基于改进单神经元梯度学习的无线网络主动队列管理

考虑传统网络拥塞控制忽略了网络拥塞的持续状态, 引入将数据包到达链路速率作为控制器输入的方案, 得到一种改进单神经元梯度学习(improves single neuron gradient learning, ISNGL)的主动队列管理算法. ISNGL 算法采用梯度学习动态调整网络参数, 并在此基础上对收敛速度和稳定性加以改进, 提出带有位移参数的新激活函数和带有权值调整的动量项的改进方法, 最后通过 NS2 网络仿真软件在无线网络的拓扑模型上进行仿真分析, 结果表明 ISNGL 算法在无线网络环境下拥有良好的拥塞控制能力.     

船用智能无线测温系统

为克服船舶复杂电磁环境,实现信息高效传输,该文提出了一种基于TinyOS操作系统的船用智能无线测温系统设计方案,将ATmega128L主控芯片、CC2420射频芯片和DS18B20温度传感器组合设计了无线传感网络节点,实现了温度的精确采集和无线传输,同时通过上位机软件对其进行实时监测、处理、存储和报警.对设计的船用智能无线测温系统进行测试,结果表明该系统能够稳定、准确、快速地获取待测点的温度,而且系统结构简单、节点布置灵活、抗干扰性强,适用于复杂和空间有限的船舶环境.     

人脸检测与识别方法研究

人脸图像处理包括人脸检测、人脸识别等．分析了有关人脸检测问题的研究方法并对其进行了分类和评价,重点介绍了人脸自动识别这一领域的研究方法并对其进行了简要分析评价,最后提出了人脸图像处理领域的研究展望．     

基于对角递归神经网络盲均衡算法的研究

提出了一种基于对角递归神经网络的盲均衡算法。利用对角递归神经网络结构简单、计算量少的优点,结合传统的恒模盲均衡算法定义了代价函数,用最速梯度下降法推导出了其算法迭代公式。计算机仿真表明,该算法收敛速度较快,误码率较小。     

基于着色Petri网测试用例的自动生成

针对基于UML的面向对象程序设计方法及着色Petri网的特点,提出了一种基于着色Petri网的测试用例生成方法,该方法将UML的时序图描述转化为着色Petri网的形式化描述,通过深度优先遍历着色Petri网找出系统的测试路径,对给出的测试数据采用爬山法进行测试用例的选择,最后,根据路径覆盖的原则产生完整的测试用例．     

基于复杂网络和机器学习的P2P用户违约预测

互联网的发展不断冲击着各个行业,P2P行业作为2013年开始兴起的互联网金融中的重要组成部分最近一段时间由于信用违约等原因,给许多用户带来了不小的财产损失.对于P2P行业来说,对用户的信用预测及防范违约风险是事关公司利润的核心问题.本文利用用户手机通讯录之间的包含关系构建社交网络,并从复杂网络的视角加以分析.通过将分析结果转化为机器学习的输入特征,我们用支持向量机的方法挖掘其内在的关联,从而利用用户的社会网络结构性质预测其信用情况.我们的模型基于知名互联网金融公司闪银所提供的大规模脱敏数据,得到了很好的预测效果.     

基于人工神经网络的扁钢轧制力模型

根据ＢＰ人工神经网络算法原理,结合某厂型钢轧机轧制扁钢时的轧制力实测数据,对扁钢轧制力进行建模,结果表明,神经网络用于轧制力建模是可行的,所建模型系统误差〈１％,模型计算值与实测值的偏差,４％,较好地反映了实际轧制过程的特征。     

一类求解八皇后问题的神经网络模型

通过研究离散的Hopfield神经网络模型,运用神经优化计算的方法,采用计算能量函数,建立了组合数学中八皇后问题的各类神经网络模型。并用V－C^ 语言进行计算机模拟,得到八皇后问题的不同解答。     

结构化EM算法在小样本贝叶斯网络学习中的应用

在贝叶斯网络学习中,合理数据集的存在可以大大降低贝叶斯网络学习对知识工程的过多依赖.但当数据集中样本数量不够大时,可能没有足够多的样本甚至不存在样本来代表变量间的某些条件独立关系,从而无法学习贝叶斯网络.将数据集修正与结构化-期望最大化算法相结合,得到一种有效的小样本上贝叶斯网络学习的方法,实验结果表明,该方法能够有效地进行小样本上贝叶斯网络学习.     

面向连接的并发多路径转发算法

在分析数据流关系的基础上,通过动态链表给无连接的IP网络增加一定的面向连接的特性,并结合跨层的思想在IP层对TCP报文首部进行跨层操作,提出了一个面向连接的并发多路径转发算法(CCFA).CCFA通过动态链表统计的不同流的比例关系,对不同流的流量特征进行分类,在多路径上对不同流量进行分流转发.最后通过NS2仿真实验研究了不同转发粒度的特点及相关的应用场合,结果表明CCFA以一定的存储开销为代价,获得了较高的转发性能,提高了带宽利用率,降低了端到端延迟,而且本算法易于在下一代网络的可编程路由器中部署使用.