基于联合多维动态Bloom过滤器的SDN多属性查找结构研究

软件定义网络(SDN)作为一种新型的网络架构,可以为核心网络及应用的创新提供良好的平台.作为SDN实现的关键技术Openflow在实际的应用中仍然存在一些技术瓶颈.本文提出一种联合多维动态Bloom过滤器(CMDDBF)查找结构来替代Openflow交换机中的三态内容寻址存储器(TCAM)来实现流表的转发和处理.CMDDBF解决了TCAM空间利用率低和价格昂贵的缺点,能够有效实现多字段数据的查找和处理操作,并根据流表的规模动态调整内存空间.实验表明:CMDDBF不仅可以有效实现多字段数据的查找,而且在降低误识率方面具有很好的性能.     

基于多维空间的航路利用率

航路利用率表征了空域中航路的利用情况,通过计算航路利用率可以实现对空域资源进行更合理、高效的利用。为了更加准确地计算给定时间段内固定航路的利用率,通过构建抽象的三维空间,提出了一种基于多维空间的航路利用率计算方法。在考虑时间和空间两个角度之间的相互联系有了突破,从时间、航路、高度层三个维度建立航路时空利用率计算模型计算航路时空利用率,结合航路容量利用率,从时间、空间、容量三个角度出发,建立了航路利用率计算模型。最后通过算例分析计算得到某一空域四条航路的利用率。     

多集散点车辆路径问题及其蚁群算法研究

为使多集散点车辆路径问题结果全局最优,以订单为基准建立货运车辆路径问题模型.以订单为基准建立蚁群算法的二维禁忌数组,确定相邻两个集散点相同时的蚂蚁状态转移规则,使蚁群在满足车辆约束条件下,按禁忌表对所有订单搜索.此模型和算法实现了所有车辆对所有订单进行路径搜索,易于全局最优.实例求解结果表明模型及算法的有效性.     

基于多维特征分布的设计风格偏好度量模型研究

利用计算机对用户所需要的设计风格进行准确评估能够使设计变得高效.本研究提出一种针对设计风格偏好进行数字化评估的模型.模型采用卷积神经网络提取不同维度的图像特征,计算特征向量的格莱姆矩阵表示图像的特征分布,用图像特征分布间的均方误差作为描述图像风格的分值,通过比较不同图像的风格分值评价用户的设计风格偏好.该模型通过室内设...     

问题之眼：聚焦于“视点、焦点与拐点”的研究——读《阐幽明微：中国古代文化的多维观照》

《阐幽明微：中国古代文化的多维观照》包括析微与建构、图像与阐释、文本与细读、视角与互动、辑补与考辨、发掘与漫谈六个专题,用意在依凭一个个精心择选的视点、焦点与拐点,聚焦问题意识和多维视角,勉力探讨中国古代文学与文化研究拓展的可能性与实现的具体路径。这一部看似散章连缀的论文集,通过层出迭见的问题和异彩纷呈的灼见通往文学、文化的深幽之处,颇具形散神聚的特质。     

面向城域多维数据融合的WebGIS系统设计与实现

研究了城域范围互联网地图系统中多维数据格式的融合方法,对基于B/S架构的VR和GIS集成方法进行了探索与实现。设计了多维数据混合的数据模型,支持海量数据的存取与在线显示。使用网页浏览器无需额外插件即可浏览多维地图,并进行三维场景游览与全景漫游,丰富了在线电子地图的表现形式并改善了交互体验。为电子政务、电子商务与电子教务的场景展示提供了一种基于多维数据的WebGIS的解决方案。     

基于组合模型的中小电商商品短期需求预测

近几年,中小型电商企业迅速崛起,库存成本过高遏制着中小型电商企业进一步发展。精确的短期需求预测可以帮助中小电商企业减少库存积压,节约库存成本。为了准确预测中小电商企业产品的短期需求量,通过建立关于GM(1,N)多维灰色模型和GA-BP神经网络模型的组合模型,将三个模型运用到实例中进行预测,对比预测结果以验证组合模型预测效果。预测结果显示,组合模型较GA-BP模型、GM(1,N)模型具有更高的预测性,具有较好的预测效果,对中小电商企业库存管理有重要应用价值。     

多维地震作用弦支穹顶结构动力稳定及对比分析

弦支穹顶结构是一种新型预应力结构体系,综合了单层网壳结构和索穹顶结构各自的优点。以具有实际工程意义的50m跨度凯威特型弦支穹顶结构作为研究对象,讨论了弦支穹顶结构的动力失稳特点;对比分析结构分别在一维、二维和多维地震作用下的动力稳定性,考虑了矢跨比对结构动力稳定性的影响。为弦支穹顶结构的工程应用提供有价值的参考。     

多维自适应测验初探

计算机化自适应测验(CAT)是当前国内外考试改革的一个重要方向.该文对多维自适应测验中的能力估计和项目选择进行了一定的理论探讨,给出了贝叶斯估计中的项目选择算法.当A和x的范围已知时,这个算法把计算max|A xx′|转换成计算max(x′A-1x).     

考虑多维特征和数据增强的空间负荷预测方法

针对空间负荷预测的影响因素多样及历史数据匮乏的问题,提出了一种考虑多维特征和数据增强的空间负荷预测方法。该方法首先综合考虑多种影响电力负荷的因素,从开发强度、发展水平、气侯条件建立地区多维度指标模型。然后构建生成对抗网络(generative adversarial networks,GAN)的数据生成模型,对训练集进行数据增强,生成数量充足且符合地区特点的训练样本。其次采用基于粒子群算法(particle swarm optimization,PSO)优化初始权重和阈值后的反向传播(back propagation,BP)神经网络建立空间负荷预测模型,并利用增强后的数据集实现空间负荷预测。最后,以东部某市4个区为例,对本文的方法进行验证,仿真结果表明本文提出的方法可以提高空间负荷预测精度,具有实用性和有效性。