基于DiffServ的星上交换设计与仿真

星上交换的设计在满足对综合业务QoS支持的同时,还需要考虑到星上实现复杂度和系统资源的限制.为此,基于DiffServ的思想,将(m,k)模型应用于地面业务到卫星业务的QoS映射,并通过双漏桶模型在业务增长时对星上数据进行有选择的控制,从而建立了一个实现复杂度低且可以有效保证综合业务QoS的星上交换框架.系统建模仿真结果表明,该设计方案在节省星上缓存资源的同时提高了系统性能,对业务的突发具有较好的平滑性.     

自适应脉冲耦合神经网络在图像处理中应用

尽管Johnson 提出的PCNN模型具有强大的图像处理功能,以时间序列进行特征提取时具有旋转、尺度、平移、扭曲不变性,可实践中发现依然存在着不足,特别对图像亮度、对比度比较敏感.添加了误差反向传播(Error Back Propagation, EBP)学习准则的自适应脉冲耦合神经网络模型能自适应设定模型参数,是脉冲耦合神经网络模型研究的主要内容.特别地,应用这种自适应模型进行特征提取时,能弥补原来PCNN模型对亮度、对比度敏感的缺陷,而且具有一定的泛化能力,有效克服了亮度、对比度对图像识别精度的影响.     

水声网络链路层协议的仿真研究

链路层协议的设计是水声网络的关键技术之一。它通过控制数据收发,实现网络数据包的可靠、有效传输,进而为网络层提供服务。针对水声通信系统低速率、高延时和低可靠性等特点,利用网络仿真软件OPNET对采用ALOHA协议和MACAW协议的网络进行了完整建模,给出了对等式网络和主从式网络下两种协议在吞吐量、丢包率、平均时延和能耗四个方面的仿真结果。通过对仿真结果的分析,为实用协议的设计提供了有效的参考数据和策略。     

基于模型预测的网络化控制系统补偿控制

针对分时控制模式下存在于网络诱发延迟大于一个采样周期的网络化随机控制系统中的空采样和数据拒绝问题,提出了一种基于模型预测的补偿控制法。该方法通过在执行器设立缓冲区窗口并存放一定数目的历史控制量,利用多个历史控制量对当前采样周期的控制状态进行估计预测,对空采样和数据拒绝情况进行补偿控制,达到改善系统性能的目的。通过仿真实验证明了该补偿控制算法的有效性。     

三维激光扫描测量系统中的摄像机标定

三维激光扫描系统能够快速精确地获取周围场景的三维几何信息,而表面纹理信息需由高分辨率相机获取,必然存在不同数据源信息融合问题.在自主开发的三维激光扫描系统AX-LMS200基础上,通过相机内外参数标定,提出一种三维激光数据与二维纹理图像数据融合的方法,方便灵活地将三维激光数据与二维纹理图像数据相互映射.     

基于形态特征的芒果树L系统建模及其可视化

树木是虚拟森林景观的重要要素,也是自然景观可视化中较难建模与表达的要素之一.传统的树木建模方法无法用简单规律描述形态复杂的树木,且生成的树木往往也忽略生物学意义.因此限制了其实用性.针对这些问题提出了一种能较为全面反映生物学形态结构特征的L系统树木建模方法,并以热带水果种类之一的芒果树为模型对该方法进行了初步的设计与实现,结果表明这种方法能生成植物学形态特征的、具有不同树龄的三维逼真芒果树.     

一类特殊二次分配问题及其求解

二次分配问题(quadratic assignment problem,QAP)是应用于诸多领域的组合优化NP-难题,许多从实际问题中抽象出来的二次分配问题,其流矩阵与距离矩阵中存在大量零元素,如果在该类二次分配问题的求解中,能够充分利用这些零元素的信息,将大大缩减问题的规模,节省大量运算时间.本文以二次分配问题的线性松弛模型为基础,分别从理论和实验的角度对这类二次分配问题的求解进行了研究,说明了二次分配问题求解中,先行利用零元素信息减小问题规模的可行性和重要性.     

基于DEA评价模型挖掘证券投资基金管理信息

针对基于CAPM、APT等经典投资理论的证券投资基金业绩评价方法(如Sharp ratio、Treynor指数等)只能反映基金事后的总体风险收益水平的缺点,利用数据包络分析方法允许深入探查输入输出指标这一优点,构建合理的基金评价概念模型,将投资基金的风险、超额收益分别做进一步的归属分解之后作为输入输出指标代入DEA评价模型,并根据评价的结果对超额收益、系统风险等因素进行分析,充分挖掘了基金的管理信息,给出了未来投资的建议.实证显示,该方法得出了其他基金评价方法所无法得到的一些重要结论.     

Pareto/NBD模型扩展

Pareto/NBD模型是由schmittlein等(1987)提出,用于描述非契约客户关系情景下客户重复购买行为.该模型被认为是目前客户基分析中的基准模型,但其所基于的概率分布假设过于严格,且存在与常识不符的问题.针对这些问题,使用马尔可夫链蒙特卡罗方法,直接获得客户购买率和流失率的后验样本,从而使放松Pareto/NBD模型的假设成为可能.通过放松Pareto/NBD模型假设,设计了三个扩展模型,推导了相应的公式.用实际的数据集对pareto/NBD模型及其扩展进行预测效果对比,发现了预测能力明显高于Pareto/NBD模型的扩展模型.     

基于WNN-RAGA 的非线性组合预测方法

将小波变换与神经网络结合构成WNN非线性组合模型,弥补单一预测方法的不足,利用RAGA 的全局优化能力,优化WNN 学习的网络参数,解决传统WNN网络学习算法在学习后期收敛速度慢、存在局部最小值以及训练结果不稳定的问题。实例的预测结果显示出这种基于WNN-RAGA 非线性组合预测的良好预测性能。