多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

无标度网络局部信息的动态路由算法

提出了一个在无标度网络上基于局部信息的数据包路由算法,该路由算法引入两个可调参数α和β,分别调节度值与队列长度的路由偏好.通过调节这两个参数来改变网络的传输容量,并找到了该算法的最佳参数组合.对其他动态特性包括平均路由时间和流量负载也进行了相应研究.模拟仿真研究表明,该路由算法较传统的局部路由算法,不仅降低了网络的丢包率,而且提高了网络的传输能力.实证研究证明,基于局部信息的无标度网络动态路由算法对大规模通信网络的拥塞有一定的改善作用.     

预测修正下的动态数据传送机制

利用无线传感器网络中节点感知数据的相关性,提出了一种基于预测修正的动态数据传送机制.核心思想是:将数据预测与模型计算分离,接收节点先对数据进行平稳化处理,然后建立模型或动态更新模型,再把模型参数发送给采样节点.采样节点用精简的预测修正算法预测数据,通过比较法确定需要发送的采样数据,从而减少了数据传送的次数,延长了网络的生命期.仿真结果表明,所提算法可以滤除真实采样观测序列中83%的冗余数据,预测精度较一般预测算法提高了22%,它适用于能量约束性较强的无线传感器网络.     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

递阶进化算法的小波网络在设备状态预测中的应用

为改善小波网络的学习和逼近性能 ,基于递阶结构染色体提出了递阶进化算法用以实现小波网络的设计和训练。该算法采用包含控制级基因和参数级基因的递阶结构的染色体 ,分别对网络结构和网络参数进行编码 ,并根据编码特点将遗传算法与进化规划结合进行进化操作 ,可实现同时对网络结构与网络参数进行进化设计和学习训练。该算法不仅克服了梯度下降算法中的局部极小和网络训练不收敛问题 ,也使网络结构更优 ,从而提高了网络训练效率和网络的工作性能。就函数逼近问题和水轮机组的状态预测问题进行了事例研究 ,验证了所提出的算法的优越性和可行性     

利用链路预测推断网络演化机制

直接建立演化模型推测影响网络演化的因素是目前研究网络演化制的常用方法,但由于可供比较的结构特征量太多,不同的模型之间难以进行定量化的比较.链路预测是指利用网络的结构或者节点的属性息预测未产生连接的两个节点间产生连接的可能性.其本质是挖掘网络产生连边的原因和驱动力,这同时也是网络演化模型所关的问.实际上,一个演化模型原则上都可以对应于一种链路预测的算法.因此,助链路预测的理论框和评方法可以定量化地对不同演化模型所对应的链路预测算法进行评,从而间接地对演化模型的表现进行定量比较.本文首先绍于节点接近性的链路预测方法,然后讨论利用链路预测推测网络演化制的本框.在以中城市航空网络为例的实证分析中发现,当单独利用结构(共同邻居数目)和节点属性(地理位、人口、GDP和第三产业产值)作为定义接近性的因素时,于共同邻居的算法预测准确度最高,暗示网络演化主要受结构因素影响,其次才是外在因素.而将四种于节点属性的算法与于结构的算法耦合进行计算时,共同邻居配合第三产业产值效最好,与偏相关分析和因分析的结论一.本文为研究网络演化模型供了全新的视角和分析工具.     

基于场景与话题的聊天型人机会话系统

人机会话在自然语言处理乃至人工智能领域中起着重要标志性作用，可根据使用目的划分为问答系统、任务型会话、聊天系统等，其中聊天型会话通常具有更高的拟人需求。该文在基于长短期记忆网络的序列变换模型基础上，通过引入话题网络显式抽取会话中的场景与话题信息，并将这种不随语序变化的高层抽象信息扩展到会话模型结构中，与注意力机制共同指导解码预测过程。由于难以事先获取话题信息，话题网络被建模为非监督式学习模型，因此训练过程需分三步进行。实验结果表明，在恰当的训练方法和结构参数下，该模型能够使聊天会话的质量得到明显提升。     

基于改进黑洞算法优化ESN的网络流量短期预测

网络流量数据序列具有混沌特性.相空间重构后,采用一种改进黑洞算法优化回声状态网络的非线性模型对网络流量进行预测.改进黑洞算法是在现有工作的基础上提出一种新的新解生成机制,可以提高算法的收敛速度和精度;相比于遗传算法、和声搜索算法等其他优化算法,所提出的改进黑洞算法不依赖自身相关参数的准确设定;将其应用于回声状态网络4个重要参数的优化选取,使得预测模型具有较好的预测稳定性.通过Mackey-Glass混沌时间序列和网络流量公共数据集的仿真实验,结果表明所提出的方法具有较好的预测性能.     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。     

一种基于非线性对等变换的分组密码模型

为了使密码算法兼具Feistel型和SP型密码算法的优点,提出了一种构造交换环上m维线性空间的对等非线性变换的方法,并依此设计了基于对等变换的类Feistel密码模型和一种新的分组加密模型。新的加密模型既有Feistel模型的对称性,又有SP网络模型扩散速度快的优点。同时,该模型具有相当大的灵活度,通过选取不同的环,参数a、b以及非线性函数f(x)可以演变出多种分组密码算法。因此,该模型具有较广的应用前景。     

基于双分支结构的融合多特征微博传播行为预测算法

随着如今微博平台的高速发展,微博转发行为预测已经成为舆情分析领域中一个热门的研究主题。针对该任务,提出一种添加多层间接粉丝用户权威度信息,基于双分支网络结构模型的微博转发行为预测算法。该方法通过对原始微博进行分析,运用LDA算法提取内容特征、构建用户关系网络提取间接关注用户权威度特征等多元特征,构建基于双分支结构神经网络模型预测微博传播行为。实验结果表明预测模型相比于其他算法在RMSE,MAE评估指标上都有较好的提高,验证了算法的有效性。     

多关系网络社团发现算法

分析了真实社会网络的特性,建立了节点间多关系网络模型.在此基础上定义了节点间相互作用的影响力等概念,提出了适用于多关系网络的社团发现算法.通过理论验证了相关定义的合理性,并针对多关系网络进行了对比实验.实验结果表明:所提出的多关系网络社团发现算法与其他经典算法相比具有较高的精确度和较低的时间复杂度,具有重要的研究意义及实用价值.     

