基于ANN模型和HPSO算法的数控机床可靠性分布模型研究

针对数控机床可靠性研究过程中,由于可靠性数据较难收集导致可靠性分布模型不唯一的问题,采用ANN模型对收集到的少量可靠性数据进行扩充,扩充后的数据采用K-S检验法进行分析以确定可靠性数据模型,同时在求解确定可靠性分布模型参数过程中,将混合粒子群优化(hybrid particle swarm optimization,HPSO)算法引入极大似然估计中,解决其在小样本数据下求解某些复杂分布模型时易陷于局部最优解和求解效率低的问题.实例分析结果表明:采用混合粒子群算法求解可以在求解效率和收敛性性能上达到较好的平衡,比较所有的求解模型结果,经过ANN模型扩充后的2重3参数威布尔分布的相对均方差最小,其值为0.0425,说明利用该方法求解数控机床的可靠性分布模型是可行的,而且能够获得较精确的结果.     

机器学习在车载激光点云分类中的应用研究

点云信息分类提取与利用是车载移动测量系统的关键技术,提高车载激光点云分类的智能化已成为当代信息科学技术发展所面临的重要问题.从分析点云的特征入手,采用机器学习方法对车载激光点云的行道树提取进行了大量实验研究.首先,在点云原始特征的基础上,根据其局部几何特征及空间分布,构造了由三维空间位置、回波强度、颜色值、法向量、单位投影密度、残差及回波强度维度内的残差等17个特征值组成的点云高维特征向量,然后采用支持向量机和人工神经网络两种机器学习方法分别对行道树点云进行提取实验.实验中采用了粒子群优化算法对支持向量机进行参数寻优,采用所构造的由17个特征值构成的特征向量对点云进行机器学习,两种学习方法的行道树点云分类精度分别可以达到99.75%和99.25%.实验结果表明,采用机器学习的方法对于提高车载激光点云分类自动化程度和智能化水平具有重要意义和作用.     

面向高性能计算平台的脑科学仿真技术研究

近年来,脑科学研究成为了热点研究领域,欧盟"人脑计划"、美国"尖端创新神经技术脑研究计划"、日本脑计划的相继提出标志着脑科学研究进入了研究高峰期.高性能计算机经过数十年的发展,计算性能的提升日新月异,应用的范围越来越广.本文结合当下脑科学研究热点生物神经网络以及高性能计算平台TH-1A(天河一号)的计算优势,在TH-1A上部署了神经网络模拟软件NEST,对用NEST构建的神经网络进行了内存占用和可扩展性分析,测试了单计算节点最大仿真规模,发现了NEST软件自身的一些瓶颈,并提出了改进的想法,进而实现了对大规模生物神经网络面向高性能计算平台的仿真研究工作.     

基于优化阈值法的股票网络构建与重要节点判别

研究了中国股票市场牛市、熊市、平稳震荡3个典型时期的主要性质与特征.首先收集了这3个时期的金融市场数据,用优化阈值法构建网络.之后对构建的网络进行社团划分,并在此基础上挑选出了对于社团重要的点;同时利用节点中心性经典指标:度中心性、介数中心性和紧密中心性挑选出了网络中重要的节点.     

一种新的多重权值复杂网络模型的建立与同步控制

考虑复杂网络边上多个权值的情况,建立了一种新的具有多重权值的复杂网络模型.同时根据网络拆分的思想,将含有多重权值的复杂网络拆分为若干个单权值的子网络.根据Lyapunov稳定性理论,研究了多重权复杂网络的全局同步.通过Matlab数值仿真,验证了该结论的有效性.     

云计算中虚拟网络服务的性能测量及运营实践

在云计算中,虚拟网络服务是核心的服务之一,用户可以在云环境中创建属于自己的虚拟网络部件,而不用考虑底层的物理网络环境.OpenStack作为目前最流行的开源云计算平台,可以通过不同的方法和技术来实现虚拟网络服务.本文针对当前的OpenStack版本,对其虚拟网络服务不同的实现方法和技术进行了详细的分析与性能测量,并介绍了上海交通大学云计算平台的运营实践现状,为高校建设云计算虚拟网络服务提供了参考.     

通过信息技术提高高校网络舆情引导能力

将传统舆情管理工作模式与现代信息技术紧密结合,应用信息化技术加强高校网络舆情引导,为开辟高校网络舆情管理工作新领域,维护校园和谐稳定奠定基础.     

社会网络分析法在城镇工程基础设施健康评价中的应用

针对工程性基础设施网络拓扑结构不合理导致的全局性破坏问题,将社会网络分析(SNA)方法的密度、凝聚子群、K-核、Lambda集合、切点和中心度等计算概念引入基础设施网络拓扑结构评价,提出了由网络完备度、层级边关联度、局部稳定成份比例、节点脆弱性、荷载运行均衡度等指标构成的评价体系。通过对重庆长寿城区的电力基础设施实例研究发现,社会网络分析方法能够对设施网络拓扑结构与电网运行过程中的稳定性进行客观评价,能够找出电网过载点、对设施网络拓扑结构的紧凑程度和完整程度进行评价以及对网络整体的性能做出评价。     

基于加权复杂网络的公路网等级结构划分

为划分公路网等级,引入复杂网络理论,采用对偶拓扑方法,将公路路线按照路名抽象为节点,考虑路段流量和贯穿度计算节点权重,并基于重力模型得到加权邻接矩阵,通过Matlab编程计算节点重要度指标、紧密度指标、介数指标,采用变异系数法计算节点综合指标权重,以规划年路网总里程为控制量筛选得到满足里程要求的节点;最后对所筛选出的节点采取模糊聚类,进行公路网等级划分.研究结果表明:应用复杂网络理论进行公路网等级划分,不仅能够得出各等级公路里程,并且能够得出各等级公路的空间分布情况,为未来公路网等级的提升提供参考.     

基于图的邻接分割的虚拟网络映射算法

针对大规模虚拟网络映射算法映射效率低、在映射节点和链路时易引起网络分割等问题,提出了一种图的邻接分割方法,将虚拟网络分割为多个邻接的星型结构,以简化虚拟网络映射规模;建立了一种节点和链路的资源匹配模型,使节点映射能适应链路资源分布状态、链路映射能匹配节点可用资源大小,从而协调完成节点和链路映射操作,解决节点、链路的映射协调性差以及网络资源分配不匹配等问题.仿真实验结果表明,所提出的算法降低了虚拟链路的映射路径长度,提高了虚拟网络映射效率和负载均衡性能,获得了较高的虚拟网络请求接受率.