基于IP网络的自动拓扑搜索算法

目前局域网规模不断扩大、结构日趋复杂,网络速度及网络管理成为网络系统正常运行的主要指标及关键,其中网络拓扑自动发现是网管系统的基本要求和重要功能.要求网络拓扑发现速度快并可反映使用权级而决定服务内容、服务器、路由器和交换机的布局状况,提供可视化管理界面,如系统配置、节点状态和流量监控、异常告警等,对网络系统正常运行、防范网络攻击具有重要意义.本文提出一种基于移动Agent的网络拓扑发现改进算法(广度优先搜索算法),降低了拓扑生成的复杂度,从而提高了系统速度.     

不同麻醉深度下大鼠脑活动的复杂性分析

为了研究大鼠在不同麻醉深度下大脑活动的变化，探测麻醉深度对其脑电信号（EEG）的影响，采用KC复杂度和谱熵对不同麻醉深度下的EEG及其4个主要频段信号进行了复杂性分析．结果发现：随着麻醉深度的加深，EEG的KC复杂度和谱熵的值都随之减小，反之亦然，且KC复杂度在区分麻醉深度的变化方面比谱熵更为灵敏、准确；在麻醉状态下，delta频段是EEG信号的优势频段，正是它的动态变化主导了EEG信号的变化过程．     

基于熵权的施工机械选型研究

将熵理论应用于产品型号选择,为工程项目选择合适的施工机械.利用熵理论过滤各型号中数值很接近的指标,减轻评价工作量;对定量和定性指标采用不同的无量纲化方法,得出标准评价矩阵;利用熵权修正主观指标权重,得到综合权重;根据各产品与理想产品的相对接近度来选择产品.并通过实例验证了该方法的可行性与实用性.     

吸附相热力学性质的计算与分析

分析了吸附质分子在吸附剂表面运动的可能模式,在有些情况下,吸附质分子在垂直于吸附剂表面的振动对吸附等温线的影响不可忽略.在考虑了振动能的贡献下,应用巨正则分布对吸附相的热力学性质作了初步的计算与分析.得到了吸附相在高低温极限条件下所处的热力学状态和态函数熵,以及平衡态时吸附相粒子数的相对涨落和吸附相热容量的表达式.     

Visio图形化电力计算软件中电网拓扑结构的识别

提出并研究了一种以Microsoft Visio2003图形软件为平台,利用VBA进行二次开发的图形化电力系统计算软件的新技术和实现方法.研究了电力网通用图形化建模方法,提出了基于所绘电气接线图的电网拓扑结构识别的算法,为各种电气计算软件的开发奠定了基础.     

关于α-Renyi熵序的若干结果

讨论α-Renyi熵序与一般随机序的关系,得到在一般随机序成立的前提下,α-Renyi熵序保持的一些充分条件,并给出次序统计量α-Renyi熵序和随机变量卷积α-Renyi熵序的一些有用的判别条件.     

一种改进的阈值分割算法在复合材料图像处理中的应用

针对纤维增强复合材料微观结构图像的特点,提出了一种改进的基于模糊思想的阈值分割算法,该算法利用整体阈值、局部阈值和像点梯度信息之间的关系,构造了一个双输入单输出的模糊逻辑系统,合理计算出像点的最佳分割阈值.实验结果证明了算法的有效性.     

基于混合编码框架的H.264/AVC核心新技术

介绍了H.264独有的特点,包括帧内预测、整数余弦变换、二进制自适应算术编码、概念性网络适配、多种块尺寸运动搜索、1/8像素运动估计精度等。     

拓扑等价Lorenz系统混沌同步的线性反馈控制

改变Lorenz系统中的非线性函数得到变形Lorenz系统,利用Hartman-Grobman线性化定理证明二系统是拓扑等价的混沌系统。采用线性反馈控制方法实现了两个拓扑等价系统之间的混沌同步。根据Lyapunov稳定性理论,得到了线性反馈控制增益的取值范围。设计了实现两个拓扑等价Lorenz系统线性反馈混沌同步的实验电路,并通过实验对理论分析进行验证。提出利用拓扑等价系统之间混沌同步进行保密通讯的方法。与传统的保密通讯方法相比,该方法具有更好的保密性能。     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.