非线性网络控制系统的稳定性分析

针对传感器为时钟驱动、执行器、控制器均为事件驱动的一类非线性网络控制系统(net-worked control systems,NCS),通过在信息接收端设置一定长度的缓存,可以将时变的网络诱导时延转化为固定时延,并且将此类NCS建模为一类具有输入输出时延的非线性时延系统.基于建立的模型,利用Lyapunov定理和Razumikhin定理给出了系统渐近稳定的充分条件,同时给出使系统保持渐近稳定的最大允许网络诱导时延.最后通过算例验证了时延小于最大允许网络时延时,NCS是稳定的.     

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。     

抵御恶意模拟主用户攻击的拟合优度检测算法

在认知无线电网络中,针对模拟主用户攻击(primary user emulation attack,PUEA),采用Anderson-Darling(AD)检验来代替传统的假设检验算法来提高系统性能.假设PUEA具有一定的可能性,通过计算接收到的信道数据样本分布函数与经验分布函数之间的Anderson-Darling距离,调整相关参数来确定阈值,并与距离比较,实现频谱检测,有效防止恶意主用户攻击.仿真结果表明,与能量检测相比,系统性能优化了能量检测器的改进.     

有向加权供应链网络演化模型

利用BBV加权网络的演化机制和BA模型的线性择优连接机制,新节点进入网络时的入边和出边服从二项分布,建立了子网络具有流量补偿的有向加权供应链网络模型。利用泊松过程理论分析了网络的出入强度分布,结果表明,有向加权供应链网络的稳态平均入强度分布和稳态平均出强度分布服从幂律指数在[1,3]之间的幂律分布。对有向加权供应链网络模型进行仿真研究,仿真结果与理论预测相一致,符合供应链网络的幂律特性。     

组播拥塞控制策略设计与仿真研究

组播是一种高效率的点对多通信方式,在过去几年中组播传输机制己经成为一个活跃的研究领域.针对组播在Internet上进行大规模应用所面临的拥塞控制问题,将主动网络的技术应用到组播拥塞控制中,提出了通过主动节点主动检测拥塞和调整发送速率,实施hop-by-hop的拥塞控制的"主动"式的拥塞控制策略.在NS2平台上进行了大量网络仿真分析表明:该策略不仅对组播通信具有良好的拥塞控制能力,而且具有很好TCP友好性.     

片上网络任务映射算法的可靠性优化

为了满足当前特定应用领域对片上网络可靠性的要求,在贪心启发式映射算法的基础上,通过加入基于容错机制可靠的通信开销函数约束,实现了一种具有可靠性的片上网络任务映射算法RaNMAP.结果表明,该映射算法可以有效提高片上网络系统的可靠性,有利于从更高的抽象层次对片上网络的容错设计进行指导和评估.     

基于MD-ANP方法的工程项目管理模式评价

文章构建了基于改进德尔菲方法(MD)和网络分析法(ANP)的工程项目管理模式评价模型,使用MD方法确定评价指标体系,构建ANP模型计算效用,得到各模式的综合排序.该方法综合考虑了影响工程项目管理模式选择的内外部核心指标,并且能够对指标间的相互影响和相互支配关系进行度量,得到科学的评价结果,算例验证了该方法的可行性.     

模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．     

采用MLCA法对体育场单位工程施工网络的优化

通过实际工程,根据CPM （Critical Path Method)/PERT(Program Evaluation and Review Technique)理论,应用计算机对该工程编制施工网络计划和进行网络优化计算,对该工程网络图在时间上和经济上进行比较和分析后,我们采用“最低成本加快法（MLCA）”对关键线路的工期进行合理压缩以实现对施工网络计划的优化,同时还考虑了异型结构施工特点,主体和钢网架冬季施工等因素对施工网络的影响,以得到最低成本下的最佳工期并在施工中起到指导性的作用。     

基于行为采集系统的用户特征挖掘及分析

结合用户行为时间序列和操作频次,融合FP-GROWTH算法设计了用户特征挖掘算法,建立网络形式的用户行为特征表达方法,设计了相应的用户行为采集系统,给出了相应的设计框架和存储结构。并以高校学生为研究对象采集了相应的数据对系统进行测试,实验结果表明该系统可以捕捉和分析用户行为,并对用户的习惯行为进行表达,进而揭示用户的行为习惯。