基于层析成像技术的网络拓扑判定研究

Internet已经成为规模巨大的异构分布式网络,对互联网络拓扑进行判定很困难.现在已有的网络拓扑测量工具主要依赖于所有的中间路由器在测量期间提供的信息.本文分析了大规模异构网络中网络拓扑结构的判定中遇到的问题,研究网络层析成像技术,通过对网络上的主机进行单播的＂三明治＂测量方案来获得网络节点时延,并给出网络拓扑判定的系统聚类树算法,通过实验验证了系统类聚算法的拓扑数判定结果.在大型网络中使用网络层析成像技术进行网络拓扑推演可行而且具有优势,该方案可以取代TRACEROUTE等工具作为大型网络拓扑判定的解决方案.     

基于层析成像技术的网络拓扑判定研究

Internet已经成为规模巨大的异构分布式网络,对互联网络拓扑进行判定很困难.现在已有的网络拓扑测量工具主要依赖于所有的中间路由器在测量期间提供的信息.本文分析了大规模异构网络中网络拓扑结构的判定中遇到的问题,研究网络层析成像技术,通过对网络上的主机进行单播的"三明治"测量方案来获得网络节点时延,并给出网络拓扑判定的系统聚类树算法,通过实验验证了系统类聚算法的拓扑数判定结果.在大型网络中使用网络层析成像技术进行网络拓扑推演可行而且具有优势,该方案可以取代TRACEROUTE等工具作为大型网络拓扑判定的解决方案.     

一种基于部分样本类别判定的聚类分析方法

针对传统聚类分析中,指标权重一般由专家直接给出,然后再在此基础上进行聚类分析的不足,提出了一种基于部分样本类别判定的聚类分析方法.首先对部分样本进行类别归属判定,然后利用类内聚类样本之间的距离应尽可能小的原理建立规划模型,通过"反推"的方式诱导出合理的权重信息,再据此进行样本聚类.该方法主要用于解决聚类样本较多,且聚类样本的指标权重难以显性确定情况下的聚类分析问题.最后给出的一个算例验证了所提方法的有效性.     

基于Probit模型的高等教育服务学生满意度研究

教育事业长期以来都是国家、学校和普通大众关注的焦点.而在经济社会迅速发展的今天,教育已经被看成是一种特殊的服务业,传统的定性研究已经不能满足教育事业发展的需求,人们迫切需要一种更科学、更直观的工具来指导前进的方向.在教育服务业中,学生扮演顾客的角色,而学校是服务的提供者.利用实地采集的数据,并基于Probit模型和计量分析方法研究学生满意度问题.研究发现,学生满意度与学生个人情况的差异关系不大,学校应该将关注点放在发展自身硬实力和软实力两方面,以提高学生对高等教育服务的满意度.     

系统聚类树算法在网络拓扑判定中的研究

网络拓扑结构的判定是网络层析成像技术在大规模网络中应用的关键问题.主要讨论通过对网络上的主机进行单播的测量来获得网络的逻辑拓扑,提出运用系统聚类分析法进行拓扑判定的新方案.首先介绍了基于延时的“三明治”网络测量方案及相关网络拓扑判定方案,在此基础上提出更为高效准确的运用统计聚类模型进行拓扑判定的系统聚类树算法,最后通过实验将该算法与合并似然树算法进行了比较与分析.     

基于车辆轨迹数据的急减速驾驶行为判定方法

目前很多研究使用车辆轨迹数据来识别急减速驾驶行为,但目前使用的固定阈值方法无法对不同驾驶场景做出区分且缺乏建模分析.基于车辆跟驰模型,提出了一种包含多种驾驶场景的急减速驾驶行为判断方法,该方法考虑照明条件、天气、道路车速等参数,解决了现有方法中缺乏场景分类的问题.使用聚类算法区分历史数据中的急减速驾驶行为,提取实际阈值...     

