一种高效的多维数据包分类算法

介绍了数据包分类算法的基本思想及一种包分类算法解决方案的评价原则，在现有的ABV算法的基础上，对该算法进行了分析，提出了一种新的改进方案，并对该改进方案进行了性能分析。     

iRIPPER——一种改进的基于规则学习的文本分类算法

基于规则学习的文本分类算法RIPPER具有易理解、易优化、高效率等特点，但是当规则所涉及的特征项很多的时候，上述优点不复存在。基于层次的规则学习算法hRIPPER采用了层次架构对RIPPER进行了改进，但其对特征项的过滤仍然有限。针对RIPPER,hRIPPER在规则学习过程中出现的问题，对规则学习的分类算法进行改进，提出了一种改进的基于规则学习的文本分类算法iRIPPER，在规则学习的同时进一步过滤噪音特征项。实验证明，该方法不但有效地提取了特征项，生成较少的规则，提高了算法的准确率和召回率，而且缩短了生成规则的时间，从而改进了规则学习分类算法的性能。     

一种模糊控制规则修正方案的研究

在对非线性变权模糊控制算法结构及参数作进一步分析的基础上，提出了对该算法的几种改进方案，并通过仿真实验证明了改进方案的有效性。     

噪声信道的鲁棒图像编码

在一鲁棒图像编码方案的基础上提出了一种改进方案。通过改变部分比特输出的先后次序，保留 它将SPIHT输出比特分类以体现各类信息的重要性及出错敏感性，使用不等保护能力纠错编码，并且利 用图像小波系数数据幅度的非均匀分布规律，解码时添加后处理步骤，将小波系数适当减小，得到更高质 量的图像。该方案算法简单，在实现鲁棒编码结构的同时提高了压缩效率。失真率分析和实验结果都表明 该方案提高了峰值信噪比，从而改进了压缩效率。     

基于全相位算法的自适应滤波算法

为减小实时信号的自适应处理时间,改善系统性能,在全相位数据空间概念的基础上,提出一种全相位自适应信号处理方法,并通过仿真对该算法在不同原始信号、不同噪声干扰的情况下进行了性能分析．在对该算法和经典的自适应算法在不同原始信号、不同噪声干扰的情况下进行了性能对比之后,提出了该算法的改进方案来改进输入信噪比小于0时的性能．结果表明,改进方案的输出误差性能达到甚至优于理想状态下的经典自适应算法, 从而验证了该算法及其改进方案的可行性和优越性．     

噪声信道的鲁棒图像编码

在一鲁棒图像编码方案的基础上提出了一种改进方案。通过改变部分比特输出的先后次序，保留它将SPIHT输出比特分类以体现各类信息的重要性及出错敏感性，使用不等保护能力纠错编码，并且利用图像小波系数数据幅度的非均匀分布规律，解码时添加后处理步骤，将小波系数适当减小，得到更高质量的图像。该方案算法简单，在实现鲁棒编码结构的同时提高了压缩效率。失真率分析和实验结果都表明该方案提高了峰值信噪比，从而改进了压缩效率。     

一种改进的C4.5算法

为了提高C4.5算法的有效性,提出了一种改进的MB-C4.5算法.该算法主要改进了C4.5算法的分枝策略和属性选取的标准.把分类效果较差的分枝合并到分类效果较好的分枝中.引进一个平衡度系数,系数大小由决策者依靠先验知识或领域知识确定.MB-C4.5算法在提高重要属性的选择、减少无意义分枝、过度拟合等方面有一定提高.用该算法构造出的决策树进行分类更为准确、合理.对改进前后的算法用实例进行分析,说明MB-C4.5算法的有效性.     

用于动态心电图波形分类改进的K近邻算法研究

针对动态心电图波形数据量大且具有明显个体差异性的特点,提出了一种改进的K近邻分类算法,用于动态心电图波形分类.该算法首先将实例间的度量改为曼哈顿距离（City Block Distance）,然后引入高斯核函数,将K近邻算法改进为非线性分类算法,以达到分类动态心电图波形的目的.实验结果表明,该算法在对动态心电图波形进行分类时,分类精度在90%以上.     

