高速公路交通流宏观模型的一种分类辨识算法

高速公路交通流模型是一个高阶非线性时变系统 ,这使得该模型的辨识问题成为一个非常困难的问题。简要介绍了模型及其中各参数的含义 ,在对模型参数加以分析、讨论的基础上将其分类并分别采用径向基函数 (RBF)神经网络和最小二乘法对模型的参数进行分类辨识 ,成功地解决了该模型辨识的工程化问题。通过与传统的复合形法的辨识结果进行比较 ,该方法的辨识精度和速度均明显提高 ,仿真效果令人满意     

用于慢性肝疾病严重程度评估的超声波图像评价系统

一个超声波图像评价系统,此系统的目的在于能在临床上辅助诊断慢性肝疾病,此系统使用肝疾病严重程度的数字化得分来反映慢性肝疾病的进展程度。慢性肝脏疾病的进展主要与软组织的纤维化数量有关,一种有效的评测指标称为计算机形态测量得分(CM),CM能正确地测量人体肝脏切片中肝组织的纤维化比例,通常被认为是评价慢性肝疾病的“金标准”。在肝疾病超声图像的纹理特征与相应地CM得分之间,使用径向基函数网络(RBF)来建立两者之间的相关性。RBF网络的输出即可指示出肝病严重度超声波图像得分(UDS)。在120个测试图像中使用UDS评分标准,正确分类比为可达92.5%。此结果显示出,UDS标准极有可能为诊断慢性肝疾病提供一个重要的参考标准。     

子网划分技术研究

现在,以IP协议为基础的网络是通信网络的主流,IP地址的使用是一个基础问题。在使用IP地址的过程中,划分子网是一个难点,这一点在教学中尤其突出,这主要是因为需要进行大量的进制转换,本文采用子网掩码及主机块的十进制计算方法,避免了在子网划分过程中大量的进制转换,使得计算更为简便。     

VLAN技术在网络教室的应用

讲述通过VLAN技术解决局域网内网络教室之间数据包冲突。     

不分明紧Hausdorff空间分子网的收敛性态

本文给出了超Ｆ紧空间的网式刻画与不分明Ｈａｕｓｄｏｒｆ空间超Ｆ紧性、良紧性、强Ｆ紧性、Ｆ紧性等价的若干条件     

基于骨干子网内竞争的Internet自治域层演化模型

通过研究Internet的发展过程,提出了基于骨干子网内节点的价格和服务性能竞争的Internet演化模型.模型利用支配集划分骨干子网,进而将节点类型分为提供商和客户两类,节点之间的连边代表了C2P和P2P两种关系.不同的节点具有不同的建连决策:作为对等方的节点,寻找另一个节点作为合作伙伴以相互交换流量;作为客户方的节点,通过价格和服务性能的比较,选择合适的提供商为其转发流量.模拟结果显示,基于该模型生成的网络在度的幂律分布、高集聚及度度负相关等方面与实测Internet网络基本相符.本模型对于进一步认识Internet自治域层拓扑结构具有启发意义.     

用RBF神经网络预报冷轧精整机组的成材率

分析了某冷轧厂的发货预报系统，并利用改进ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）神经网络学习算法建立了该系统中精整机组成材率的预报模型。仿真效果很好。文章最后就可能存在的问题提出了解决方案。     

一种新的多重权值复杂网络模型的建立与同步控制

考虑复杂网络边上多个权值的情况,建立了一种新的具有多重权值的复杂网络模型.同时根据网络拆分的思想,将含有多重权值的复杂网络拆分为若干个单权值的子网络.根据Lyapunov稳定性理论,研究了多重权复杂网络的全局同步.通过Matlab数值仿真,验证了该结论的有效性.     

基于QPSO-RBF神经网络的交通流量预测方法

提出一种粒子群优化神经网络的预测方法,首先基于改进的量子行为粒子群算法对神经网络进行训练,以保证各权值和阈值能得到最优解,同时对训练样本进行了基于聚类算法的优选.最后进行了仿真验证,证明本文方法用于短时交通流量预测可以获得较高的精度并且误差稳定,为交通流量预测的实际应用提供了一种参考.     

Software Maintainability Prediction with UML Class Diagram

Software system can be classified into many function modules from the perspective of user. Unified modeling language( UML) class diagram of each function module was extracted,and design characteristic metrics which influenced software maintainability were selected based on UML class diagram.Choosing metrics of UML class diagram as predictors,and mean maintenance time of function module was regarded as software maintainability parameter. Software maintainability models were built by using back propagation( BP) neural network and radial basis function( RBF) neural network, respectively and were simulated by MATLAB. In order to evaluate the performance of models,the training results were analyzed and compared with leaveone-out cross-validation and model performance evaluation criterion. The result indicated that RBF arithmetic was superior to BP arithmetic in predicting software maintainability.