基于构造性神经网络的时间序列混合预测模型 *

针对传统时间序列预测模型不适应非线性预测而适应非线性预测的 BP算法存在收敛速度慢 ,且容易陷入局部极小等问题 ,提出一种基于构造性神经网络的时间序列混合预测模型。采用构造性神经网络模型 (覆盖算法 )得出的类别值对统计时间序列模型的预测值进行修正 ,建立一种同时考虑时间序列自身周期变化和外生变量因子对时间序列未来变化趋势影响的混合预测模型 ,涵盖了实际问题的线性和非线性两方面 ,提高了预测精度。将该模型应用到粮食产量的预测中 ,取得了较好的预测效果。     

分级无线传感器网络路由协议设计研究

针对多跳步无线传感器网络(WSN)设计了分级无线传感器网络路由协议框架。协议中级别的设置有效地保证了路径的长度,并且采用最大可用能量优先的决策策略,因此提高了能源的使用效率,网络的使用寿命也得以延长。通过和现有其他协议的仿真比较,该协议的有效性得到了验证。     

基于小世界模型的传感器网络节能查询策略

查询处理是传感器网络中最重要的技术之一。以降低查询能耗为目的,提出了一种基于小世界模型的查询策略（CardSN）。该策略以关联作为长程连接,降低了网络平均路径距离;将各节点的邻居相对定位,使查询处理获得了方向性。仿真实验结果表明：CardSN具有良好的可扩展性,且能耗明显低于ZRP和CAPTURE。     

最小跳数路由无线传感器网络中的节点距离测量

无线传感器网络中的间接距离测量是一种性价比极高的距离测量方法,但目前测量精度还有待进一步提高。根据最小跳数路由无线传感器网络的行为特征,提出了一种基于最小跳数路由及其路由重复数的节点距离测量算法,与DV-hop算法相比,借助路由重复数较大地提高了距离测量精度。理论分析及仿真结果表明,该算法在节点密集分布的无线传感器网络中具有很好的效果。     

基于遗传算法的试卷生成系统的设计与实现

系统以教育测量理论为基础,分析了试卷生成的约束条件,采用离散型随机变量的二项分布函数建立难度—分数对应关系模型,并以此为依据,利用自适应遗传算法生成和优化试卷。通过调用WebEditor插件,模拟Word环境,实现试题和试卷的操作,使命题环境更接近于传统命题环境;根据频繁访问数据库的特点,利用Hibernate进行对象和关系之间的映射,提高数据库访问效率,具备一定的稳定性和可移植性。     

一种基于充要强度的优化规则发现方法

提出了一种基于信息系统的优化规则的提取方法,主要目的是提取信息系统中具有一定充要性的优化规则。首先,提出了充要强度并讨论了它的性质。其次,由于搜索空间的巨大和遗传算法的全局优化的特性,设计了使用遗传算法进行优化规则搜索的方法。最后,通过实验说明方法的有效性。     

无线传感器网络应用支撑技术研究

无线传感器网络的出现,产生了许多新型应用.而为了支撑各种各样的应用,需要范围广且复杂的实现技术.作为一个多学科交叉领域,无线传感器网络方向具有大量的应用及相应支撑技术,需要进行适当的分类整理.基于这种情况,本文首先综述了无线传感器网络的应用现状,然后结合无线传感器网络各方面应用,从计算机学科的角度系统地讨论了无线传感器网络的支撑技术,包括通信协议、定位、时钟同步、能量管理等普遍存在于各种无线传感器网络的基础支撑技术,以及目标识别与跟踪、数据存储、数据融合与无线传感器网络安全等几种典型的与应用紧密相关的支撑技术.     

基于改进免疫遗传算法的聚类分析研究与应用

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法（MIGA）。该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想。通过实验显示该方;醛法优于基本的遗传算法。     

RCGNN：一种基于实数编码的遗传神经网络预测方法

将遗传算法与神经网络相结合,提出一种实数编码、自适应选择、算术交叉、高斯变异、爬山操作的改进遗传BP神经网络RCGNN,利用遗传算法对神经网络权值和阈值进行优化。以时间序列预测的实例进行编程计算表明,用遗传算法进行网络训练,其收敛速度快,最终总误差最小,预测准确率高。对算法中参数进行的相应研究表明,增加爬山操作次数能很好地提高网络训练的速度,同时使误差下降快;爬山操作越多,收敛速度越快,最终误差越小,但计算运行时间也会增加。     

基于神经网络的安全风险概率预测模型

网络安全风险概率预测对分布式网络环境及其内在的不确定事件进行动态分析和评价,是构建网络安全保障体系的重要环节.深入研究网络态势感知中的特征提取、聚类分析、相似性度量和预测方法,提出了一种基于神经网络的安全风险概率预测模型.采用入侵检测数据进行了实例验证,仿真实验结果验证了风险预测方法的可行性与有效性.