粗糙集理论在无线电测控系统效能评判中的应用

粗糙集理论是在集合论基础上发展起来的一项强大的数学分析工具,是一种崭新的智能信息的处理手段,它可以有效地分析和处理不精确、不一致、不完整信息,目前主要应用于模式识别、专家系统、人工神经元网络、决策分析以及知识发现.而无线电测控系统本身的复杂性及规模的庞大性,使其在用一般方法进行效能评估时具有一定困难,故将粗集理论引入了此系统的效能评估中.     

复杂背景下一种有效的Mean Shift目标跟踪算法

提出了一种改进的Mean shift目标跟踪算法,该方法能够有效的排除非目标点对跟踪结果的影响,并且得到新的权值,增强了该像素属于目标的可能性,削弱了背景信息对目标模型的影响,提高了在复杂背景下对运动目标跟踪的鲁棒性.实验表明该方法能够有效实现复杂场景下的目标跟踪.     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型。     

基于集群的Web服务器负载均衡算法研究

集群技术为Web服务带来了新的解决方案.针对传统负载均衡算法的一些不足,提出了一种临界区加速递减权值的动态请求负载均衡算法,通过负载权值的等效变换来简化算法,最大限度满足系统最大吞吐率,减少系统响应时间.测试表明,算法达到了较好的负载均衡效果,明显优于传统算法.     

多项工可解的单机加权E／T调度问题

研究了目标函数为完成时间与交货期差平方的加权和单机调度问题,在工作的权值与加工时间成比例时,给出了问题的最优解。然后,在假设描述机器随机故障次数的计数过程为广义泊松过程时,将上述结果推广到机器有随机故障的情形．     

神经网络权值和阈值的优化方法

为确定多层神经网络权值和阈值建立了真实的最优化求解方法,即将网络总体平均误差建立为目标函数,以权值和阈值作为设计变量,采用梯度法和共轭梯度法对网络权值和阈值进行优化计算·通过 Ｂ Ｐ 算法、梯度法和共轭梯度法对相同实例网络权值和阈值计算,验证了所提出的优化方法的有效性,实现了权值和阈值的快速准确计算·     

神经网络权值和阈值的优化方法

为确定多层神经网络权值和阈值建立了真实的最优化求解方法,即将网络总体平均误差建立为目标函数,以权值和阈值作为设计变量,采用梯度法和共轭梯度法对网络权值和阈值进行优化计算·通过ＢＰ算法、梯度法和共轭梯度法对相同实例网络权值和阈值计算,验证了所提出的优化方法的有效性,实现了权值和阈值的快速准确计算·     

分布式系统中动态负载平衡的研究

动态负载平衡是大规模并行计算中一个重要的研究领域。研究了在网络分布式系统中基本的负载平衡策略,陈述了各种负载平衡策略的特点,并在此基础上提出了一种加权轮询的、动态反馈的负载平衡机制,并给出了其调度算法。     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型.     

基于混合混沌优化法的Hopfield网学习算法

提出了一个基于混合混沌优化法的Hopfield网学习算法。通过对Hopfield网权值不等式的处理,训练Hopfield网。利用混合混沌法的优点,即混沌的遍历性和禁忌搜索的“记忆性”和期望准则,有效地避免了局部最小解,克服了原Hopfield网学习的局限性,还能找到多个优化解。实验证明了该算法的有效性。