用VRML实现校园虚拟游览

VRML是WWW上的虚拟现实建模语言。文章介绍了采用VRML设计实现校园虚拟游览模型的技术和方法,游览者可以通过Internet使用浏览器进行交互式的校园虚拟游览。     

复杂FMS系统的启发式调度策略

用Petri网对柔性制造系统进行建模的基础上,提出了一种针对较大规模柔性制造系统的启发式调度优化算法.采用了改进的子节点处理方法、与派遣规则相结合的启发函数以及移动窗口等策略,弥补了算法在节点质量评价和节点搜索方面的不足,有效减小算法在可述图中寻路时对节点的搜索范围,加快了算法的收敛速度.仿真结果表明:相对于其他调度算法,该文算法可以快速、高效的编制系统调度计划.     

一种战场态势图形指挥系统的多通道整合模型

人机交互技术是实现战场指挥控制系统的核心技术,多通道交互则是实现自然、高效的人机交互的关键技术。在建立多通道战场指挥系统模型的过程中,本文针对多通道整合问题,分析了多通道交互任务的特点,提出了一种基于元动作的多通道整合模型,将多通道任务根据一些关键动作和冗余属性信息分解为一组元动作,整合成功与否以相应元动作特征结构的完整提交为判据,解决了多属性用户动作的任务槽选择问题。使用了事件分类表和元动作槽表,将交互任务知识与多通道整合分开,并在整合过程中采用了多种融合方式相结合的方法,使整合过程能及早生成反馈,又不会产生不必要的回溯。最后给出了基于该模型的交互技术设计规则以及模型示例。     

使用MPLS解决网络最大流问题的方法

为解决大多数的流量工程问题和网络传输中的最大流问题，该文提出了基于多协议标签交换（MPLS）解决方案，阐述了解决最大流问题的数学方法，提出一种独特的将数据流划分成“微分支”的思想和方法，并介绍微分支的建立过程；给出仿真结果。     

一个时延约束的动态组播路由算法

分析了时延约束的动态最小代价组播路由问题，然后基于贪婪思想设计了一个动态组播树生成算法DCDG（Delay—Constrained Dynamic Greedy Algorithm），用于在动态环境下构造时延约束的低代价组播树。该算法通过节点动态贪婪地选择满足时延约束的最短路径加入组播树来降低代价；若时延不满足要求，则通过合并DDSP（Destination-Driven Shortest Path Algorithm）最小时延路径来产生一个满足时延约束的低代价组播树。仿真实验表明：DCDG算法动态生成的组播树代价较低、性能稳定，而计算复杂度仅为O（n）；在严格的时延约束下会话成功率高。     

IPV4向IPV6迁移技术研究

该文简述了从IPV4向IPV6迁移的目标和简化迁移的机制，介绍了双栈和隧道技术及其工作原理，根据实验，分析了处于IPV4中的弧立IPV4／IPV6主机与其它IPV6主机通信的信息包传送方式和所需信息。     

基于Petri网的Web服务组合模型描述和验证

Web服务及其组合的形式化描述和验证是Web服务中一个重要的研究方向.分析了基于Petri网建模的优势,给出基于Petri网的Web服务的形式化定义和描述,对Web服务组合进行建模及元素映射,给出Petri网模型生成算法并对组合服务模型的可达性、安全性、有界性与活性等特性进行验证分析.最后是对一个具体的业务流程的建模和验证分析.由分析可知,该建模方法具有一定的表达和验证Web服务组合模型的能力.     

保证QoS的多流复用VoMPLS方案

针对已有的VoIP方案包利用率不高，不保证QoS的问题，提出一个高效、可靠的VoMPLS方案。该方案在IP子网对RTP/UDP／IP包结构进行多流复用，在MPLS骨干网对RTP/MPLS包结构进行多流复用，提高包利用率。在子网使用DiffSen，模型，在骨干网使用可变比特率服务保证QoS。分析了DiffServ模型和可变比特率服务之间的映射关系。计算了复用后的包利用率，描述了整个方案的工作过程。分析表明，基于DiffServ、可变比特率服务和多流复用的VoMPLS方案能有效地提高包利用率，保证OoS。     

基于高斯函数与分级学习的D-FNN算法研究

D-FNN基本思想是构造一个基于扩展的RBF神经网络,它可以看成是一个TSK模糊系统,也可以看做是基于归一化的高斯RBF神经网络。该文提出的算法,学习前,模糊神经网络不需要预先确定,在学习的过程中,参数估计与结构辨识同时进行,并根据系统精度要求及模糊规则的重要性,自动地产生或者删除一条模糊规则。在学习速度、系统结构和泛化能力方面进行了仿真实验,仿真结果表明D-FNN具有更简洁的结构和优良的性能。     

基于RBF神经网络PCA变换的识别技术

应用RBF神经网络作为分类器用于人脸识别。提出了两个重要的准则来估计RBF单元的初始宽度,这个宽度可以控制RBF神经网络分类器的泛化能力。PCA方法把训练样本集投影到特征脸空间,以减少维数。在PCA变换的基础上,作者进一步运用FLD方法,为分类找到一个最佳的子空间,使类间距离和类内距离之比最大化。在ORL数据库上进行了仿真,仿真结果表明,该算法具有高效性和有效性。