基于P-集合的动态信息辨识

利用F-动态信息和F-动态信息的概念,给出F-动态信息和F珚-动态信息的生成,最后给出F-动态信息的状态辨识及其在计算机网络智能图像检测识别系统中的应用。     

CAN总线在矿用小机车上的应用

介绍了利用DSP芯片TMS320LF2407A的CAN模块开发CAN总线在矿用小机车上的应用.利用CAN总线将采集到的各控制模块的信息发送到司控台,在LED模板上显示诸如变频器的速度,电压,电流及故障状况等信息.便于司机监控和维护系统.     

基于ReliefF算法与偏最小二乘方法的鸽子转向运动解码

针对微电极阵列记录的局部场电位(LFP)信号包含大量的噪声和冗余信息,而且信号特征维数高,从而影响解码正确率的问题,结合Relief F算法与偏最小二乘(PLS)方法,解码了动物的转向运动行为。设计了鸽子的十字迷宫目标导向实验,采集鸽子弓状皮质尾外侧(NCL)LFP神经信号,提取信号的特征,利用Relief F算法对各个特征赋予相应的权重值,根据权重阈值选取合适的特征构成特征子集;并用PLS对特征子集提取主成分,最后用支持向量机(SVM)进行解码,并将解码结果与单独使用Relief F算法和PLS算法比较。结果:LFP信号经Relief F-PLS特征提取后,五组鸽子实测数据的解码正确率分别达到95.00%、80.00%、95.00%、92.50%、85.71%,高于单独用Relief F或PLS算法的解码正确率,而且所提取的特征数更少。说明Relief F-PLS方法结合了Relief F和PLS的优点,提高了解码正确率;而且提取的特征数更少,有效地去除原始特征中的干扰特征和冗余特征,验证了该算法的有效性,为相关研究探索了一条新路径。     

浅谈通信发展

以前通信基本靠肢体语言,1G时代手机只能打电话;2G时代可以发短信、游戏等;3G时代可进行可视视频等;4G时代完全实现互联网功能。5G时代,手机功能只可以想象。     

基于测距和自学习粒子群算法的WSN节点定位

针对WSN中现有节点定位方法具有的定位精度不高的缺点,提出了一种基于RSSI测距和改进量子粒子群算法的节点定位方法。首先,描述了基于RSSI接收信号强度指示的节点定位原理,在此基础上,采用最小二乘法估算节点位置进行节点粗定位。然后,定义了一种基于改进量子粒子群算法的节点定位算法进行节点终定位,为了提高算法的全局收敛能力,在每个粒子中放置学习自动机,使得粒子具有自学习能力,在量子可行空间中自适应地选择对应的动作。最后,通过仿真实验对所提方法进行验证。实验结果表明:文中方法能较为精确地进行节点定位,与其他方法相比,具有测距误差和定位误差小的优点,具有一定的优越性。
     

基于云计算的一种全新元数据管理方案

为有效减少云计算过程中不同元数据的工作量,本研究提出了一种全新的管理方案.通过改进的Chord算法和协同双层缓存机制使得元数据服务性能随着聚类上元数据服务器数量增加而增强;采用亲密算法控制客户端与服务器端的协作以便对元数据集进行缓存.基于以上方案能表现出较高性能和良好的可扩展元数据服务,实验表明本文提高的方案性能优于其它方案,更能体现出元数据访问性能与亲密值之间变化的关系.     

非傍轴部分相干厄米-余弦-高斯光束远场传输特性

为了研究非傍轴部分相干厄米-余弦-高斯光束远场传输特性,从非傍轴部分相干厄米-余弦-高斯光束概念出发,运用Wigner分布函数,对非傍轴部分相干厄米-余弦-高斯光束远场特性进行了理论分析,得出了一阶情况下的解析传输公式及光强分布表达式,根据仿真结果分析出表达式中3个主要参数f、fσ、g对厄米-余弦-高斯光束在自由空间传输的影响,在调制参数g一定时,束腰参数f和相干参数fσ对非傍轴部分相干厄米-余弦-高斯光束的非傍轴性起了至关重要的作用;非傍轴部分相干厄米-余弦-高斯光束在传输过程中当g不变时,其远场发散角的渐进值也会因fσ的增大而减小.     

云计算环境下多目标约束的虚拟资源动态调度

为了解决静态资源调度所导致的CPU利用率不高的问题,研究了多目标约束的虚拟资源动态调度方法。给出了云计算虚拟资源调度模型,设计了多目标约束的虚拟资源表示方法,采用马尔科夫链对虚拟资源的下一时刻状态进行预测,从而得到可用资源向量;最后,计算任务与可用资源向量之间的匹配向量,将任务分配给匹配向量中具有最大各维分量之和的虚拟资源进行调度,并提出了具体的采用基于马尔科夫链预测的云计算虚拟资源动态调度算法。实验结果表明：该算法能有效解决云环境下多目标约束的虚拟资源动态调度问题,具有较小的负载均衡离差和任务执行跨度,较其它方法具有较大的优越性。     

网络数据库系统的实现及安全性技术探究

本文研究了web数据库系统的实现方法以及安全性保护技术,安全性技术主要包括了防火墙安全保护技术,代理访问技术,加密技术以及SSL技术以及网络防毒安全保护技术。     

基于K-Means和粗糙集神经网络的节点故障诊断

传感器节点通常被随机布撒于环境恶劣甚至无人能及的区域,容易发生各类故障.为了解决此问题,研究了基于K-Means算法和粗糙集神经网络的节点故障诊断方法.首先,采用改进的K-Means算法离散化数据连续属性值;然后,通过粗糙集互信息法对数据属性进行约简,以提高诊断效率;最后,建立三层的BP神经网络故障诊断模型,通过蛙跳算法对权值优化得到最终的故障诊断模型.仿真实验证明文中方法能实现传感器节点故障诊断,且与其他方法相比,具有较高的故障诊断精度和较少的诊断时间.