极大网络寿命的认知无线电网络组网算法

根据认知无线电网络的特点，本文提出一种基于鱼群算法与图论中极小独立集支配集算法相结合的认知无线电组网算法 (maximal cognitive radio network lifetime MCRNL)。该算法分为鱼群大小确定阶段和簇头选举阶段，前者以极小的能量完成节点配置和确定受影响的认知用户范围，后者确保以极小的能量进行通信，极大化网络寿命和簇头选举的公平性。仿真结果表明，该算法整体消息复杂度为O(n)，最坏时间复杂度为O(log(D+n))，算法性能优于MWMIDS，可以有效的应用于认知无线电网络基于MCRNL的路由协议中。     

基于弱多径覆盖的自组织网路由协议

为了提高无线自组织网路由协议的可扩展性,根据多路径路由协议的特点,建立了多径寻由策略的数学模型.针对节点分离(Node disjoint)和链路分离(Link disjoint)式两种多径拓扑组织结构的缺点,提出了基于弱多径覆盖的具有可扩展能力的路由协议.在此基础上对多径算法进行了分析和仿真实现.仿真结果验证了算法的正确性和有效性.基于弱多径覆盖的路由算法对网络拓扑要求不高,更容易得到可行解,同时有效地提高了网络的可扩展能力.     

基于结构平衡理论及LP算法的符号网络预测

符号网络分析逐渐成为一个越来越重要的研究主题,其中最为重要的是网络中的符号推断问题.了解到在社会网络中局部路径指标(LP)表现良好.用AUC评价指标进行了实验验证,LP指标同样适用于符号网络,并且给出它的平衡理论解释.实际数据分析的结果显示,较之传统计算符号网络链路预测算法,该方法更加简单,并且能得到较好的预测效果.     

基于关键节点的影响力最大化算法

为解决LDAG( DAG Algorithm Based on Linear Threshold) 算法在处理关于社会网络影响力最大化过程中,优先考虑网络影响力传播模型、忽视社会网络的拓扑结构问题,利用社交网络社区的结构,有针对性地选择影响力传播的关键节点,对LDAG 算法进行了改进。利用关键节点简化了有向无环图的构造过程,保证了其高精度与运行效率高的特点,同时也优化了算法的时间复杂度和空间复杂度。通过两个有效的实验数据集对算法进行验证,结果表明改进的算法可以大幅度降低算法的运行时间,且对算法的精度影响很小。     

一类网络k-中心选址问题的改进算法

为解决基于城市道路交通网络的应急设施选址问题,建立了此问题的网络k-中心选址抽象模型。针对此模型在分析研究已有算法的基础上,设计了一种具有多项式时间的改进置换迭代算法,证明了算法迭代的有效性,分析了算法的计算复杂度,并利用实例进行了对比分析。实例分析表明,改进的置换迭代算法降低了受限p-中心的并行迭代算法中的网络中心置换的条件,而算法的效率有明显的提高。     

结合人工神经网络的冷凝器稳态分布参数模型

为了克服由于实际装置的复杂性及生产工艺的差异对冷凝器稳态仿真精度的影响 ,提高冷凝器仿真模型的通用性和准确性 ,提出了冷凝器基本模型结合人工神经网络的仿真思路 .以相区划分和制冷剂出口焓值迭代为基础 ,提出了一种稳定的逆流型冷凝器仿真分布参数模型和算法 ,建立了冷凝器仿真的基本模型 .其计算结果与实验数据的变化趋势一致 ,能够在定性上反映实际物理过程的基本特性 .通过对部分实验数据的学习 ,进一步建立了与基本模型相结合的人工神经网络 .利用其非线性映射能力进行模型修正 ,显著提高了冷凝器的仿真精度 ,从而为同时提高冷凝器仿真的通用性和准确性提供了一种有效的工程应用方法     

基于多中心模型的网络热点话题发现算法

为了有效消除网络话题相关报道内容侧重点变化对网络话题发现准确性的影响,提出了网络话题多中心模型.将报道内容之间的关联关系层次化,提高了对网络话题的描述能力.提出了基于多中心模型的网络热点话题发现算法,利用话题中心判别新出现的报道是否属于已有网络话题,算法基于单遍聚类思想,通过引入话题中心的策略优化了算法的计算开销.实验结果表明:该算法可以全面、准确地发现网络热点话题,同时具有较为理想的性能,可应用于大规模网络动态流式数据环境下的热点话题发现.     

采用节点流守恒求取多状态网络d-最小路集的改进算法

针对多状态网络可靠度的计算问题,给出一种求解多状态网络d-最小路集的改进算法.引入可行流向量,并将网络中的双向边等效为单向边,使算法对网络中边的容量取值无特殊要求,且可用于含双向边的网络,适用性更强.通过引入边的容量下确界,并将网络中的反向边等效为单向边,减少求取d-最小路集可行解时需枚举的解数目,降低算法复杂度.以多状态网络为例,进行分析验证.结果表明:该算法可以准确得到多状态网络所有d-最小路集.