集群式智能型网络信息自动搜寻与采集系统

互联网上分布的许多用于搜集网络信息的ＷｅｂＳｐｉｄｅｒｓ（网络爬虫）一般都工作在单机上,难以快速完成大规模的信息采集工作．对此提出了一种集群式Ｓｐｉｄｅｒ系统的构想,它能够使许多Ｓｐｉｄｅｒ工作在不同的主机上完成同一项任务（每个Ｓｐｉｄｅｒ负责一部分,可动态调整）,因此可大大加速信息采集工作．文中描述了这种系统的体系结构与模型,并介绍了该系统的一种实现,即ＣｈｉｎａＷｅｂＷｉｚａｒｄ．它不仅可以在集群模式下工作,还能动态地发现新的站点．该系统为搜索引擎提供了底层支持,对网点建设者和开发者具有参考价值．     

个性化服装网络定制营销模式探讨

阐述了个性化服装网络定制营销的优势,介绍了建立个性化服装网络配置系统的流程,构建了企业与客户协同配置运行的模式,并对在线配置系统的应用进行了说明。     

能耗均衡的非均匀分簇多跳路由协议

针对无线传感器网络能耗不均衡的问题, 提出一种非均匀分簇多跳路由协议ECBUC(Energy Consumption Balanced Unequal Clustering)。在簇首预选阶段引入能量因子, 使高能量节点参选的可能性增大; 分簇阶段通过竞争算法将网络划分为面积不均等的簇, 从而改善无线传感器网络的“热区冶问题; 在簇间路通过形成阶段给
出综合考虑中间节点的相对位置和剩余能量的评价指标, 协调了簇间通信的代价和网络的能量分布。经过仿真实验, ECBUC 协议可有效地均衡网络能耗, 与EEUC(Energy Efficient Uneven Clustering)协议相比, 使网络的生命周期平均延长了22. 29%, 提升了网络性能。     

配电网分析及其运行方式优化方法研究

配电网络是电力系统中直接为广大用户分配电能的重要环节,与人们的生产和生活密切相关,它的发展和完善给电力系统带来了巨大的经济效益和社会效益。文章通过对配电网网络模型和运行状态分析,提出方案权重判断法和权重判断矩阵法的电网运行方式优化方法,以期为电网一线工程师提供参考。     

代谢组学：系统生物医学的关键角色

系统生物学是以实验、系统论和计算方法整合研究为特征,研究生物系统组成成分及其相互关系的学科．而系统生物医学是系统生物学在医学应用研究领域的分支．它以临床医学问题为导向、临床样本为研究对象．采用组学生物技术、生物信息学建模和分子生物学技术等集成化、系统化与高通量化等研究策略。其技术手段涵盖基因组学、表观基因组、转录组学、蛋白质组学和代谢组学等不同层次的全局性研究方法,并辅以影像学、分子生物学、生物分子定量分析等经典还原性分析方式。     

复杂河段水质模型有限单元法的网格确定方法

研究了根据污染物在单元网格内的特征来确定河流水质模型有限单元法中单元网格的划分方法。在给定网格长度的条件下,结合河流水质模型有限单元法理论,提出了根据污染源下游网格长度的内污染完成横向混合所需最大蹁除为污染源侧近河岸单元网格的最大宽度,并结合河流单宽流量估算方法来确定河流最小流带数的方法,从而可利用河道地形图和已有的方法进行河流水持单元风格的划分和河流水质有无法     

人脑连接组研究:脑结构网络和脑功能网络

人脑是自然界中最复杂的系统之一,在这个系统中,多个神经元、神经元集群或者多个脑区相互连接成庞杂的结构网络,并通过相互作用完成脑的各种功能.近年来,结合基于图论的复杂网络理论,研究者们发现利用结构和扩散磁共振成像数据构建的脑结构网络以及利用脑电图/脑磁图数据和功能磁共振成像数据构建的脑功能网络具有很多重要的拓扑性质,如"小世界"属性、模块化的组织结构以及主要分布在联合皮层上的核心脑区(如楔前叶、额上回、额中回).另一方面,研究者发现许多神经精神疾病(如阿尔兹海默病和精神分裂症等)与脑结构和脑功能网络的异常的拓扑变化有关,这些研究不仅为理解神经精神疾病的病理机制提供了新视角,也可能为疾病的早期诊断和治疗评价提供脑网络影像学标记.本文以人脑结构和功能连接网络的研究为重点,介绍了人脑连接组和复杂网络理论的基本概念,并且回顾了近年来人脑结构和功能连接组的研究成果,并指出了该领域中存在的问题及未来的研究方向.     

一种新的配电网络重构最优流模式算法

提出了一种改进的最优流模式算法,用于解决以功率损耗为函数的网络重构问题。先从理论上推导出了在最优流模式下打开环网中的一个开关后系统功率损耗率变化的计算公式,然后以打开开关所引起的网络损增量小为启发式规则来打开关以形新的辐射网。     

基于AD8361无线传感器网络节点的测距电路设计

基于AD8361芯片,通过对信号强度检测实现节点间的测距。给出了节点定位算法。     

无线移动网络中基于学习的寻呼策略

在无线移动网络中,位置管理是一个非常重要的课题,降低其费用成为近年来的一个研究热点.位置管理用于跟踪移动台,其由两部分组成:位置更新和寻呼.由于现行寻呼策略对移动台所处位置区中的所有小区进行同时寻呼,所以该策略造成了极大的网络资源浪费.本文通过对已发生的寻呼信息进行利用和学习,提出了一种基于学习的两阶段寻呼策略.仿真实验结果表明,本文提出的寻呼策略能极大地降低寻呼费用,特别是当移动台的呼叫移动比较小时尤为有效.