基于聚簇的大规模虚拟试验实体分配策略研究

在大规模虚拟试验中,能否为数量众多的试验实体合理指定其所在的宿主机将直接影响系统性能.针对现有实体分配算法大都以线性聚簇策略为主,不适用于大规模松耦合的试验环境,提出了一个较为系统性的细粒度实体分配理论.在网络仿真实时性理论指导下,建立了实体交互图EIG,定义了虚拟试验系统的实体粒度.提出了大规模试验中非线性聚簇的实体划分策略,并证明了细粒度下非线性聚簇要优于线性聚簇.该实体分配理论对实体聚合算法的选取和分配方案的评价都具有指导意义.     

佛教在中国汉地文献传播史论

文献传播是佛教在中国汉地实施传播的一种方式。佛教在中国汉地的文献传播方式是按照佛经汉译→汉文经录编撰→汉文大藏经刻印这一历史进程进行传播的，在这一历史进程中三者之间彼此关联，对佛教在中国汉地的成功传播起着重要作用。     

基于特征抽取的电子公文防伪系统的研究

针对web环境下存在对电子公文、电子图片的恶意伪造和删改等现象,需要对电子公文信息内容的正确性加以验证也即防伪,提出一种方便可行的基于全文特征抽取的算法。该算法抽取电子公文的各种特征值,生成特征值验证码对电子公文进行加密与防伪。实践证明,采用这种技术对一般的电子公文真伪处理可在2s内完成,其防伪出错率在百万分之一。     

公文写作中的逻辑作用

公文写作离不开逻辑,因为只有遵守逻辑的基本要求,做到概念明确、判断恰当、推理有逻辑性,才能使公文主旨明确、语言准确、结构清楚,以保证公文表述的准确性与清晰性,从而更好地发挥公文的政策性、权威性和严肃性在日常公务活动中的重要作用。     

对当前高校图书馆文献资源建设的思考

对我国高校图书馆文献资源建设现状进行了分析,并提出转变观念、调整结构、突出馆藏特色、改革采访模式等几项措施来加强文献资源建设。     

基于ANFIS的选矿产品成本预测模型

准确预测产品成本,对于选矿生产过程成本控制具有重大意义。由于影响产品成本的因素多而复杂,因素之间相互影响,存在耦合现象,因而准确预测产品成本是一个重要又难以解决的问题。提出了基于自适应神经模糊推理系统的选矿产品成本预测模型,用减法聚类,最小二乘法及梯度下降法辨识了T-S模型。采用某选矿厂综合铁精矿成本及其影响因素数据,对模型的预测进行了仿真,仿真结果表明该方法是切实可行并有效的。     

基于神经网络模型的聚类分析技术研究

聚类分析已成为数据挖掘,模式识别等应用领域研究中非常活跃的研究课题.在聚类分析方法中,基于神经网络的算法,由于考虑到“噪声”或异常数据,可以自动确定聚类个数,可以产生鲁棒的聚类方法,而竞争学习神经网络、SOFM神经网络方法是其中有代表性的方法,对其进行了分析研究,并给出了引入可变速度的训练算法。     

Web信息检索问题及算法改进研究

随着Internet上的信息量急剧增加,如何快速、准确地从浩瀚的信息资源中寻找到所需信息已经成为Web信息挖掘的一大难题,形成了所谓的Rich Data-Poor Information问题.文章分析了传统信息检索与挖掘存在的问题,说明基于智能的个性化信息检索的实现,并提供了智能个性化信息检索的模型,以解决查全率和查准率的矛盾问题.     

基于区域毁伤的基础设施网络抗毁性评估模型

基础设施网络对国家经济、人民生活和社会安全具有重要意义,为了能够准确迅速地评估基础设施网络面对物理攻击或自然灾害时的抗毁性,提出了基于区域毁伤的基础设施网络抗毁性评估模型。该模型将网络的边均分成虚拟节点,提出加权聚类算法寻找关键区域,使用归一化方法平衡网络规模和网络地理覆盖范围对评估结果的影响,算法复杂度低,运算量小,模型应用范围广,便于多个网络之间或同一网络不同规划方案的抗毁性比较。以智利电力输送网络为例,设计多组实验对评估模型进行检验,并给出可视化结果和分析。     

基于DR预测的大规模Web3D场景预加载机制

为改善大规模Web3D场景的加载效率,提出一种基于DR(Dead reckoning)预测的大规模Web3D场景预加载机制,结合DR航迹预测的算法和基于历史路径的兴趣路径聚类算法,将航迹领域中路径预测和交通领域中路径聚类应用到虚拟场景加载领域中,提出一种Web3D场景的预加载机制。实验与研究表明,通过该算法实现的预加载机制可以显著地提高数据的传输效率,优化大规模Web3D场景的加载速度,有效地提高用户在Web3D场景中的漫游体验,为优化大规模Web3D场景的加载机制提出了新思路。