校园网上sFlow网络流量监控设计

随着网络规模的不断扩大,异构化程度的不断增高,网络带宽的成倍增长,网络变得日益复杂,为了在复杂环境下提供有质量保证的网络服务,采用sFlow流量采集技术在高速校园网内进行网络流量监控,减少了流量收集的数据量,同时又保证了数据可准确地用以进行网络流量监控.分析流量采集点在网络各层次的设置,并准确地对网络流量进行全面分析,根据实际需求采用2种sFlow系统组织方案,以实际应用细诉具体sFlow的设置,提出基于sFlow技术的全网流量监控.     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。     

基于神经网络的舰船全磁场部位识别

利用人工神经网络将舰船磁场的三个分量进行序贯融合处理 ,从而进行对舰船关键部位的精确识别 ,给出了处理方法及检验结果 ,并分析了提高网络推广性能的措施。     

基于神经网络的一类非线性系统的变结构控制

在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。     

网格安全研究综述

随着网络规模和应用的不断发展,网络安全问题已经成为影响社会经济发展和国家战略的重要因素.网格(Grid)作为第三代网络信息技术,它所具备的虚拟性、异构性、集成性及动态自适应性特征,决定了网格安全面临着巨大的困难和挑战.综述了网格安全目前面临的问题及其安全策略、技术和实施方案.     

虚拟专用网技术在校园网中的应用研究

在分析校园网实际情况的基础上,提出了一个基于校园网的虚拟专用网应用方案.通过对方案的实现结果进行测试和分析,验证了方案的可行性和有效性.     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

BP网络泛化能力改进研究

详细阐述了防止BP网络过度训练的方法,总结了常用的增强网络泛化能力的方法。并在此基础上,提出了基于主要影响因素和基于修正误差函数来增强网络泛化能力的方法,取得了良好的效果,提高了BP神经网络的适应性。     

一种基于神经网络的混沌控制方法

将神经网络(NN)与内模控制(IMC)相结合,提出了一种用基于BP神经网络的内模控制进行混沌抑制的方法,该方法既具有内模控制的特点,又引入了神经网络的在线自校正机制。应用所提出的方法,针对Duffing振荡器的混沌控制问题进行了仿真研究,仿真结果验证了该方法的有效性,同时还表明该方法具有很好的鲁棒性与自适应能力。