低信噪比下基于收敛映射Hough变换的激光目标检测算法研究

分析了经典Hough变换(HT)在参数空间映射方法存在无效映射及批处理投票缺乏实时性等问题, 提出了依据空中目标速度约束条件选取样本进行收敛映射和在线投票的改进HT检测算法。仿真实验结果表明, 改进目标航迹检测算法在信噪比(SNR)大于0.8 dB时都具有较好的效果, 算法目标捕获时间因信噪比不同而不同。信噪比大时可以迅速捕获目标, 信噪比低时则以时间换取检测概率。     

三参数区间数下非线性可拓关联度决策方法

针对属性值为三参数区间数和权重未知的多属性决策问题,提出一种新的基于非线性可拓简单关联度的多属性决策方法和框架.该方法基于可拓简单关联函数提出非线性可拓三参数区间关联度的计算方法,通过定义区间映射变换算子,将不同类型指标的关联度计算均变换为效益型指标的单调递增关联度计算.该方法内含偏好态度系数的设置以反映决策者态度倾向带来的决策不确定性,而且能够体现人们进行决策评价时的非线性思维.最后通过算例分析表明所提出方法的合理性和稳定性.     

基于JXTA的P2P资源管理技术的实现

提出了一种P2P资源管理方法，采用流行的JXTA平台设计协议底层通信机制，实现了基于分布式哈希表(DHT)的资源管理与数据访问系统，通过JXTA提供的管道机制和对节点之间通信消息报文格式的设计，完成了节点之间的资源定位和搜索。     

基于多波动尺度的两层包级自适应抽样

在高速Internet链路的流量测量中,包抽样技术能有效减少被测数据量以节省各种可用资源。文章关注如何提高流量突发和波动周期的抽样精度,提出了一种基于多波动尺度的两层包级自适应抽样方法。该方法能够根据当前流量的突发频度和波动性动态调节每包抽样概率,调节粒度精细。通过在真实流量跟踪下与静态随机抽样方法的对比,两层自适应抽样方法显示了较强的实时捕获流量速率的波动变化和改善抽样精度的能力。     

NBPSim:基于NS2的P2P仿真框架

为了推进拓扑感知的P2P算法的研究,提出了一个基于NS2的P2P仿真框架:NBPSim.可以通过扩展NBPSim给出的扩展点方便地开发P2P协议模拟程序,并进行包括底层网络细节的仿真验证.描述了NBPSim的框架结构,同时给出了在此平台上仿真Chord协议的结果.     

面向问题智能处理的基元-因素空间模型研究

互联网已成为获取信息的重要来源，但仅依靠信息搜索引擎等现有技术仍难以从海量信息中智能化挖掘知识为解决问题服务，面向问题处理的互联网知识搜索的模型与算法等问题一直未得到有效解决.知识搜索引擎要实现智能化解决问题的服务，关键是必须研究面向问题处理的互联网信息的智能重构模型.基元-因素空间模型以可拓学基元理论、因素空间理论和智能知识管理理论为基础，交叉研究从互联网海量信息资源中抽取对象、属性和量值，重组互联网信息，自动构建领域基元的方法及从领域信息中挖掘特定问题的因素空间以获取领域知识的智能算法.在动态基元信息、专家经验知识与因素空间融合的模式与算法基础上，开发模拟仿真软件以验证动态知识基元及因素库协同进行互联网信息重组的理论与方法，为利用互联网生成解决问题的创新策略和研发新一代面向问题处理的知识搜索引擎提供理论基础和新的方法支撑.     

基于时序推断的拥塞控制策略的性能分析

通过对TD、RED等算法进行较精确的Markov建模,以理论分析和数值模拟的方法对各种拥塞控制策略的性能进行深入的研究和比较,并着重从时间序列的角度分析平均队列长度计算方法的数学过程和理论依据,进而提出基于时序预测推断的平均队列长度的计算方法,给出相应的数学模型和数值模拟性能曲线,结果证明:新的算法在系统稳定性和资源利用率上表现出明显的优越性,其走势更加接近理想的性能曲线.最后考察了各算法结合优先级丢弃策略的性能表现.     

基于最优Path的Ad Hoc网络地理路由算法

对基于地理信息的自组网路由中的凹节点问题做了分析,并提出了一种新的解决方案——PGA算法及其改进算法.算法采用了最优Path的思想,在Path构造、基于Path的最优寻路、路由恢复等多个方面都应用了最优Path的概念,较好地解决了凹节点的问题.通过证明,该算法具有无环性,从而实现了基于局部路由信息的无状态路由,展示了算法的可扩展性和易维护性.实验表明,即使在大型网络中,算法依然可以保持很高的报文投递率、较短的路径长度、可接受的路由表大小及可控的协议带宽开销,同时该路由算法在动态环境中具有较强的鲁棒性.     

复杂社会网络节点重要性可拓聚类动态分析方法

目前大多数复杂网络关键节点影响力识别方法都是建立在静态分析基础之上的,缺乏对节点动态变化的考量。采用可拓聚类方法来量化分析社会网络的动态变化,以多属性决策法测量各节点静态重要性属性值;分别划分等级,取经典域和节域,计算各节点在对应属性上的关联度,并用熵权法取得综合关联度;分析其在同一社会网络不同时间点的变化,给出变动的量和方向。该方法不仅能刻画出节点重要性的变化趋势,而且给出了变化程度。最后,通过实例验证了该方法的可行性和有效性。     

网络流量自相关模型的点过程识别

在细粒度时间尺度上，伸统的随机点过程类模型对网络流量的拟合仍然是较为合适的模型，如MMPP。不同于大多数数学意义上的适配模型，本文通过对样本数据直接提取统计特征来估计模型参数，使用方差加权距离聚类分离样本数据估算MMPP状态的强度，计算状态转移频数以估计一步转移概率矩阵，通过该矩阵估算转移速率矩阵，建立起样本数据和适配模型物理意义上的高度契合。最后针对模拟流量的统计特性和队列特性，用适配结果进行检验，证明了该方案的有效性。