基于OPS技术的公交车辆信息管理系统

公交车辆的动态监控管理是公交公司的管理核心,但一直没有物美价廉的方案．因此提出了一种采用新技术的里程表定位系统而设计的公交车辆信息管理系统。重点介绍了OPS技术和该公交车辆信息管理系统的实现框架。该系统为公交公司提供了及时可靠的公交信息,提高了管理效率,也为市民提供了及时准确的路况信息。     

多层分组神经网络的手写体数字识别

手写体数字识别的应用研究是字符识别中具有挑战性的课题．提出一种基于二进小波变换与多层分组神经网络的自由手写体数字的多分辨率识别算法．该算法包含二进小波变换的多分辨率特征抽取单元及多层分组神经网络分类器,与传统的完全连接的神经网络相比,该网络结构简单、输入节点少,并且由于网络分为子网结构,不同子网学习的是不同的特征映射值,某一子网不收敛不会影响到其他子网的收敛,网络鲁棒性好．采用信函分拣机提供的字库测试表明,其正确率为９８％左右．     

移动无线网最短路径优先协议的设计

目的研究实现分组无线网在移动条件下的应用,方法采用邻接表监视无线链路的连通性,链路状态表跟踪网络拓扑结构的变化,在此基础上采用Ｄｉｊｋｓｔｒａ算法实现了分的最短路径优先寻径。结果设计的分组无线网最短路径优先协议可提高网络的可靠性和抗毁性,并充分利用无线信道的广播特性。结论由此验证无线最短路径优先协议适用全分组无线网。     

基于粒子群算法与BP网络的机床主轴热误差建模

为了避免基于反向传播(BP)神经网络的主轴热误差模型精度低、通用性不强和收敛性较差等缺点,利用模糊聚类理论与相关分析法对温度变量进行优化,并且选取热敏感点以挖掘温度变量与热误差间的相关性,降低温度变量间的耦合性.利用粒子群优化算法(PSO)将预测输出与期望输出间误差平方和的倒数作为个体适应度函数,将个体头部分与身体部分的表现码分别映射为网络的隐含层节点数、权值和阈值,实现了对BP网络的拓扑结构的有效优化,通过跟踪个体极值和全局极值实现了粒子群个体速度与位置的更新.分别建立了基于BP和PSO-BP网络的热误差模型,以精密坐标镗床主轴为研究对象,采用五点法对高速主轴热误差进行测量.结果表明,PSO-BP模型可实现不同工况下主轴空间位姿状态的高精度预测,验证了测量及建模方法的有效性.     

线性模拟电路故障诊断的分组诊断法

本文将故障验证技术中的伪电路法和支路诊断法结合起来,提出了线性模拟电路故障诊断的分组诊断法。它将故障网络的电路元件分成“好”的组1,和“坏”的组2,导出支路故障诊断方程和允许分组的拓扑条件。该方法还可应用于非线性两端电阻网络的故障诊断。分组诊断法具有如下特点:诊断方程阶数低;特别是不必穷举各种分组的组合,同时又使允许分组的检验不必通过任何运算而可在电路图上直接进行;在诊断中结合耦合表调整分组,可加快诊断速度,减小计算量。     

基于机器视觉的烟叶自动分组方法简

烤烟烟叶的分组依据主要有烟叶的部位和颜色,传统的分组方法主要是依靠人的感官(视觉、触觉、嗅觉)进行分组评判,这种评判方法主观随意性强,容易受到个人因素和环境因素的影响.为了克服这一缺点,利用机器视觉技术,对福建三明产区的K326烤烟,除完熟组以外的7个主组共78片烟叶提取外观特征,包括烟叶的几何特征(如长度、宽度、伸缩度、面积)和颜色特征(如色调、饱和度).将传统烟叶分组中定性的分组因素量化,再经过模糊综合评判方法判断烟叶的组别,为烟叶进一步精准化分级做准备.分组实验的正确率为91.30%,已经达到了人工分组水平.     

新时期如何调动学生英语学习的自主性

英语是初中的基础性学科,在初中英语教学中,教师要把学生自主学习能力的培养作为课堂教学的重要任务。只有让学生学会了自主学习,才能够从根本上提高课堂教学的效率。     

基于辐射扩散的机会网络社区构建算法

针对在计算分布式k社团成员间的介数中心性时需要获取所有最短路径问题,基于核心节点辐射量计算和扩散模型,提出了基于辐射扩散的机会网络社区构建算法.该算法主要利用节点之间的辐射关系来表示节点的介数中心性,并以这种辐射关系为基础建立以一确定节点为核心的辐射社区,由于节点可以定期接收到核心节点的辐射量,避免了节点间最短路径的计算过程.当消息转发进入目标节点的辐射社区后,即可沿着最优的方向转发至目标节点,从而获取较高的辐射社区内部消息转发效率.实验结果表明,当社区结构相对稳定时,在保证一定消息转发成功率情况下,可以取得低于Epidemic的消息转发延迟.     

基于强化学习的云资源混合式弹性伸缩算法

为解决强化学习(RL)应用于云资源弹性伸缩问题时算法空间随应用规模变化而呈指数级变化、可伸缩性受限、算法训练时间长、收敛慢及设置水平伸缩动作空间时难以兼顾系统性能与稳定性等问题,提出了一种基于强化学习的分组云资源混合式伸缩算法(BGRL)。将应用实例进行逻辑分组,使算法空间固定,解决了算法空间爆炸及可伸缩性受限问题;采用并行学习,加快了学习速度,解决了算法收敛慢的问题;通过汇集多组的学习结果决定水平伸缩动作,解决了现有算法难以同时保证应用稳定性和资源调整及时性的问题;采用水平和垂直两个方向上的混合式伸缩,在保证应用能力范围的同时,解决了局部性能问题。通过重放实际应用数据集而产生的工作负载模式进行云应用仿真,结果表明:BGRL的应用资源量最贴合负载变化,资源利用率最高,稳定在80%左右;在消耗的资源量和违反服务质量请求的百分比方面,比其他算法分别减少了15%～20%和0.1%～3.26%。     

分组进化人工鱼群算法

针对人工鱼群算法搜索性能较差的缺陷,结合粒子群、蛙跳和人工鱼群算法的优点,文章提出了一种分组进化人工鱼群算法,该算法将人工鱼群算法简化后,仿照蛙跳算法进行分组进化,并加入粒子群算法的更新机制对个体位置进行更新,以便充分利用种群信息.实验证明,该算法有较强的寻优能力,且稳定性好,实用性强.