基于有序Probit模型的农村信息化需求研究 ——以云南省为例

从微观的层面入手,结合消费者行为学相关理论,分析农村信息化接入需求的影响因素,通过构建农村信息化需求的离散选择模型,并结合问卷调查法对云南省农村信息化的需求影响因素进行分析。研究表明:个体因素、家庭因素、地理因素和认知因素在一定程度上影响着农民对农村信息化接入需求的决策权。     

手机消费中的Probit概率模型

通过采样利用Probit概率模型分析了城镇居民手机消费中不同年龄、性别、收入的边际影响,结果显示,随着年龄的增长,手机拥有比例会降低。对于各不同年龄段,男性的手机拥有比例比女性高出许多;对于不同收入段,男性的手机拥有比例比女性高一些,无论男性还是女性,随着收入的增长,手机拥有比例均会增加。     

基于Ordered Probit模型的交通事故受伤人数预测

建立了交通事故受伤人数预测的Ordered Probit模型,应用极大似然方法进行了模型标定.应用模型分析了受伤人数的影响因素,计算了各影响因素的边际贡献,并进行了受伤人数的预测.结果表明,对受伤人数影响较大的因素有路表是否干燥、是否有大中型车辆、是否在交叉口.所建模型在进行事故受伤人数预测的同时,也可用于分析各因素对受伤人数的影响方向和影响程度.文中结果可为交通管理部门迅速准确地判断事故态势并做出快速响应提供决策支持.     

基于M-H抽样算法的贝叶斯Probit分位回归模型研究

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明:贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

基于模型匹配人脸识别的研究

提出了基于模型匹配的人脸识别方法.利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,着重于解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响.     

基于危险辨识的干燥窑工段危险性分析

干燥是大型冶炼企业的一个必不可少的工艺过程,也是经常发生伤害事件的场所,因此有必要对干燥窑工段进行危险性分析。本文针对干燥窑的具体情况,采用危险源辨识技术,对干燥窑工段中的危险因素逐一列举,分析其事故模式、诱因及历史事故情况,以提高企业的安全生产水平,保障人民生命财产的安全,保证设备完好,确保安全生产。     

基于新的模式识别方法和函数的研究

介绍了一种新的模式识别的方法（和函数方法）,证明了有限有色点组成的图形与和函数的一一对应关系,从理论上为图形识别提供了一种比较直观、简单、便于理解和实现的模式识别方法,并为计算机图形识别提供了一种方便的数字化手段。     

基于因果聚类和模式识别的模糊预测方法及其应用

基于因果聚类和模式识别的模糊预测方法，是将企业待预测时段的运行状况与历史上的运行模式相比较，根据“最大隶属原则”将待预测时段的运行状况归入某一运行模式，利用此模式的模糊数对预测量进行预测。     

基于分层时序模型的步态识别算法

以隐马尔可夫模型和动态纹理模型为代表的动态贝叶斯网是描述步态序列的重要方法,但都存在一些不足之处.提出了一种新的动态贝叶斯网——分层时序模型,该方法采用分段线性逼近非线性和用各段的动态纹理模型作为隐状态,将隐马尔可夫模型和动态纹理模型做了结合,充分发挥了其优势.该方法在CMU Mobo步态数据库和CASIA步态数据库B上做了评估,结果充分显示了分层时序模型的高性能.     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

基于神经网络的手势识别技术研究

以数据手套为基础,分析了手形的几何关系,建立了虚拟手的模型,由数据手套的数据接口获取各指节的曲伸角度,建立手势标准样本库,并提出了基于BP神经网络的手势识别方法,用手势标准样本加以训练,使其具备识别手势的功能,并利用VC 编程实现BP神经网络,用Matlab验证实验结果的正确性.     

基于非负矩阵分解的面部表情识别研究

提出了一种基于非负矩阵分解与支持向量机相结合的面部表情识别方法。使用直方图均衡化等方法对人脸图像进行预处理,使用非负矩阵分解算法进行表情特征提取,采用支持向量机对面部表情进行分类。以Matlab为仿真工具,在日本女性人脸表情数据库上测试。取得了66.19％的识别率。     

基于CTC-GRU模型的长沙方言识别

为了识别大词汇量下连续长沙话方言语音,提出了基于CTC算法的门控线性单元神经网络模型.先通过梅尔倒谱系数提取语音的特征参数,再把提取的特征参数输入门控线性单元神经网络,用CTC算法进行训练优化,得到输入序列整个的预测标签.最后在自建的长沙话方言语料库上,以词错率作为评价指标,对CTC模型、GRU模型和CTC-GRU模型进行对比,结果表明CTC-GRU模型相对于其他2个模型收敛速度更快,结果更精准.