采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.     

一种基于区分服务的IEEE 802.11 QoS信道访问控制机制

研究表明,无线移动自组织网络具有带宽有限,信道质量不稳定,节点移动造成网络拓扑结构变化等诸多特性,这些特性严重损害了网络性能,以致在传统无线移动网络中支持具有严格QoS要求的多媒体应用面临严峻的挑战.本文提出了一种基于区分服务的信道接入控制机制,以更好地支持实时通信流.该机制对传统的IEEE 802.11DCF机制进行...     

论思维的复杂系统模型暨新一代专家系统的设想

在复杂系统研究思想指导下,构建了基于神经元网络结构的复杂系统思维模型,提出以网络节点表示概念,以网络连接表示命题,以网络回路实现知识表达,以网络节点间的时空动力学激发实现演绎推理等思维活动的理论新框架,并以此为基础对新一代专家系统进行了设计。     

基于复杂网络的城市路网可靠性分析

为分析城市路网中线路的重要程度,采用对偶拓扑方法,将路段抽象为节点,将交叉口抽象为网络边,对实际路网进行拓扑结构转换。应用复杂网络节点度、边介数等特征指标及网络可靠性指标评价城市路网结构特征。最后,分别在蓄意攻击和随机故障条件下,对济南市区路网的连通可靠性进行了实证研究。     

入侵检测的CPN改进算法的研究

结合神经网络方法,对入侵检测技术的聚类分析方法进行了研究和分析,探讨了在传统的对偶传播神经网络（Counter Propagation Networks,CPN）的基础上,引入基因表达式编程（Gene Expression Programming,GEP）对聚类进行优化,提出一种应用于入侵检测的CPN改进算法,该方法融...     

基于BAN逻辑的SADSR协议安全性分析

移动Ad hoc网络路由协议为加强其安全性,采用了密码技术,使其成为安全协议的一种.这使得采用形式化的方法分析其安全性成为可能.本文根据移动Ad Hoc网络路由协议的特点,采用BAN逻辑对协议的安全性进行描述,指出了协议应满足的条件.并对协议的运行过程进行了形式化,给出具体的分析方法.采用该方法对安全路由协议SADSR进行了安全验证,说明方法的有效性.     

多速率ad hoc网络的信道忙感知路由协议

为了适应时变的信道条件并获得更好的信道利用率,IEEE 802.11支持多种数据传输速率,但是传统的无线ad hoc网络路由协议不能充分利用多速率,严重制约了网络吞吐量.文章在分析无线媒介接入竞争和冲突退避情况的基础上,提出了一个信道忙感知路由协议(简称CBAR协议);通过跨层设计,利用信道忙率衡量信道的繁忙程度,结合...     

混合蛙跳算法神经网络及其在语音情感识别中的应用

该文将混合蛙跳算法(SELA)优化方法应用于人工神经网络训练中,对6种语音情感进行了语音情感特征的分析与识别。研究了谐波噪声比特征随情感类别的变化特性。利用混合蛙跳算法训练随机产生的初始数据优化神经网络的连接权值,快速实现了网络收敛。实验比较了BP神经网络、RBF神经网络和SFLA神经网络的语音情感识别性能。结果表明,SFLA神经网络的平均识别率分别高于BP神经网络和RBF神经网络4.7%和4.3%。     

A KNN-based two-step fuzzy clustering weighted algorithm for WLAN indoor positioning

Although k-nearest neighbors (KNN) is a popular fingerprint match algorithm for its simplicity and accuracy,because it is sensitive to the circumstances,a fuzzy c-means (FCM) clustering algorithm is applied to improve it.Thus,a KNN-based two-step FCM weighted (KTFW) algorithm for indoor positioning in wireless local area networks (WLAN) is presented in this paper.In KTFW algorithm,k reference points (RPs) chosen by KNN are clustered through FCM based on received signal strength (RSS) and location coordinates.The right clusters are chosen according to rules,so three sets of RPs are formed including the set of k RPs chosen by KNN and are given different weights.RPs supposed to have better contribution to positioning accuracy are given larger weights to improve the positioning accuracy.Simulation results indicate that KTFW generally outperforms KNN and its complexity is greatly reduced through providing initial clustering centers for FCM.     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.