一种基于集合运算的MPR集选择算法

在传统的OLSR协议中有MPR集和非MPR集2种转发节点.MPR集是在广播洪泛的过程中挑选的转发广播的节点,但在某些情况下传统的MPR集并不是最优的,这样网络节点也会转发不必要的数据,造成资源浪费.针对经典算法的不足之处,提出一种逆向思维的新型算法,通过循环和集合运算相结合的方法有效剔除无效冗余的节点,不仅能达到传统OLSR协议的效果,而且比传统OSLR协议的数据开销更小、效率更高.最后,通过仿真平台(OPNET)实现重新定义OLSR的MPR集算法.结果表明,该算法对于网络吞吐量、数据包传输时延有一定的提升.     

一种基于节点二维均衡策略的MPR选择算法研究

OLSR路由协议中,MPR节点的选择以连接度为参考标准．实际上,随着节点的增加和移动速度的加快,由于某些MPR节点的空闲度降低而造成节点拥塞加剧,降低了网络的性能．以节点空闲度和连接度均衡考虑对MPR选择算法做出改进研究．实验结果表明,改进后的OLSR路由协议在数据传输成功率与时延等方面都有显著提高．     

基于最优子集的MPR选择算法研究

通过对Ad Hoc网络中最优链路状态路由(Optimized Link State Routing,OLSR)协议的研究,从数学集合的角度来分析MPR(Multi Point Relay,MPR)集选择问题,通过将一跳邻居节点及其所连接的一条邻居节点抽象化为包含子集的集合,计算剩余集合的独立子集生成MPR中继节点,从而找到节点数量最少的MPR集.仿真实验结果表明,该算法降低了网络传输的延时,提高了网络传输的速度.     

一种基于负载侦听的多径路由算法研究

在移动Ad Hoc网络中,随着节点移动速度加快和发包强度的增加,造成网络中数据丢包严重,数据传输时延加剧.将整个网络中各节点MAC层的总平均估计时延和节点队列缓存的占用情况结合起来,启用多径路由进行数据传输.仿真实验表明,改进后的方案在节点移动速度比较快时,能够显著提高数据传输成功率,增加网络承受负载能力,提高OLSR的路由传输能力.     

MPR技术在图书馆应用的探讨

MPR技术是我国自主创新的一项新技术,它兼容了纸质出版物、音像出版物、电子出版物的特点于一身,经过数年的发展,MPR技术在出版界的应用已经初具规模.从图书馆资源建设、采集、编目、保存、服务等方面,对MPR技术在图书馆的应用进行了分析.     

应用于MANET的OLSR路由协议在NS2上的仿真

本文在研究了OLSR协议及MPR技术之后,利用NS2仿真工具在节点高速运动的环境下,对该协议进行了仿真,并根据评价MANET网络性能的指标,对仿真结果进行了分析。该结果分析显示:当节点处于低速运动状态时,OLSR是一种能够有效对MANET路由进行管理的协议;但当节点处于高速运动状态时,若想要获得同样有效的管理,还需要对OLSR的算法进行优化和改进。     

一种基于MAC层丢包率的自适应算法

在移动Ad Hoe网络中,随着网络节点移动速度加快,MAC层拥塞程度加剧,势必严重影响网络数据传输成功率和加大传输延时．通过对HELLO消息、TC消息的修改来获取并传输MAC层的拥塞信息,同时通过仿真实验设定阀值,对OLSR路由协议做自适应发包强度改进．仿真实验表明,改进后的方案在节点丢包比较严重时,能够显著提高数据传输成功率,增加网络承受负载能力,提高OLSR的路由传输能力。     

一种基于粗集的证据理论组合算法

Dempster合成规则为证据理论提供了一个有用的合成公式,但该公式在合成高度冲突的证据时,合成结果将有悖于常理．将粗集理论中属性重要度的思想引入到证据理论中,以此衡量证据的重要性,改善冲突证据的合成效果．该方法可把专家的主观判断和过去可用的知识与数据综合考虑,使群体决策得到更符合实际的结论．     

一种基于Rough集的启发式人工选择算法

在传统二进制编码遗传算法(GA)的基础上,提出一种基于Rough集的启发式人工选择算子和人工选择算法。利用粗糙集对遗传算法的历史数据进行分析,发现重要基因位,获得重要模式信息,并以此为启发式信息,选择优秀模式进行人工育种,从而对复杂优化问题进行有效求解。采用该算法对典型测试函数进行了验证,算例结果表明,人工选择算法加速了常规遗传算法进化速度,提高了收敛效率。     

