基于比特负载的非线性虚拟光网络映射机制的研究

光网络虚拟化技术的发展促进了在不同用户和应用程序之间的光纤网络物理基础设施共享。然而,光纤传输链路的非线性损伤对于系统的频谱效率、网络利用率等性能有一定影响。本文首先介绍了一种集成式虚拟网络映射机制,描述了该机制的实现原理。接着,在考虑了光纤传输非线性损伤的情况下,设计了一种基于OFDM比特负载的虚拟光网络嵌入算法(BL-VONE),并将其与基于单一调制机制的虚拟光网络嵌入算法(UM-VONE)进行比较。仿真结果表明提出的算法相较于基于单一调制机制的算法,可以提高约9%的频谱利用率和约9%的传输效率。     

基于Logistic模型的居民废旧手机回收意愿的影响因素分析

基于对蚌埠市居民废旧手机回收意愿的问卷调查,运用SPSS统计软件,利用Logistic模型对该地区居民参与废旧手机回收意愿的影响因素进行分析.分析结果表明,对居民参与废旧手机回收有显著影响的因素主要包括文化程度,对环境污染的认知,对资源浪费的认知,是否泄露个人信息,废旧手机回收法律的了解程度等.根据回归结果为提高废旧手机回收率提出可行性建议.     

一种自适应步长的复合梯度加速优化算法

自适应步长加速(Adam)类算法由于其计算效率高、兼容性好的特点，成为近期相关领域的研究热点.针对Adam收敛速度慢的问题，本文基于当前梯度、预测梯度以及历史动量梯度，提出一种新型Adam类一阶优化算法——复合梯度下降法(C-Adam)，并对其收敛性进行了理论证明.与其他加速算法的区别之处在于，C-Adam将预测梯度与历史动量区别开，通过一次真实的梯度更新找到下一次迭代更精准的搜索方向.利用两组常用测试数据集及45钢静拉伸破坏实验的实验数据对所提算法进行验证，实验结果表明C-Adam与其他流行算法相比较具有更快的收敛速度及更小的训练损失.     

基于频率的Read Mapping种子选择算法

选择具有最低频率的最优种子是一个复杂的计算问题,往往需要很长时间.提出了一种read的基于频率的合并种子选择算法(FMSS),该算法能够高效地选择接近最优的种子集合,可用于改善现有映射工具的性能.实验对比了平均种子选择方法和当前最优的种子选择策略(OSS,optimal seed solver),结果显示FMSS算法能够用很少的时间代价给出接近OSS的最优种子集合,这表明FMSS算法可集成到现有映射工具中用于处理更大规模的read mapping问题.     

基于BP神经网络模型的寿险公司偿付能力影响因素及预警研究

针对寿险公司偿付能力影响因素以及预警管理研究,选取了不同规模的14家寿险公司流动比率、赔付率、投资收益率、总资产回报率、再保险率、保费收益率、保费变化率、寿险准备金增长率8个指标的相关数据,并利用变异系数法和相关系数法分别筛选影响较大的因素,再逐步回归得到基于主要影响因素的偿付能力回归方程,以此进行因素分析.在指标优化的基础上,利用BP神经网络模型建立寿险公司偿付能力的预警系统,同时与广义Logistic模型预测结果进行对比,得出BPNN具有更准确的判别预警效果,为寿险公司偿付能力预警以及投保人降低自身损失作出参考作用.     

三角代数上Lie积为平方零元的非线性双可导映射

设U是一个三角代数，Ω是U上平方零元的集合，φ：U×U→U是U上的一个映射(在每个变量上都没可加假设).若对任意的x，y，z∈U且[x，y]，[y，z]∈Ω分别有φ(xy，z)＝φ(x，z)y＋xφ(y，z)和φ(x，yz)＝φ(x，y)z＋yφ(x，z)，则φ是U上的一个双导子.     

关于相对拓扑压的一个注记

通过引入映射的基的概念,运用分离集在非紧系统中定义并研究了相对拓扑压,给出了相对拓扑压的若干基本性质,并且证明了相对拓扑压是一致拓扑共轭下的不变量。     

基于混沌映射公钥系统的多身份验证机制算法及应用

多身份验证是在两人或两人以上在验证中心的验证下开启一件装备(设备).在一些特殊的领域有一些应用,特别是在一些网络身份验证无法实施的地方有重要应用.比如:在军 事应用方面:远程重型装备投送后多身份验证开启,移动枪柜运输到位后多身份验证开启;民用方面:银行现金及贵重装备押运箱押运到位后多身份验证开启,大型租赁装备多身份验证使用限制等方面.该文提出了一种基于混沌映射公钥机制的多身份验证机制算法解决了以上多身份验证问题.目前在这方面,国内外相应的研究比较少.     

离散混沌测量矩阵构造及其性能研究

若测量矩阵满足约束等距性(restricted isometric property, RIP),则样本能够完美恢复出原始信号。而对于给定矩阵很难验证其是否满足RIP需求,因此,本文采用李雅普诺夫指数作为一种针对离散混沌测量矩阵的验证指标。首先分析了RIP与李雅普诺夫指数之间的联系,然后给出了一种分段式混沌映射构造方法用以提高混沌性能,并从理论和仿真上证明了该方法的有效性。实验结果表明,这种方法不仅提高了混沌序列的随机性和自相关性,而且所生成的测量矩阵也具有更好的性能。因此,引进李雅普诺夫指数是一种有效的验证离散混沌测量矩阵性能的方法,提高李雅普诺夫指数能够提高混沌测量矩阵的性能。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。