基于仿真的宽带网络流量特征分析

网络的流量特征对于建网及网络性能分析至关重要。本文基于自相似理论基础，运用计算机仿真技术，对在不同负载情况下，宽带网络流量特征的变化过程进行了研究。实验数据表明，自相似业务流通过汇聚节点进入核心链路之后，其自相似特性仍然保持，但是自相似的程度有所下降，特别是在网络吞吐量较大的情况下，自相似程度明显低于任何一个支路。TCP协议发送窗口的大小变化会引起网络流量自相似程度的变化。     

创新生态战略与创新效率关系：基于创新生态网络视角

基于创新生态系统理论,通过引入创新生态环境和创新生态位,构建一个有调节的中介效应模型,并基于长三角制造业企业调研数据,采用Bootstrap方法进行检验,探究创新生态战略通过创新生态网络对企业创新效率的作用机理。研究结果表明：创新生态战略对企业创新效率具有正向影响;创新生态网络在创新生态战略与企业创新效率关系中发挥中介作用;并且创新生态环境和创新生态位调节该中介效应。研究结果从创新生态网络视角构建了创新生态战略向企业创新效率转化的中间机制,丰富了创新生态系统理论研究。     

一种无线局域网节能协议研究

提出了一种基于802.11DCF的分布式报文驱动节能协议802.11PS协议,通过使结点在既不能发送又无需接收时进入睡眠状态来节省其能量消耗。采用近似方法分析了协议在全互连网络中的节能性能,并通过仿真验证了近似分析的合理性。结果表明,在没有接入点的无线局域网环境中,当网络负荷较高时,802.11PS协议能够有效降低网络结点无线网卡总功耗(最多可节能70%以上),并且其时延和吞吐率性能仍与802.11DCF协议大体相当。协议无需全网同步,也可用于多跳ad hoc网络。     

复杂型腔中粉末注射成形充填过程的计算机模拟

在Hele—Shaw近似下采用有限元／有限差分混合法求解粉末注射成型充填过程，有限元法处理中面离散，厚度方向使用有限差分，运用控制体积法追踪运动边界，压力方程和能量方程顺序求解，实现了复杂型腔充填过程温度场、压力场和速度场的数值仿真，得到了较有价值的流场数值分析结果。     

异方差下条件处理效应的非参数估计及应用

处理效应模型作为分析政策效应的量化工具,在社会与经济的各个领域有着广泛的应用.现有文献为了得到处理效应的一致估计量,通常需要加一些较强的限制条件(如条件均值独立)或采用工具变量法,在较弱的与实际更吻合的条件下给出处理效应的一致估计量并不多见.本文在误差项对称的假定下,讨论了条件处理效应模型的非参数识别和估计,并进一步估计了平均处理效应.我们通过放松模型中函数形式的假定,同时考虑了较为普遍的广义异方差形式,大大减少了模型误设的可能性,拓展了现有模型的适用性.本文对估计量的大样本性质进行了分析,表明了估计量的一致性和渐近正态性,蒙特卡罗模拟显示了估计量良好的有限样本性质.最后,本文将估计量应用于研究大学教育回报及其性别差异,进一步解释了估计量的实用价值.     

改进的实时海浪网格模型

基于深水中的长峰波波浪模型,给出了视点相关的梯形海面网格自适应模型,能快速逼真的实时生成航海仿真系统中的多通道海浪。本算法只对每个通道可见部分的网格海面进行计算,满足屏幕图像各点的分辨率,在保证较好的图像质量的同时提高了绘制效率。可以通过控制网格的疏密和波浪序列的数目,灵活的控制绘图的质量和计算时间上的花费,满足不同配置的仿真应用。     

基于信息原理的雷达网抗干扰性能评估

在分析研究地面防空雷达网抗干扰原理及现有综合评估方法的基础上,根据信息原理提出了一种综合评估雷达网抗干扰性能的方法,并给出了相应的数学模型。该方法能够全面地反映各种可能情况下雷达网的抗干扰性能,为雷达网这种复杂信息系统的性能评估提供了一种通用可行的思路。     

变遗忘因子相关函数自适应滤波算法

相关函数递推最小二乘(CRLS)算法在回波消除中双方对讲情况下是有效的,但其计算复杂度较高。把相关函数最小二乘准则中的遗忘因子视为时变的遗忘因子,应用最速下降法使当前时刻的方向矢量正交于前一时刻的方向矢量,从而获得时变的遗忘因子的表达式,得到一种新的相关函数自适应滤波算法。该算法的计算复杂度比相关函数递推最小二乘算法的要低。计算机数值仿真结果表明,新算法的收敛性能和相关函数递推最小二乘算法的收敛性能相当。     

带旋转因子的多路回波消除自适应滤波算法简化

对带旋转因子的多路回波消除自适应滤波算法(NLMS RF)中的旋转因子的取值进行了分析,给出了NLMS RF算法及其扩展的带旋转因子的多路仿射投影算法(APA RF)的一种简化形式。这种简化是通过使算法中"预处理"后的输入向量相互正交而实现的。简化后的算法无需对旋转因子的取值进行选取,并降低了算法的计算复杂度。通过计算机数值模拟仿真实验表明了简化后的算法的有效性。     

一种用于模式识别的多色Voronoi图

提出了一种新的Voronoi图———多色Voronoi图 ,并证明了它的一些重要性质。多色Voronoi图是在Voronoi图的构造过程中 ,根据数据集的特性给Voronoi图染色的结果。用多色Voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色Voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 ,可以提高支撑矢量机的学习速度