一种用户主导的跨组织数据按需集成方法

为了在互联网上实现跨组织数据共享,以及及时响应多变的临机业务的需求,在数据服务模型的基础上,提供了一种以用户为主导的数据服务组合方法。该方法可帮助用户按需集成跨域数据,以基于概率的模式匹配方法作为算子实现的基础,将该方法用于一个交互式的组合环境中,通过向用户不断推荐合适操作来完成组合过程。利用对用户反馈的学习来优化推荐内容和组合过程,通过案例、原型系统和相关工作的比较分析,验证了该方法具有较好的实用性。     

基于遗传算法的混合属性聚类初始点选择研究

k-prototypes是处理包含数值属性和分类属性混合数据主要的聚类算法,但由于对初始点的随机选择极易使聚类结果陷入局部最优,导致聚类结果的偏差.为改善聚类结果对初始点的依赖,采用遗传算法对初始点进行全局最优搜索.改进后的方法有更高的稳定性和对大数据集更快的收敛速度.数据集仿真结果表明改进算法正确、有效.     

新的粒子群优化算法

粒子群优化(PSO:Partic le Swarm Optim ization)算法是一种有效的全局优化技术。对于PSO算法,很容易陷入局部极值。针对上述缺点,提出了两点改进:对基本PSO算法的速度更新公式中的全局极值给出新的定义,以使粒子群体保持多样性;适当地缩放适应值,与随机规则共同决定某个粒子作为速度公式中的全局极值。改进的两点用于PSO算法后期,形成新的PSO算法(NPSO:New PSO)。NPSO能有效地改善算法,具有摆脱局部极值的能力。在给定的条件下,选用3个函数进行了测试。实验结果显示,在获得平均适应值方面,该算法比PSO算法提高1.62%~16.5%,明显优于基本的PSO算法。     

ZS加密方案的选密安全性证明

Zheng 和 Seberry 在1993年提出了一个加密方案, 并声称它是选密安全的,但并没有给出具体的证明。本文在CDH假设下证明了它在随机预言模型下是适应性选密安全的。     

一种新型的虹膜定位算法

针对虹膜图像自身的特点，利用信息论中最大熵的方法进行阈值选取，提出了先将其分成三个灰度等级以最大限度的消除干扰信息，然后进行快速定位的新方法。实验结果表明，该方法具有很好的定位效果。     

一类新遗传算法

针对标准遗传算法(SGA)收敛速度慢和早熟的缺陷,从生物学和人类社会学得到启示,在每一代完成遗传操作后引入一个学习过程;从模式的角度出发提出学习概率的确定原则并确定了其计算方法.实现了进化过程中同代个体之间相互竞争与学习的结合.采用惯用的测试函数进行比较研究,仿真结果表明此算法提高了SGA的全局收敛速度,克服了早熟的缺陷,且在群体规模较小的情况下仍然能够达到全局最优,具有较好的寻优能力和一定的现实意义.     

论政府形象塑造的动力和路径选择

公共管理理论和政府再造活动的兴起,我国政治文明成果的巩固,以及社会自治能力的提升,为政府形象再塑提供了新动力,在分析政府面临各种条件的基础上,积极探索政府形象再塑的新思维和路径。     

采用最小均方误差筛选参数的Hough变换及应用

为了在含有大量噪声的图像中精确地检测形状,提出了采用最小均方误差筛选参数的Hough变换方法:首先采用Hough变换投票得到参数空间上的投票值,然后初步筛选出所有投票值大于投票阈值的参数,再分别计算这些参数对应图像在边界图像中的均方误差,最后选择其中均方误差最小的一组参数作为最后的检测结果.将该方法与取最大投票值的Hough变换分别应用于虹膜外边缘定位并相互比较,实验结果表明,该方法抗噪声能力更强,适用范围更大,得到的结果更加合理.     

指派问题的新算法

给出了关于指派问题的新算法：在差额最大的行或列中优先寻找最小元素．一般地说，此算法优于匈牙利法及[2]所论及的方法．     

一种新的求补算法

阐述了已有的求补运算算法的潜在统一性,了单边求补算法,sharp算法与德．摩根律是等效的算法,不相交的sharp算法是递归算法的一个特例,提出了否定树的概念,给以否定树为基础的解决SOP型函数求补运算的更快的算法。