一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?     

一种基于自适应采样的网络丢包率测量方法

丢包率是基本的网络性能指标之一,现有测量方法在测量精度和探测量开销之间存在冲突.本文提出一种基于自适应采样的丢包率测量方法,利用时延-丢包相关及丢包-丢包相关的特性,根据测量过程中大时延测量样本和丢包事件对网络突发丢包的指示作用,自适应地动态调整探测周期,从而在不大幅提高探测量的前提下,提高了测量准确性.仿真实验结果表明,该方法在测量精度和探测量开销上有较好的折中.与ping相比,该方法测量误差降低较多,而探测量开销则增加不多;与较为准确的BADABING相比,测量误差相差不大,但探测量开销明显减少.     

基于碰撞树的自适应多叉树RFID防碰撞算法

提出了一种自适应多叉树防碰撞算法,该算法构建了无碰撞时隙的二叉查询树,通过计算碰撞因子估计标签数量,从而自适应的选择二叉树或四叉树。理论和仿真表明:该算法克服了现有算法数据传输量大的缺点,同时在二叉树分支内实现了无碰撞时隙以减少总时隙,对多标签情况下,通过自适应的选择四叉碰撞树来减少碰撞时隙。算法有效地减少了数据传输量,提高了时隙利用率和系统吞吐率,具有一定的创新性。     

DMF回收系统闭环控制的实现方案及算法分析

为了得到较高纯度的二甲基甲酰胺(DMF),针对DMF回收系统参数特性,提出一种压力、流量的单闭环控制系统和精馏塔串级温度控制方案。单闭环控制系统由上位机、PLC、压力传感器、流量计和电动阀组成。精馏塔温度串级控制系统中,主环是模糊自适应PID温度控制,副环是常规PI流量控制。现场测试及仿真结果表明,FM355C闭环控制和模糊自适应PID串级控制具有良好的稳定性、响应快和超调量小的特性。     

自适应逆推算法在感应电机控制中的应用

针对Krause和Thomas提出的带有两个定子绕组和两个转子绕组的二相等价电机模型,通过坐标变换得到沿着磁通向量转动的坐标方向上的电机动态模型.应用逆推技术设计了自适应控制器,通过选择Lyapunov函数来保证整个系统的稳定性,进而逐步导出控制率和参数自适应律.该方法克服了参数的不确定性以及负载扰动对系统的影响,确保了转子磁链和转速的跟踪性能以及系统的稳定性能.系统的转子磁链与转速能渐近跟踪给定的参考信号,仿真结果验证了该控制策略的有效性.     

紧格式无模型自适应控制在直线电机中的仿真

将基于紧格式线性化的非线性系统无模型自适应控制方法应用于直线电机的运动控制中.用紧格式动态线性时变模型替代直线电机非线性系统模型,根据直线电机运动模型的输入输出数据在线估计系统的伪偏导数.仿真实验表明,紧格式无模型自适应控制方法对电机这种具有不确定动态的非线性系统有较强的自适应性、抗干扰性、稳定性和鲁棒性.     

基于非视距鉴别的室内移动节点跟踪算法

NLOS环境是影响室内移动节点跟踪的关键因素之一.为了降低NLOS环境对室内移动节点跟踪的影响,提出一种自适应跟踪滤波算法.该算法首先基于典型室内环境非视距偏置误差的时间变化特性分析,建立修正偏置扩展卡尔曼滤波来估计距离量测中的非视距误差;然后根据估计结果对LOS/NLOS环境进行鉴别;最后联合NLOS鉴别算法和修正偏置扩展卡尔曼滤波建立自适应跟踪滤波算法.数值仿真结果表明,该算法在室内环境具有较好的跟踪精度和较强的自适应性.     

近景摄影测量标志中心的自动提取算法

提出了一种针对不定形状近景摄影测量标志中心的自动提取算法.结合近景摄影测量的工程实践,在控制信息预测的基础上实现自适应Canny算子提取标志边缘,利用边缘提取结果自动聚类的方法重建标志边缘.以北京故宫午门和武汉大学校园升旗台建筑测量工程为例说明该方法能够大大减少标志量测的工作量.     

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.     

不同维的混沌系统的自适应函数投影同步

本文对维数不同并且参数未知的两个不同的混沌系统,通过增补维数的方法研究了两个系统的自适应函数混沌同步和参数识别问题.基于Lyapunov稳定性理论和自适应同步法,为系统设计了合适的自适应同步控制器和未知参数的辨识规则,实现了系统的混沌同步和未知参数的辨识.数值仿真验证了所设计的控制器和参数辨识规则的有效性.