Ad hoc网络局部路由发现算法

针对自组(ad hoc)网络按需路由协议采用全网络广播方式来进行路由发现带来的网络路由开销较大问题,提出一种减少网络路由开销的局部路由发现算法.路由附近节点根据当前路由上发送的数据报文计算到达目的节点的最小跳数;当路由发生中断时,路由发现请求报文将在中断路由附近节点间按照最小跳数减小的方式传递,从而合理限制路由发现范围;通过增大中断链路附近节点转发路由发现报文跳数的方式,扩大局部搜索范围,提高路由发现成功率.仿真实验结果表明,本算法最多可以减少约60%的网络路由开销,降低约70%的平均网络延迟,提升约10%的数据报文发送成功率.此外,任何基于广播方式进行路由发现的路由协议都可以使用这种算法优化性能.      

一种基于指数损失函数的多类分类AdaBoost算法及其应用

 提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME（forward stagewise additive modeling using a multi class exponential loss function）。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点,将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的,并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求,只需每个弱分类器的精度比随机猜测好;算法简单明了,不用把多类问题转化为多个两类问题,而是直接求解多类分类问题,大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断,结果表明:FSAMME算法一方面可达到较高的分类诊断准确率,其准确率明显高于AdaBoost.M1,略高于AdaBoost.MH;另一方面可大大减小计算成本,满足在线快速分类诊断的要求。     

基于信息融合技术的火灾报警方法研究

根据当今火灾探测的现状和实现火灾早期报警的需求,将多传感器数据融合技术应用在火灾报警系统中。在分析了信息融合系统的三级结构及火灾报警信息非结构特性的基础上,以感温、感烟和气体的火灾报警模拟量为输入,利用粗糙集和神经网络对多传感器信号进行融合,设计出一种快速、准确和有效的火灾探测系统,达到了提早报警和降低误报警频次的目的。     

基于数据挖掘的异常模式入侵检测系统的设计

网络攻击的方法是多种多样的,没有标准的分类模式.入侵检测是网络安全领域的一个重要技术,也是当前网络安全理论研究的一个热点.通过分析已知的攻击方法引起的数据异常情况,可以确定用于检测的敏感数据以建立入侵检测系统.     

模拟成形性的计算机预测

运用人工神经网络,对板料基本成形性（单向拉伸、平面应变等基本试验的参数）与模拟成形性（拉深、杯突、扩孔、福井等模拟试验指标）二者的相关性进行了研究．在大量试验数据和反向传播算法的基础上,建立了描述相关性的ＢＰ网络模型．通过该模型,对已知基本成形性参数的板料的模拟成形性指标进行了计算机预测,预测结果与试验结果比较接近．本文的研究方法和结果表明,人工神经网络是研究板料的模拟成形性的一条有效途径     

多阶段制造系统调度模型与资源价格研究

为时变需求下的多阶段、多工件种类且生产能力可追加的制造系统调度问题构建了一个令总成本最小的数学模型.通过分析最优性条件,得到了工作站生产能力的价格,并解释了它的经济含义.将调度模型转换为一个时空扩展网络上的静态的费用极小流问题,然后用改进的Frank-Wolfe算法求解.     

动态规划法在节点编号优化中的应用

本文在分析了Cuthill-Mckee节点编号法[1]以后,指出了该方法的缺陷,进而提出了选择最佳边界点,作为网络节点编号(或重新编号)的起点(即序号为1);提出了用动态归划法的思想逐步挑选下一个编点,从而达到节点编号优化目的;结合用有限元素法求解大型结构矩阵时进行节点编号中的需要,对图论中的网络节点有关定义作了适当修改和补充。     

非单调语义网络中继承的信任理论

描述了一种新的具有例外的多继承语义网络推理方法--继承的信任理论,这是一种很具有吸引力的可废止继承方法.它应用于非循环语义网络的继承的分析,能够产生适合于继承直觉的非多义性结论.文中还讨论了Etherington的基于缺省逻辑的继承理论,提出了继承信任理论和继承信任缺省逻辑.给出了继承信任逻辑的性质,并且证明了构造继承信任缺省逻辑理论的唯一扩张是递推过程.信任理论的扩张能够快速求解.这种快速推理算法可以应用于专家系统推理.     

基于模糊系统的径向高斯网络的自适应状态观测器

利用模糊系统的径向高斯函数网络对一类非线性时变系统的状态进行了估计。给出了一种递阶自组织在线学习算法,提出了非线性时变系统的自适应状态观测器,并对其结构及特征进行了讨论,仿真结果表明这种自适应状态观测器能很好地观测系统的状态。     

基于神经网络建立液态挤压成形管、棒材工艺参数知识库

 采用人工神经网络方法,将８１组实验数据用于神经网络的建模及检测,建立了液态挤压成形管、棒材工艺参数知识库,可以对该工艺的关键参数进行较为准确的预测,从而为推动该金属成形新工艺的实际应用奠定了基础。