网络流量自相似性产生原因的分析

网络业务自相似性已经引起了人们广泛关注,一些研究表明自相似性是网络业务中的一个普遍特性,网络自相似性表现出了与传统模型不同的特征。对网络业务自相似的相关理论作了阐述,对网络业务自相似相关研究工作进行了细致研究,在此基础上初步分析了网络业务自相似产生的原因。     

基于高重频固体激光信号的快速采集系统

采用积分电路的方法对高重频固体激光的窄脉冲信号进行捕捉,对积分电路的原理构成、周期窄脉冲信号采集放大电路的设计、测量误差来源及处理做了分析和讨论。以W77E58为采集电路的CPU,以FT245BM为核心构成USB接口电路,实现了窄脉冲信号的快速采集与传输,较好地解决了对多路探测器实时快速采集和向上位机传送的问题,达到了比较满意的效果。     

无线Ad Hoc网络中一种基于DSR的路由缩短策略

无线Ad Hoc网络中随着节点的运动,可能会导致路径中原本不相邻的上游节点与下游节点之间的距离变短,造成原来的路径不是最短路径。针对这个问题,在DSR路由协议的基础上,提出了一种缩短路由的策略,并且给出了路由缩短请求包的格式。     

AlGaN/InGaN/GaN双异质结构中2DEG的数值模拟

由于InGaN的物理性质,在传统AlGaN／GaN单异质结中嵌入一定厚度的InGaN层,会使二维电子气的密度提高为原来的近两倍。正是从导带差、极化效应两个方面分析了这种现象的原因,并且通过自洽求解泊松方程和薛定谔方程分别作出了AlGaN／InGaN／GaN双异质结和AlGaN／GaN单异质结的能级图以及2DEG的电子能量图,进一步解释了该现象。     

仿生摩擦学研究及发展

在进化和生存竞争中, 生物形成了具有优异摩擦学性能的优化的结构设计、精巧的材料拓扑和多功能表面织构, 成为仿生摩擦学的楷模. 本文提出仿生摩擦学的定义和学科基础, 从流固界面的黏附与自清洁、生物脚掌与固体表面的黏附、生物表面磨损特性及仿生耐磨设计、流固界面的黏附及仿生等方面回顾了仿生摩擦学的研究和进展, 讨论了仿生摩擦学进一步发展存在的问题.     

基于线性自组装的DNA加法

提出了一种用自组装方法来实现两个非负二进制整数相加的DNA算法. 该算法的生物操作复杂度为常数, 即对于n位二进制加法而言, 实验步骤数并不随着n的增加而增加. 与之前的各种DNA加法算法相比, 该算法具有更显著的简单易操作的优点.     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。     

基于机器学习的跨患者癫痫自动检测算法

针对目前癫痫自动检测算法多集中于为单个患者建立检测模型,泛化能力较弱的问题,提出一种基于机器学习的跨患者癫痫自动检测算法.该算法使用多个癫痫患者的脑电数据,先对数据进行预处理后分析脑电数据间存在的特征,再对特征进行筛选,训练出一个跨患者的癫痫自动检测模型.该算法不需为每个患者建立单独的检测模型,实现了仅使用一个检测模型...     

基于Transformer结构的多目标追踪算法研究综述

Transformer是一种基于编码器-解码器、完全使用自注意力机制的深度神经网络结构,目前已经成功应用于多目标追踪,性能得到大幅提升。本文首先分析了Transformer网络整体结构,归纳Transformer结构具有的优势。然后根据查询方式将基于Transformer结构的多目标追踪方法分为：基于稀疏查询的方法和基于密集查询的方法,对相关模型分析总结。最后介绍常用数据集,对比分析模型性能,指出基于Transformer结构的多目标追踪面临的挑战与未来研究方向。     

基于连续双正交样条小波的股价指数奇异点检测

针对噪声背景下股价指数曲线给出的一种小波硬阈值消噪和奇异点检测的有效方法,选择双正交样条小波作为基小波,运用小波分析消除信号噪声干扰;结合多尺度分析及奇异点的检测,揭示股价指数信息隐含的背景。