基于改进kNN算法的人脸识别研究

通过分析人脸识别流程和结构设计分析得出分类算法的选择决定着人脸识别结果质量;从而对经典k NN算法进行分析,提出了一种动态取得k值的改进k NN分类算法。通过实验测试,证明改进的k NN分类算法可以有效地提高识别精度的稳定性。     

基于群集智能的蚁群算法研究

指出了对蚁群算法为代表的群集智能的研究已经逐渐成为一个研究热点，介绍了蚁群算法的基本思想，分析了基本蚁群算法的特点和不足，针对这些不足讨论了多种改进方案，对改进方案与基本蚁群算法进行了比较，展望了该算法的工程应用前景．     

一种基于概率包标记的PPM算法改进方案

针对如何提高包标记的标记信息量和路径重构的效率与准确度的问题,对PPM算法进行了改进。将路由信息标记到IP报头的选项字段,以提高包标记的信息量。同时增加一个TTL1字段和填充系数α,分别用于记录从第一个开始标记数据包的路由器到达受害者的路径长和识别标记包的真伪。实验结果表明,改进的包标记算法,重构路径时所需的标记包大大减少,能有效识别标记包的真伪,提高路径重构的效率和准确度。     

面向实时业务的快速公平性分组调度算法

长期演进系统(long term evolution,LTE)中的分组调度算法需要满足一定的QoS.针对最大权值时廷优先算法(modified large weighted delay first,M-LWDF)在用户公平性方面的缺陷,提出了基于线性优先级和非线性优先级的M-LWDF算法,以达到提升用户公平性的目的.仿真结果表明,所提出的算法能够在牺牲少量系统吞吐量的情况下,较大程度地改善用户公平性和业务的丢包率.     

跨层自适应无线资源分配方案

提出了一种新的跨层自适应资源分配方案,该方案不仅考虑了业务数据到达的随机特性、数据缓存队列状态、业务时延等MAC层的QoS要求,还考虑了无线信道的时变特性和功率限制,并通过自适应技术实现了系统性能的优化.仿真结果显示,该方案提高了系统频谱效率、功率效率和系统容量,可以满足多用户实时业务的QoS要求,是一种适用于时变选择性衰落信道的资源分配方案.     

基于封装和聚集组播的区分服务组播实现方案

给出一种区分服务组播的三层实现模型,在此基础上给出一种基于封装和聚集组播的区分服务组播实现方案：EADSMCast(Encapsulated and Aggregated DiffServ Multicast). 一方面通过对基于封装的DSMCast方案的改进,在组播分组头部封装聚集组播树上核心路由器的转发信息,保持了区分服务域中核心路由器的无状态性和可扩展性;另一方面,通过对聚集组播的组-树匹配算法的改进,使多个具有相同或相似转发结构的组播组共享一棵聚集组播树,有效地减小了边界路由器中组播路由表的规模。仿真实验结果表明,EADSMCast是一种能够支持异构QoS组播、可扩展性良好的区分服务组播实现方案。     

基于组合智能算法的无线网络信道分配机制

针对当前无线网络信道分配方法易出现干扰, 网络吞吐量小等缺陷, 设计一种基于组合智能算法的无线网络信道分配方法. 首先对无线网络信道分配的原理进行分析, 构建无线网络信道分配模型; 然后采用遗传算法产生无线网络信道的初始分配方案, 并引入粒子群优化算法对无线网络信道的初始分配方案进行精细搜索, 得到合理的无线网络信道分配方案; 最后在MATLAB 2016平台对无线网络的吞吐量、 网络延迟、 数据传输丢包率进行仿真测试. 仿真结果表明, 该方法大幅度提升了无线网络的吞吐量, 网络延迟和数据传输丢包率远小于单一的遗传算法或粒子群优化算法, 改善了无线网络的通信性能.     

改进型二叉树形冲突分解隔离算法研究

 提出了一种改进型的二叉树形冲突分解隔离算法,对随机争用多址访问系统中的冲突分解进行了研究,且尝试将此算法应用于Adhoc网络,并给出了改进型隔离算法的冲突分解平均时隙数和系统吞吐量的解析式,其结果与计算机仿真实验相吻合.     

基于Markov判决树的视频多路传输

为提高无线包交换网络上视频传输的稳健性,提出了一种多描述编码的多路传输方案。方案对各描述的每个slice数据进行包级别的R eed-So lom on编码。基于无线信道模型的假设,利用M arkov判决树算法,为各slice的数据包选择最优的传输路径。在每个传输路径中,对所分配的数据包进行交织发送,以进一步提高抗突发丢包的能力。实验结果表明:该方案相对单路传输在相同编码速率的前提下平均峰值信噪比提高了3.81~5.84 dB,该方案可显著提高无线网络中视频传输的鲁棒性。     

基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.     

变p值二叉树形冲突分解算法分析

 提出了一种二叉树形冲突分解的改进算法,通过对随机争用多址访问系统中的信息分组冲突分解的研究,给出了冲突信息分组平均分解次数的解析式和系统吞吐量的解析式,仿真实验表明,仿真实现结果与理论值相吻合.