基于CPK安全分簇的方案

无线传感器网络被应用于诸多行业与领域。随着网络技术的发达,传感器网络也面临着越来越复杂的安全威胁。基于分簇层次性网络的安全防护,我们首先应关注的是构建可信度网络,从而实现各节点间的信息相互认证,达到更加安全的系统化管理。在网络成簇过程中引入基于CPK技术的认证机制,利用选举簇头向管理中心申请并获取钥映射算法、私钥、椭圆曲线参数、公钥矩阵来完成随机数值的计算与认证,从而有效地增强具有层次结构的网络的安全性。     

温州农村公共产品供给与需求的调查研究

从供给角度看,温州农田水利等农业基础设施仅基本满足农业生产需要;乡村道路、有线电视、宽带网络等生活基础设施较完善;超过半数的被调查者认为农村中小学校舍和教学基础设施良好;被调查者对农村保障性公共产品、文化娱乐设施供给满意率近五成。从需求角度看,农村公共产品需求的优先序依次为:生产生活基础设施、农村义务教育、农村医疗和社会保障、村庄整治与环境保护、农业科技信息服务、村民自治、文化娱乐设施与服务。结果表明,温州农村公共产品供给与需求存在一定程度的结构性失衡。文章针对此问题提出了相应的对策与建议。     

淬硬钢的金属陶瓷刀具车削加工

利用热压烧结法制备了微米/纳米复合Ti(C,N)/Al2O3陶瓷刀具,采用CA6140车床、电子显微镜和扫描电镜研究了微米/纳米复合Ti(C,N)金属陶瓷刀具(编号为:JT1-JT3)切削45淬硬钢的切削性能和显微结构,和硬质合金刀具YT14及陶瓷刀具LT55、SG-4进行了对比.结果表明,所研制的刀具适合于切削45淬硬钢,切削性能优于YT14.分析了刀具的磨损形貌和磨损机理,新型Ti(C,N)金属陶瓷刀具的主要磨损机理为后刀面磨粒磨损和氧化磨损.采用金属陶瓷刀具车削工件,可以实现以车代磨,不但质量得以保证,而且可以降低成本.     

NiW合金基带表面c(2×2)-S超结构的硫化处理

由于硫元素与氧元素化学特性相近,利用硫在Ni基带表面形成的c(2×2)-S超结构可以有效地控制氧化物缓冲层在Ni基带表面的织构.本研究提出将单质硫在120℃下挥发,利用单质硫在基带表面的吸附与脱附形成有序c(2×2)-S超结构的新技术路线.X光电子能谱(XPS)结果显示,采用新技术处理的金属基带表面有明显的硫元素,基带表面Ni和S的原子比例符合c(2×2)结构中S的覆盖度,即0.5的要求.在经过硫化处理后的NiW基带表面制备缓冲层,结果显示,新硫化处理技术改善了NiW基带表面的物理化学特性,有利于氧化物缓冲层的外延生长.     

基于改进Fast-MCD的稳健数据预处理方法

对于工业过程数据中的离群点,一般采用稳健估计技术处理.针对Fast-MCD算法中初值随机给定,以及当样本数据较大时,人为给定分堆个数的缺点,提出了一种基于模糊聚类的改进稳健估计算法,即采用聚类中心及聚类个数分别作为Fast-MCD算法的初值及分堆个数选择依据,从而提高计算效率,并使样本数据较大时的分堆计算更合理.将本方...     

无线传感器网络多重覆盖成簇算法

在传统的无线传感器网络簇生成算法中,簇首的选择没有考虑其剩余能量,也没有分析簇首为簇内节点提供数据转发服务存在服务失败的问题,为此提出了一个新的无线传感器网络簇生成算法———多重覆盖成簇算法,该算法以待选簇首节点的剩余能量和节点初始能量的比值作为簇首服务的失败率,在此基础上算法选择的簇首通过对关键节点进行多重覆盖,以保障关键节点数据的可靠传输.最后,通过仿真实验验证了算法的有效性和正确性.     

基于相对熵和子空间二次过滤的CLIQUE改进算法

提出了一种基于相对熵和子空间二次过滤的CLIQUE改进算法。该算法根据数据的分布情况对每一维采用自适应的网格划分方法,减少了全空间中网格单元的数量,降低了算法的时间复杂度。算法采用了基于维关联度的子空间二次过滤策略,提高了聚类结果的准确性。实验使用仿真数据表明,该算法在精度,时间复杂性等方面的表现优越。     

K-means聚类算法研究

K-means算法作为聚类分析算法,已被广泛地应用到诸多领域。本文研究了K-means算法的基本原理,并将其应用到高校学生入学信息分析中。高考学生入学的相关信息包含了大量重要的学习及其他方面的信息,对这些数据信息进行分析和研究,有助于教师对不同类别的学生进行不同方式的教学,做到因材施教。首先对学生的入学信息数据进行预处理,然后使用K-means算法,对学生信息进行分类评价;最后利用所获得的分类结果指导学生在大学期间的学习方向以及教师对学生的培养工作。     

一个供应链系统解的稳定性分析

本文通过一个可修复供应链系统,利用泛函分析和正压缩C0-半群的性质,通过研究系统算子谱点分布情况,证明系统存在非负稳态解,并且当t→∞时,非负时间依赖解收敛到该稳态解,得到供应链系统解的渐近稳定性.     

基于改进径向基函数网络的电力系统短期负荷预测

电力系统短期负荷预测是电力生产部门的重要工作之一,本文利用径向基函数网络（RBF）进行负荷预测,针对RBF在负荷预测中隐含层节点数难求问题,提出了一种改进的最近邻聚类学习算法即可解决该难点,又可提高RBF神经网络收敛速度和负荷预测精度．根据某地区电网的实例进行研究,结果发现本文算法比改进前的算法预测的最小、最大相对误差分别减小0．14和1．12,证明了改进后算法有效性和可行性,为电力系统负荷预测提供了一种新途径．