基于深度学习的通信网络数据关键特征挖掘

深度学习是挖掘数据关键特征的重要技术手段,为准确分析通信网络数据特征,并保障质量,提出基于深度学习的通信网络数据关键特征挖掘方法。选取接入率、可用性以及覆盖率等七个指标作为通信网络质量核心性能指标,将卷积神经网络与径向基神经网络相结合,构建深度学习网络结构,将该性能指标作为标签参数,将所得到的标签参数的聚类与求和结果作为深度网络的标签数据,通过前向传播将标签数据输入卷积神经网络的输入层内,经过不同隐层的变换与映射至输出层位置,并采用量子粒子群算法求解深度学习网络最优参数,输出通信网络数据关键特征挖掘结果。经实验结果表明,所提方法的通信网络数据关键特征挖掘率在95%以上,能够准确预测未来短时间段内的通信网络质量。     

基于改进狮群优化的三维DV-Hop定位算法

针对三维DV-Hop(distance vector-hop)定位算法存在的定位误差较大精度不高的问题,提出一种基于改进狮群优化的三维DV-Hop定位算法。先使用狼群算法中的狼群捕食游猎行为以及羊群算法中的羊群受到攻击时的聚集互动行为对狮群算法进行改进,再把改进后的狮群算法用于优化三维DV-Hop定位算法中未知节点坐标的计算。实验结果表明,所提算法从三个方面与不同算法进行比较都具有最佳定位性能,有效减小定位误差、提高定位精度。     

基于DPSO-RK算法解带有交易成本的投资组合选择问题

目的在Markowitz均值-方差模型的基础上,建立带有交易成本且期望收益和风险都有一定误差的投资组合选择模型,即乐观情况下期望收益最大风险最小模型和悲观情况下期望收益最小风险最大模型。方法根据模型特点,设计了基于Runge-Kutta法的差分进化粒子群优化(Differential PSO with Runge-Kutta,DPSO-RK)算法。结果与结论数值试验表明用DPSO-RK算法求解该模型是有效的,模型符合实际,与改进的粒子群优化算法(Improved Particle Swarm Optimization,IPSO)相比,本文所提出的算法具有更好的仿真结果。     

一类来自有限域 GF（16）子群上的高码率的 LDPC码

最近,Sobhani等人利用在有限群上的元素置换方法构造群置换LDPC码,本文在此基础上,给出了一类在有限域GF（16）的子群上构造的高码率的LDPC码,其Tanner图围长至少为8。仿真结果表明,这类码执行性能优于相应类型的随机LDPC码和其代数结构的准循环LDPC码。     

太阳能风能互补储能发电系统容量优化算法

随着互补型储能发电系统日益普及,其覆盖范围也不断扩大,但容量优化技术仍处于单一能源阶段。为此,针对太阳能风能互补储能发电系统,设计了一种容量优化算法。通过分析发电系统的电能输出情况,获得其年产出与供应状态,然后根据电能均衡准则构建容量优化目标及约束条件。然后结合差分进化算法进行变异、交叉和选择等操作,再通过粒子群算法更新方位与速度,二者结合取得亲体与群体的当前最优解,经迭代循环实现储能系统容量优化。经实验研究分析,并通过对组件配置量、负荷缺电率等数据发现,该算法在大幅提升经济效益的同时,确保了供电可靠性,表明该算法具有显著的优化优越性与较大的试运行潜力。     

一个加强的Hilbert型不等式

本文应用权系数方法及Euler-Maclaurin求和公式,建立一个加强的Hilbert型不等式,并考虑了最佳常数因子联系参数的等价陈述.     

基于模拟退火与改进粒子群的矿井通风优化算法

建立以矿井通风网络总功率最小为目标的非线性优化数学模型,改进粒子群优化算法实现寻忧.在粒子群算法中引入变异操作,提出了一种新的惯性权重,并构造一种新的粒子选择方法控制违反约束条件的粒子数量,提高粒子群算法寻找边界的能力.将风量平衡定律和风压平衡定律的约束条件转化为目标函数的惩罚项,改进粒子群(Improved Part...     

预应力群锚体系施工中的技术问题与应对措施

随着我国建设的快速发展,预应力群锚体系得到了广泛的应用,本文针对预应力群锚体系施工中的技术问题与应对措施进行分析。     

具有学习能力的FPN在航保系统易损性评估中的应用

基于Petri网模糊推理算法,引入改进粒子群优化算法,使其具有参数学习能力,摆脱系统中众多未知参数对专家和经验的依赖.以舰船航空保障系统为研究对象,建立了基于具有学习能力FPN(Fuzzy Petri net)的系统易损性评估模型,算例佐证了其学习效率及精度.与传统系统易损性评估方法的对比试验表明该评估模型的全面性和合理性,并可推广应用于复杂舰船系统易损性评估研究.