最小生成树在动态贪婪多播路由算法中的应用

由于在所有节点都是多播节点时,最小生成树是最佳的,因此期望通过最小生成树动态贪婪多播路由算法产生的多播树的性能在合理的范围之内．对贪婪算法、加权贪婪算法和本文提出的最小生成树动态贪婪算法进行了详细的仿真,仿真结果表明,本文提出的算法在多播节点密度较大时显示了优越性,且它的平均无效度在其他情况下也在可接受的范围之内．同时它还具有复杂度低的特点．     

基于团队学习的计算机专业学生创新实践能力培养

针对高校计算机专业传统教学模式在培养学生创新能力方面的不足，提出以项目为主导的“团队学习”教学模式.详细叙述“团队学习”教学模式的实施过程，并对实施过程中遇到的问题提出对策.“团队学习”模式的实践，较好地解决了计算机专业学生分析和解决问题能力不够、创新精神和创新能力不足、团队协作意识不强等问题.     

基于深度学习SSD模型的人数统计技术

基于深度学习SSD模型，将检测目标的类别由20类修改为只检测人的单类，并对比了同一检测任务下2个模型的检测效果.实验结果表明，在对人的检测任务中，单类目标的SSD模型的检测效果优于20类目标的SSD模型.     

关联规则挖掘中Apriori算法的改进

介绍了一种关联规则挖掘中Apriori算法的改进算法.这种方法允许数据近似匹配模式,从而提高模式的整体支持度.这种方法对含有空缺数据的关联规则挖掘同样有用,使得空缺数据也能增加模式的支持度.最后,用样例数据库来说明了改进算法的效用.     

基于密度的聚类算法DBSCAN的研究与实现

DBSCAN算法是一种基于密度的算法,可以发现任意形状的聚类,不受噪声影响。本文首先对基于密度的聚类算法DB-SCAN进行了描述和分析,最后给出了算法的具体实现框架。     

基于改进kmeans聚类方法的RBF神经网络设计

提出了一种利用改进的kmeans聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的RBF网络设计方法．通过对函数逼近的仿真实验,表明该RBF网络比Kmeans聚类算法设计的RBF网络更加稳定高效．     

脉冲时滞细胞神经网络的周期解

细胞神经网络具有高速并行计算且易于硬件实现等特点,已被广泛应用于图像处理、模式识别等领域．本文讨论了一类脉冲时滞细胞神经网络的周期解的存在性,并给出了算例并进行了仿真,仿真结果支持所得结论．     

面向内网用户的网络内容监控系统设计

针对内网用户在局域网中的安全威胁,设计了一种针对网络内容的监控系统,随后详细描述了系统的总体设计和系统关键部分（监管代理、嗅探器、数据中心和控制台）的设计.     

一种基于密度的聚类算法实现

基于密度的聚类算法OPTICS是一种大规模数据库的聚类算法,它是基于核心对象和可达距离来实现的.对于每一个核心对象将其邻域内的所有对象按到该核心对象的可达距离进行排序,每次都选择1个到该核心对象具有最小的可达距离的对象进行信息更新.算法实现采用优先队列保存候选对象以加快处理速度,最后用UCI数据集对算法进行聚类效果测试,结果表明OPTICS算法对数据集产生一个基于密度的簇排序结构.     

基于RBF神经网络的时间序列预测

分析了RBF神经网络的结构和学习算法,利用RBF神经网络和Matlab神经网络工具箱建立人口数量预测模型,并应用该模型对中国人口数量进行了预测.