基于连通可靠度约束的分簇算法研究

在研究了一些分簇算法基础上,提出基于连通可靠度约束的、适合大规模随机部署的快速成簇算法。仿真表明基于连通可靠度约束的快速成簇算法得到的分簇覆盖面广、簇头分布合理、稳定性强,与最小ID分簇及优化的最大连接数分簇算法相比,得到簇头数量少,分簇更合理,各成员节点与簇头的连通可靠度好,能保证网络的稳定性与健壮性,大大减少重构开销带来的通信代价,有利于均衡网络能量消耗,延长网络生命周期。     

基于本地时钟选择的时钟同步算法

在分布式系统中网络节点的时钟同步和传统的时钟同步算法的基础上,提出了一种基于本地时钟选的分布式系统时钟同步算法。采用本地时钟选择过滤方法,通过分组交换获取每个本地时钟与参考时钟的精度差,每个本地节点根据时钟精度差自动调整时钟,达到分布式系统时钟同步的目的。通过NS2仿真测试,同步精度能够满足一般分布式系统的需要。     

Apache模块分析与服务定制

该文首先介绍了Linux平台下作为Web服务器使用的最为广泛、功能最为强大的软件Apache的特性，着重分析了其中访问控制和别名与重定向2大主要组成模块，最后给出了定制自己的安全特性和构造虚拟主机的方法。     

基于用户的WWW-客户/服务器通信安全模型

该文首先介绍了几个常用的安全协议,然后提出了一种基于用户的ＷＷＷ－客户／服务器通信安全模型。该模型用户认识中心、静态用户问控制表,动态用户认证控制表,维护时钟、ＣＧＩ程序等几部分组成,最后详细介绍了其实现原理。该模型容易应用于实际中。     

基于高级Petri网的X.25/FR开放系统互连网关的描述与验证及实现

在构造 X.2 5 / FR互连网关时 ,采用 OSI有关协议。利用一种高级 Petri网(EPr/ TN)作为形式化的描述工具建立互连网关的系统模型 ,对网关中的协议转换和数据通信过程进行描述、分析和验证 ,并实际开发出了符合该模型的互连网关     

MS－DOS环境下实时通信的实现

该文详细地论述了实现ＭＳ－ＤＯＳ环境下实时通信的途径，中断程序的编程原则和常驻程序的技术要点。     

基于高斯函数与分级学习的D-FNN算法研究

D-FNN基本思想是构造一个基于扩展的RBF神经网络,它可以看成是一个TSK模糊系统,也可以看做是基于归一化的高斯RBF神经网络。该文提出的算法,学习前,模糊神经网络不需要预先确定,在学习的过程中,参数估计与结构辨识同时进行,并根据系统精度要求及模糊规则的重要性,自动地产生或者删除一条模糊规则。在学习速度、系统结构和泛化能力方面进行了仿真实验,仿真结果表明D-FNN具有更简洁的结构和优良的性能。     

高斯激活函数特征值分解修剪技术的D-FNN算法研究

 提出了一种D-FNN的新算法。其算法的最主要特点是：D-FNN选择高斯函数作为网络的激活函数和模糊系统的隶属函数,该算法不仅具有强大的全局映射泛化能力,而且在细化局部方面也有效;使用特征值分解修剪技术使得网络结构不会持续增长,可获得更为紧凑的D FNN结构,避免了过拟合现象。最后通过对Hermite多项式逼近能力来验证所提方案的有效性。仿真结果表明使用特征值分解修剪技术和高斯激活函数的D-FNN具有良好的性能。     

基于RBF神经网络PCA变换的识别技术

应用RBF神经网络作为分类器用于人脸识别。提出了两个重要的准则来估计RBF单元的初始宽度,这个宽度可以控制RBF神经网络分类器的泛化能力。PCA方法把训练样本集投影到特征脸空间,以减少维数。在PCA变换的基础上,作者进一步运用FLD方法,为分类找到一个最佳的子空间,使类间距离和类内距离之比最大化。在ORL数据库上进行了仿真,仿真结果表明,该算法具有高效性和有效性。     

基于改进基函数的自适应动态模糊神经网络算法研究

在D-FNN算法基础上,提出了基于椭圆基函数(EBF)的广义动态模糊神经网络.该算法提出模糊ε-完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性;同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评价,从而使得每个输入变量和模糊规则都可以根据误差减少率(ERR)来修正.其应用不仅可以用来建模,还可以用来抽取有意义的模糊规则以获取知识.通过与D-FNN以及其他方法的比较,可以看到GD-FNN在学习效率和性能方面具有突出的优势.最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性.