基于运动状态感知的容迟网络路由算法

根据车载自组织网络的特点,提出了一种对喷射等待路由进行优化设计得到的容迟网络路由算法:运动感知的喷射搜索（motion-aware spray and seek,MASS）路由,对其优化和改进的原理以及算法的实现步骤进行了阐释.对MASS以及多种经典DTN路由算法在ONE平台上进行模拟仿真,通过参数绘图对比分析多种路由算法的性能及其差异,得到VANET环境下各个路由算法的性能对比结果,进而证明了本文所提出的MASS算法在DTN网络环境中的有效性以及可靠性.      

无标度网络局部信息的动态路由算法

提出了一个在无标度网络上基于局部信息的数据包路由算法,该路由算法引入两个可调参数α和β,分别调节度值与队列长度的路由偏好.通过调节这两个参数来改变网络的传输容量,并找到了该算法的最佳参数组合.对其他动态特性包括平均路由时间和流量负载也进行了相应研究.模拟仿真研究表明,该路由算法较传统的局部路由算法,不仅降低了网络的丢包率,而且提高了网络的传输能力.实证研究证明,基于局部信息的无标度网络动态路由算法对大规模通信网络的拥塞有一定的改善作用.     

片上网络路由算法的性能研究

在Turn Model模型的基础上,分析基于2DMesh结构的路由算法的性能.通过片上网络（NoC）模拟仿真实验平台NIRGAM,仿真路由算法在片上网络的延时性能.通过对路由算法影响功耗的综合分析,提出XY-YX路由算法是延时和低功耗性能表现都良好的NoC路由算法.     

基于J-Sim的WSN网络实时路由协议的模拟实现

主要介绍了基于J-Sim网络模拟环境的WSN网络实时路由协议的模拟实现。对现有WSN网络的实时路由协议进行了说明;对模拟软件J-Sim进行了介绍,并在此基础上给出了两种具体实时协议的模拟结果及分析。     

无线Ad hoc网络协议的仿真评估

针对无线移动Adhoc网络路由协议综合性能的评定,提出了一套网络路由算法的评估方案．通过运用该评估方案对四种重要的Adhoc网络路由算法(即DSDV,TORA,DSR和AODV)进行对比分析,全面地获取了这些网络协议的性能指标;同时,掌握了各种不同算法在不同场景条件下的相对性能,为设计扩展性更好的Adhoc网络路由协议提供参考．     

基于梯度和模糊神经网络的容迟网络路由算法

高效的路由算法是保证容迟网络性能的关键技术.为提高适用于容迟网络的路由算法的性能,提出了一种基于梯度和模糊神经网络决策的容迟网络路由算法.该算法具有如下特点:改进了网络描述向量,采用节点自身信息及节点间链路状态信息来描述网络,实现对网络的全面描述;将有限历史信息的动态平均与精确预测相结合,自适应维护网络描述向量的各分量,进而为路由决策提供准确的量度;采用模糊径向基神经网络进行路由决策,实现路由决策过程的智能化;依据多跳传输成功概率引导分组沿梯度方向转发,提高分组转发效率.仿真结果表明,在同等网络条件下,该算法表现出比传染路由算法和下文感知路由算法更优异的网络性能.     

基于AODV协议的动态路由管理算法

提出了一个基于AODV协议的动态路由管理算法,通过算法动态地配置路由协议参数,适应网络环境的变化,提高路由协议性能.算法利用模糊逻辑对移动自组网(MANET)网络环境进行分类,根据不同类型的MANET网络环境选择不同的AODV路由参数来改善路由性能.将这种算法应用到AODV路由协议中,通过NS2网络仿真器对标准AODV算法和基于AODV的动态路由管理算法进行了仿真比较.仿真结果表明,基于AODV的动态路由管理算法显著改善了协议路由性能.这证明在优化MANET路由性能研究领域中应用模糊逻辑的可行性.     

基于DSR的位置预测分簇算法

提出一种将动态源路由(DSR)协议与基于位置预测的分簇算法相结合的Ad hoc网络路由算法.算法中利用位置预测算法进行分簇,簇内成员无需路由功能,同时根据实际需要和应用环境做出合理的位置判断,针对动态变化的无线网络环境,进行归一化处理.算法中位置信息通过GPS或者自定位算法获取,簇头运行DSR协议充当路由转发器,使不同簇节点之间的通信依赖于各簇的簇头,大大减少了网络路由信息的冗余.模拟结果显示该算法性能具有良好的分组递交率和较低的平均端到端分组时延.     

