一种适用于无线传感器网络的低能耗移动代理路由算法

研究了无线传感器网络中移动代理的路由选择问题.根据相邻节点所产生的数据具有强相关性的特点,将多跳网络环境下的路由问题建模成为一个顶点加权的游客问题,并且证明了这是一个NP完全问题.在此基础之上,提出了一种降低能耗的近似算法.仿真结果表明,该算法在节省能耗方面具有更好的性能.     

移动边界模型应用于废热驱动的有机朗肯循环系统的动态仿真

针对废热回收的有机朗肯循环进行了动态仿真和实验验证.循环工质为R245fa(1,1,1,3,3-五氟丙烷).分别采用移动边界和离散两种方式建立了蒸发器和冷凝器的模型.模型运行结果与实验数据之间的最大误差不超过4%,显示模型能够真实反映实际系统的性能.分析表明,移动边界模型具有比离散模型低的阶次,处理速度较快,更适合于以控制为导向的动态仿真和实时系统仿真,且在系统负荷突变时具有良好的强壮性.     

基于移动Agent的协同访问控制模型

针对目前一些访问控制系统防内不防外或防外不防内、各自为政、单点失效、网络通信负载过重等问题,在RBAC模型基础上提出了一种的基于移动Agent的协同访问控制模型。首先对RBAC进行了层次建模,然后根据移动Agent特性,构建了分级处理的协同访问控制构架。该模型通过群签名机制对合法用户签发授权票据,以此进行访问控制。实验表明,该模型具有良好的可伸缩性、健壮性和安全性,有效地促进了访问控制技术的发展。     

基于支持向量机的机场检测算法

提出了一种新的机场检测算法．该算法通过把机场跑道的几何特征与其所在区域的纹理特征相结合来描述机场特征，其中由灰度的平均值和方差、区域的光滑性、直方图的偏斜度、区域的一致性、图像的随机性、图像的梯度平均和方差等8个特征组成机场的纹理特征向量．先通过直线检测找到机场跑道的候选区域，然后用基于高斯核函数的支持向量机作为分类函数，对候选区域的特征向量进行分类，由此判别机场跑道．实验表明，与传统的仪通过形状判断机场的方法比较，该算法对机场的误检率较低，检测率比刘德红的方法高近10倍，几乎能实时完成一幅图像的检测．     

泰勒展开公式在无单元形函数构造中的应用

无单元法是在有限元方法思想上发展起来的,在一些诸如爆炸、内外边界奇异等问题中无单元法表现出了巨大的优越性,是对有限元方法很好的补充.但由于无单元法理论刚刚起步,一些诸如本质边界条件处理、太多的求逆矩阵运算等问题严重制约着无单元法的发展.从无单元法中出现上述问题的根本原因出发,并利用泰勒展开公式构造出了新的形函数,有效地解决了上述问题.     

影响地表动态移动和变形的因素

以Knothe模型的函数为基础,对不同推进速度和不同时间影响系数下动态地表移动和变形进行研究.结果证明:提高开采速度有利于减小地表采动损害;时间影响系数c较小时,下沉迟缓,最大动态变形值较小,随着c的增大,地表动态变形值增大.     

基于案例学习的排球机器人运动规划及其支持向量回归实现

针对混合型控制问题,以排球任务为例研究机器人的运动规划.模拟人类球员通过经验积累而采取相应动作的行为学习模式,采取案例学习的方式解决球的初始状态微小变化(仅发球速度和角度变化)时的运动规划问题.由于支持向量回归(SVR)在处理小样本问题的优越性并受局部学习思想的启发,采用局部加权SVR(LW-SVR)实现案例学习.结果证明,LW-SVR的学习精度较RBF神经网络和SVR明显提高.     

高科技行业员工知识更新应对与适应状况研究

本研究通过访谈、编制问卷以及问卷施测，考察了高科技行业员工如何应对迅速更新的行业知识和技术，以及组织支持、认知评价、应对和员工目前适应状况之间的关系。本研究的现实意义在于：为企业和员工更好地应对迅速更新的知识和技术，提供了有意义的参考信息。     

计算机支持合作学习法

计算机支持合作学习是计算机支持的协同工作与协同学习的理论与方法相结合的产物,集计算机技术、信息技术、教育学、心理学、社会学等为一体,在CSCL平台的支持下,学生们可突破地域和时间上的限制,进行同伴互教、小组讨论、小组练习、小组课题等合作性学习活动,从而使学生们获得的知识紧密地结合起来,使处于不同年龄、时间、地点的人们开展协作学习成为可能.     

特征筛选对脑-机接口信号单次提取精度的影响

脑-之机接口的核心问题之一是通信载体信号的单次提取．在构建脑控拼写器的过程中，通过“模拟自然阅读”诱发模式产生的视觉诱发电位作为人脑与计算机之间的通信载体，采用支持向量机方法进行特征信号的单次识别．为提高识别精度，详细研究了信号时程、时段的选择对模式识别精度的影响．结果表明，信号时程越长分类精度越高，时程达到300ms时，分类精度就可达到最大值（且趋于饱和）；信号时段的选择对分类精度亦有较大影响，最佳时段在靶刺激出现后约250～350ms作为起始处．这一结果为提高系统的整体速度与精度打下了基础．