基于AHM的认知诊断分类研究

深入研究AHM和人工神经网络的基础上提出了一种新的认知诊断分类方法--Hamming网分类方法.将Hamming网应用到AHM模式分类中,对0-1评分的测验进行实验,并与AHM中的传统分类方法A,B进行比较.实验结果表明,利用Hamming网分类方法分类效果明显占优.     

延长Hamming码的广义Hamming重量

本通过延长Hamming码是第一阶RM码的对偶码，研究了延长Hamming码的第r广义Hamming重量，并给出第r广义Hamming重量的表达时，同时讨论了第r个广义Hamming重量的重量谱系以及广义Hamming重量分布函数多项式。     

Hamming码与扩展Hamming码的性能分析

建立了一个信道仿真模型，通过在不同信道噪声情况下的仿真，对Hamming码及扩展Hamming码的纠错性能进行了分析比较，发现扩展Hamming码的综合性能只在一定的噪声信道范围内比Hamming码强，最后通过量化分析给出了适合使用扩展Hamming码的最佳纠错范围。     

Hamming距离下树型网络的最短路改进问题

研究Hamming距离下树型网络的最短路改进问题,通过把该问题转化为0-1整数线性规划问题并通过求解有限个小规模0-1整数线性规划问题并求解.该研究方法在一定程度上推广了已有的结果.该问题的研究有助于设计求解一般的Hamming距离下的最短路改进问题的有效近似算法.     

Hamming码与扩展Hamming码的性能分析

建立了一个信道仿真模型,通过在不同信道噪声情况下的仿真,对Hamming码及扩展Hamming码的纠错性能进行了分析比较,发现扩展Hamming码的综合性能只在一定的噪声信道范围内比Hamming码强,最后通过量化分析给出了适合使用扩展Hamming码的最佳纠错范围.     

Hamming码和延长Hamming码的周期分布

Hamming码是一类特殊的线性码．该文对Hamming码和延长Hamming码的周期分布作进一步的分析，首次利用延长Hamming码是第1阶R—M码的对偶码，给出了延长Hamming码的周期分布的表达式．     

Glauber动力学下二维随机网络上的损伤扩散

研究了Glauber动力学下肥皂泡和Voronoi模型上伊辛模型的损伤扩散性质.不考虑面积影响时,肥皂泡和Voronoi结构中平均Hamming距离ax<0.5.这是由于所用算法造成的,而Glauber动力学下max=0.5的结论仍具有一般性.考虑面积影响后,由于网络中孤立自旋增多.使得max进一步下降.     

直和码的广义Hamming重量

当A是特殊的(n,l,n)等重码和(n,n,l)等重等距码时,通过对两个旧码A和B构造一个新码A+B 即直和码的分析,给出了A+B广义Hamming重量与A、B的广义Hamming重量的关系;在A、B是一般情 形下,对直和码的广义Hamming重量进行了研究.同时给出直和码满足链条件的一个充分条件。     

直和码的广义Hamming重量

当A是特殊的（n,1,n)等重等距码时，通过对两个旧码A和B构造一个A＋B即直和码的分析，给出了A＋B广义Hamming重量与A，B的广义Hamming重量的关系，在A、B是一般情形下，对直和码的广义Hamming重量进行了研究，同时给出直和码满足链条件的一个充分条件。     

q-元码的平均Hamming距离和方差

通过对q元n长码的平均Hamming距离和方差的研究,通过定义函数d(xi,yi),给出了q元n长码的平均Hamming距离和方差的下界。同时当码字数为2k-1(kN)时,其平均Hamming距离和方差能达到下界。     

基于汉明距离的传感器网络分层拓扑发现算法

针对传感器网络能源有限的特性,提出了一种基于汉明距离的分层拓扑发现(LTIHD)算法.根据在汇聚节点收集到网络内部节点报文接收或丢失的情况,利用汉明距离识别相邻两层节点之间的父子关系,逐层推测网络的拓扑,不增加网络负担.仿真试验表明:推测18节点传感器网络需要60轮数据采集和1.56 s的推测时间;推测120节点传感器需要140轮数据采集和4.12 s的推测时间.该算法可以准确快速地推测传感器网络的拓扑,适合大规模传感网络的拓扑推测.     

关于q元[n，2]线性码的广义汉明重量谱

广义汉明重量是线性码的最小距离的自然推广。它在McEliece公开密钥体制中有应用．文献[1]给出了二元[n,2]线性码的广义汉明重量谱的计数方法,但该计数公式只适于d2≥2d1时的特殊情形．本文深人分析了q元线性码的生成特征,不仅得到了q元[n,2]线性码的广义汉明重量谱的完备计数公式,而且得到了q=2时的计数公式．因此,本文进一步补充和推广了文献[1]中的结论,该结论对线性码的广义汉明重量的理论研究和实际计算是有重要意义．     

海明码在微机信息传输中的纠错原理与应用

介绍了海明在微机应用系统中的产生，解码，纠错原理。并以两单片之间的串和通讯为例，提供了具体的硬，软件构成方法。     

用神经网络方法识别地图中的孤立地标

本文讨论了神经元网络方法识别地图中孤立地标，对汉明网的结构，性能和方法进行了分析，提出了改变形式，并对改进的汉明网进行了实验验证，最后用它识别１：５００００地图中孤立地标，取得了满意的结果。     

改进的Hamming预测——校正法

利用线性多步法中的预测——校正法研究一阶常微分方程初值问题的数值解,将Hamming方法由原来的五阶局部截断误差改进到了六阶局部截断误差,并检测了新方法的相容性和稳定性。     

关于两类汉明码周期分布的几点注记

汉明码、延长汉明码是非常重要的线性码 ,本文分析了汉明码和延长汉明码的周期分布 ,利用延长汉明码是第 1阶R -M码的对偶码 ,给出了延长汉明码的周期分布的表达式。