随机网络中动态组播仿真

仿真和测试是研究组播路由问题的重要方法，但Waxman随机网络模型不能用于测试动态组播路由算法。根据组播成员动态加入和退出时对组播性能和质量的影响程度，提出一个模拟组播组动态变化的模型，按加入和退出的平衡态建立概率分布函数，移植和改造了MCRSIM(MultiCast Routing SIMulation)仿真工具，使其有效地模拟组播组成员动态变化的网络情况，以便对动态组播路由算法进行试验和测试。该模型不仅能仿真随机网络中组播成员动态变化情况，而且能仿真组播源变化的情况。该成果已应用于动态组播路由算法的研究之中。     

无线传感器网络自适应拥塞控制的路由算法分析

无线传感器网络中节点的覆盖范围有限,因而采用多跳路由传输方式.无线自组网中的多跳路由是由普通节点协作完成的,选择不同的转发节点,会对网络的信息传输产生不同的影响.对不同路由(洪泛路由、最短路径等)算法下的网络自适应拥塞控制进行了分析,研究了不同路由算法下的网络性能和拥塞控制效果.根据节点跳数与缓存占用的关系,提出一种基于节点跳数和缓存占用的性能函数的改进最短路径算法,算法选取使性能函数值最小的节点作为转发节点.最后,通过实验比较了最短路径算法与改进路由算法的网络性能,发现改进路由算法相比最短路径算法,具有较好的网络性能和服务质量.     

基于改进DCGAN轮胎缺陷图像生成方法

针对深度卷积生成对抗网络的数据扩充方法存在生成图像质量差、模型框架不稳定、模型收敛速度慢等问题，提出一种改进DCGAN轮胎缺陷图像生成模型。将残差网络和注意力机制嵌入到DCGAN模型中，提升模型特征的提取能力；同时摒弃DCGAN损失函数JS散度，使用带有梯度惩罚项的Wasserstein距离，提高模型训练的稳定性。实验结果表明，使用给定模型生成的轮胎缺陷图像质量优于使用DCGAN，WGAN，CGAN与SAGAN所生成图像，其平均FID值可以达到116.28，最小FID值可以达到84.94。所提出的模型可以稳定生成质量更好的轮胎缺陷图像，为轮胎缺陷样本数据集的扩充提供了一种有效途径，有助于有效解决深度学习在缺陷检测领域发展所面临的小样本问题。     

一种基于聚类算法的网络入侵检测应用

针对网络入侵检测与聚类等问题,提出了一种综合模糊聚类与改进的SOM神经网络方法.通过对网络入侵数据提取、分析和处理,建立了网络入侵检测聚类模型,并对传统SOM网络层次进行改进,结合易发的网络入侵类型有针对性地对网络入侵数据进行聚类.网络入侵检测聚类与其他方法比较的结果表明,该模型在网络入侵检测聚类中具有更高的准确性和均衡性,该方法能有效提高网络入侵分类精度,减少聚类误差.     

城市道路网络演变模型

为了探寻城市道路网络的内在演变规律,基于叶脉生长模型,提出了道路网络演变模型,分析路网中节点的生成规律;根据道路网络的特点,提出生成节点与已有路网的连接规则.以上海市浦东新区为研究对象,研究节点新增比例与经济、人口等指标的关系,提出了节点新增比例模型.按照提出的演变模型,模拟研究年的道路网络,对比实际路网和模拟路网的一些复杂网络指标.结果表明,该模型能较好地模拟实际路网的变化.     

一种改进的小波神经网络的网络流量预测算法

为了有效地对网络进行维护,提高网络性能,预知网络流量可以提前对网络出现的问题采取应对策略,从而对用户提供更好的服务。在神经网络预测模型中把隐含层的传递函数用小波函数替换,并采用共轭梯度下降算法,建立了一个小波神经网络的网络流量预测模型。通过实际流量数据对模型进行仿真,结果显示该模型与神经网络预测模型相比,该网络具有良好的预测效果,网络训练时间短,有效地提高了训练速度。     

一种多目标工程网络计划模型

在建立某钢铁企业轧机生产线检修工程网络计划模型的具体实践中,提出了一种多目标工程网络计划模型,导出了该模型的网络时间参数计算方法,讨论了多目标网络划优化问题,并认为传统的单目标网络只是该模型的一种特例。     

基于组合神经网络的教师评价模型研究

本文提出的基于组合神经网络的教师评价模型,可以弥补以往基于神经网络的教师评价模型的不足,不但可以给出教师的综合得分或所属类别,还可以给出教师在每个方面的得分.所使用的组合神经网络,由多个结构相同的BP神经网络组成;用构建的组合神经网络和传统BP神经网络分别进行实验.仿真实验表明,该模型相对误差较小,可以满足评价需求.     

基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。     

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

基于复杂网络理论的人际关系网络模型的构造和特性分析

在小世界、无标度网络模型的基础上构造出人际关系网络模型,并对人际关系网络模型进行了特性分析和仿真实验。结果表明,该网络模型具有平均路径长度与网络规模呈对数形式增长,度分布服从幂律增长,具有等级结构,聚类系数较大的特征,能很好地符合实际的人际关系网络。     

基于神经网络的光伏电站气象-功率模型

基于双层前馈神经网络建立光伏电站输出功率与辐照等气象因素间的非机理模型。建立光伏电站输出功率与气象因素的神经网络模型;对功率模型的输入特征进行选择,分析不同气象因素的组合作为输入变量对模型准确度的影响,明确功率模型的输入变量;分析该模型网络的训练算法、隐含层神经元个数及训练次数对模型准确度的影响,据此确定功率模型的最优结构与参数;基于光伏电站的实际数据对功率模型进行验证。结果表明,基于双层前馈神经网络的光伏电站气象-功率模型具有较高的准确度。