函数依赖图的理论及应用

本文提出函数依赖图的概念和理论,并重点应用它对关系模式候选关键字的求解问题进行了深入而系统的讨论,解决了单属性情况下候选关键字的求解问题,得到了若干新的结论。     

Ad Hoc网络NLRP路由协议及其开销函数

目的 研究移动Ad Hoc网络路由协议的规模性开销函数。方法 运用所提出的节点位置路由协议(NLRP,Node Location Routing Protocol)和节点移动性分析模型,推导了与位置更新和目的节点搜索有关的开销函数。结果 路由协议的总开销是凸函数,最佳位置更新阈值决定了路由开销。结论 对于给定的路由协议,网络的规模性取决于路由开销。根据路由请求到达的分布规律和节点的移动性,建立协议的开销函数,是进行网络优化和规模性研究的关键。     

数控手工编程中节点坐标的编程计算

本文论述了数控手工编程中节点坐标计算的三种情况,并从理论上分析了编程的思路和实现方法。     

3G系统中网元时间同步的一种实现方法

提出了一种新的网元时间同步方法，该方法利用宽带码分多址（WCDMA）及时分-同步码分多址（TD-SCDMA）移动通信系统中系统已有的RNC与NodeB间节点同步过程实现网元时间同步。该方法实现简单，时间同步精度高，且减小了网元在时间同步上开销。     

遗传算法在非线性电路分析中的应用

本文提出了一种用遗传算法求解非线性电阻电路方程的方法，并通过实例进行了验证。实验证明这一方法可以有效地防止传统数值解法中的迭代振荡和发散问题，可广泛用于非线性电路的分析。     

基于病毒体投射机制的移动无线传感网节点定位算法

为解决当前移动无线传感网节点定位方案存在感知过程复杂、定位准确度不高,难以适应节点拓扑变化频繁的实际场景等不足,提出了一种基于病毒体投射机制的移动无线传感网节点定位算法。首先,鉴于当前直接测序方案及间接测序方案均存在抗噪能力差的不足,设计了多点定位方案,引入多个锚节点联合定位,定位过程中采用迭代方式降低接收信号强度指示(received signal strength indication,RSSI)误差,有效解决了定位过程中存在的圆环分布现象。随后,考虑移动无线传感网节点存在的拓扑漂移速度较快,且坐标存在随机分布的规律,将锚节点看作病毒体,将移动无线传感网节点看作子病毒体,并针对病毒体-子病毒体之间存在随机拓扑规律,引入了病毒体投射机制,并通过迭代方式设计距离定位方案,模拟移动无线传感网定位过程中定位节点与待定位节点之间的拓扑漂移关系,提高网络对定位过程的感知能力。最后,引入权重调节机制对定位坐标进行误差消除,进一步提高网络定位精度与感知性能,强化对移动状态下节点间拓扑的感知与监控,减少网络抖动对定位过程的影响。仿真实验表明,本文算法与当前常用的凸优化的无线传感网障碍环境下定位算法(location algorithm in wireless sensor network obstacle environment based on convex optimization,OECO)及基于精确定位机制的改进DV-HOP算法(on improved DV-Hop localization algorithm for accurate node localization in wireless sensor networks,AN-DV-Hop)相比,具有更高的定位收敛速度和更低的定位误差低。     

Ad Hoc网络技术在频谱管理中的应用研究

分析了传统频谱管理的特点和不足,分析了现代频谱的通用模型,专用模型、干扰温度对频谱管理的影响,分析了Ad Hoc网络MAC协议中同步冲突分解和节点状态路由协议在频谱管理中的应用。     

多端口网络参数间转换简易算法

本文给出利用封禁的方式,由网络节点导纳矩阵求得多端口网络短路导纳矩阵的方法,同时导出了多端口网络各参数矩阵之间转换的统一计算公式。     

带有节点异质性和免疫策略流行度的研究方法

网络免疫技术是抑制病毒传播的主要方法之一。本文针对当前网络病毒免疫策略未考虑的网络节点异质性,以及现实网络中免疫策略流行度问题。提出一种带有免疫策略流行度的策略研究方法,并将网络节点异质性考虑在内。通过建立无标度网络的病毒传播模型,研究网络节点异质性和免疫策略流行度,在控制网络病毒传播所起到作用。     

基于复杂网络和遗传算法的特征选择方法

特征选择作为一种常见的降维方法,一直以来都是机器学习和数据挖掘领域的热点话题.针对传统特征选择算法没有充分考虑特征全局冗余性,导致选择的特征子集对分类识别精度不够高的问题,提出基于复杂网络节点重要度评估和遗传算法的特征选择算法,将每个特征视为网络节点,根据互信息建立边,将特征选择问题转化为节点重要度评估问题,利用遗传算法选择最优特征子集.实验结果表明此算法能够找到较为优秀的特征子集,有效降维并提高分类精度.