基于分布式流的复杂网络上边级联失效

考虑现实网络中流的分布式传输方式和边的负载-容量关系,提出了一个带有可调权重参数的边级联失效模型.依据新的度量网络鲁棒性指标,探讨了两种典型复杂网络由蓄意边攻击而引发的级联失效行为.仿真结果表明,存在最优参数值使得网络达到最强抵制边级联失效的鲁棒性,能够显著降低灾害动力学发生的可能性.而且,网络的拓扑结构和平均度均对网络鲁棒性产生了影响。     

基于支持向量回归的热偶规校准曲线的生成及应用

在实际中发现热偶规测量真空度时,真空度与热偶规输出电压值对应的曲线非线性程度高,因此产生的测量误差较大.通过数据实验发现用ε-SVR及SMO(Sequential Minimal Optimization)算法拟合真空度-电压曲线能更接近实际曲线,满足了应用需要.     

基于虚拟骨干网技术的自组网络移动IP方案

提出了一种建立虚拟骨干网的技术,虚拟骨干网技术的基本思想是数据包的分发控制由构成虚拟骨干网的节点负责,从而能够有效地提高无线自组网络的链路利用率,并能更好地适应快速网络拓扑变化.     

基于网格的精品课程答疑资源跨校共建共享研究

针对目前国内高校精品课程答疑环节薄弱且高校之间课程资源共享利用较差的现状,提出基于网格跨校构建精品课程答疑资源的思想,各高校作为网格节点按课程采用问题—答案对的方式构建答疑资源,各节点之间基于网格技术实现答疑资源共建共享.文中给出跨校答疑资源共建共享模型、资源组织和描述及答疑流程.设计并开发基于网格的自动答疑系统,实现各节点间答疑资源共建共享.模拟系统表明,该系统能有效支持各高校节点资源共建共享.     

基于模拟退火算法与隐马尔可夫模型的Web信息抽取

典型隐马尔可夫模型对初始参数非常敏感,采用随机参数训练隐马尔可夫模型时常陷入局部最优,应用于W eb信息抽取时效果不佳.文中提出基于模拟退火算法与隐马尔可夫模型的W eb信息抽取算法.通过实验比较选择最佳的模拟退火算法参数,结合Baum-W elch算法优化隐马尔可夫模型并应用于W eb信息抽取.实验结果表明新算法在信息抽取的精确率和召回率都有明显的提高.     

多关节机器人的自学习模糊全局滑模控制

针对模型不确定性多关节机器人的轨迹跟踪控制问题,研究多关节机器人全局滑模控制,为了削弱系统在滑动模态上的抖振,将模糊控制和全局滑模控制相结合,提出一种自学习模糊全局滑模控制方法.该方法利用模糊系统的输出代替全局滑模控制中的非连续开关切换量,并根据滑模变结构原理,设计自学习算法,动态调整模糊隶属函数的参数.通过对2关节机器人的仿真,结果表明在存在模型误差和外部扰动的情况下,该方法既能达到快速跟踪,又能很好地消除控制器的抖振.     

支持卫星信息分发的并行多点传输

为了给卫星信息提供灵活、高效率、可扩展的分发服务,系统采用并行多点传输技术.将所有参与分发的节点组织为P2P网络,系统中每个节点都是对等的;在参与分发节点的选择上,采用一种基于节点簇和响应时间的节点选择策略,选择响应速度快、服务性能好的节点.力争通过对并行多点传输的优化,使卫星信息的分发更有效.     

石油网格数据挖掘新技术研究

针对石油勘探开发中很多TB级和PB级的数据集在许多情况下分布在一个组织的不同地点或不同组织的多个数据源被集团内所有用户共享的特点,用网格数据挖掘数据集成技术和网格数据挖掘本体技术,作为石油勘探开发行业业务工作流程的信息处理基础设施,以满足石油工业对高性能计算技术的持续需求。提出了Web service与网格技术融合、网格与数据集成技术结合和本体与Web service合成,给出了基于Globus Toolkit 4、开放式网格服务体系结构和Web服务的技术实现方案。研究表明：网格计算中的任务管理、任务调度和资源管理等服务可以为分布式数据挖掘提供极大的便利。     

基于视觉显著性的彩色图像分割

为了提高图像显著性检测的准确性,从数学模型上探索显著性的多特征空间.利用多尺度特征提取算法获得低层视觉特征,对特征矩阵用低秩矩阵恢复理论提取显著图,并在自底向上模型基础上融合了高层视觉特征,由高层视觉特征构成一幅权重的显著图.提高了显著度和显著目标的检测性能.通过自适应阈值算法对视觉显著目标进行分割.实验结果表明,该模型比传统的模型提取的显著目标更完整、更准确.     

体裁互文性的度量

在信息检索或资源推荐系统当中,用户查询和返回结果之间的匹配程度反映了用户满意程度.体裁可以作为除内容以外的另一种方式来提高用户检索体验.本文给出信息空间中体裁的基本概念,使用向量来定义体裁,并在此基础上给出体裁互文性的内在定义,用距离度量体裁互文性.此外根据语篇在信息处理过程中的共现概率,建立体裁互文性的外在定义,研究体裁互文性两种定义下的度量,证明体裁互文性两种定义的统一和量化计算的一致.