,该模型能够有效地解决网格环境中的恶意行为,对恶意节点进行惩罚。     

修正概率关联算法在航迹关联中的应用

在雷达组网航迹跟踪问题的研究中,针对杂波环境下雷达对作战目标的跟踪精度,为了准确跟踪目标,通过对现有概率数据关联算法(PDA)和联合概率数据关联算法(JPDA)算法进行改进,引入跟踪区域划分概念和修正因子,提出一种航迹新的修正概率数据关联算法(MPJA).不需要考虑 JPDA 算法中产生所有可能的联合事件,具有计算量小,易于工程实现的优点.仿真结果表明,新算法以与 PDA 算法接近的计算量,达到了接近于 JPDA 算法的目标跟踪成功率,提高跟踪精度.     

基于动态联盟的一种身份信任计算模型

在动态联盟中,身份管理是确保信息安全的一种手段,但是随着联盟成员数日益增多,传统的身份管理难以妥善应对当前较为复杂的环境,尤其当成员之间无交互历史时,数据交换的可靠性无法保障。文中研究了不同计算环境中的多种信任管理方法,并把P2P的推荐评价机制应用到动态联盟的身份管理中,提出了一种基于推荐的身份信任管理的算法。在这种算法中,身份的信任值由多因素加权综合而成,其中推荐信任值在算法中起到关键的作用。该算法试图为解决复杂的动态联盟环境下的身份管理问题提供一种途径。     

AOC助力2010上海世博会

泰乐通信任命黄陈宏为中国区总裁。黄陈宏博士将领导泰乐通信中国区团队,负责泰乐通信在中国的业务。