一种外加耦合控制器控制混沌的方法

提出了一种外加低维的线性控制器耦合于原系统控制混沌的方法．改变耦合控制器的特性系数,可以把混沌系统控制到不同的周期轨道或平衡点．对Duffing方程和Chua电路进行计算机模拟的仿真结果证实了这种方法的有效性。     

基于McWiLL的大范围多类型数据传输系统设计

为解决大面积范围内数量众多的灌溉机井水泵传感器网络中多种类型数据实时传输的难题,建立了基于McWiLL宽带无线接入技术的新型传感器网络。对该传感器网络各部分功能设计和网络规划进行了研究,并建立了小规模的实验网络;对该试验网络的覆盖范围、数据传输延时进行了测试,并与基于GPRS（Gerneral Packet Radio Service）的传感器网络进行了对比分析。结果表明,该传感器网络能采集并传输多种媒体数据、平均数据传输延时较GPRS网络缩短20%,最大数据传输延时缩短为GPRS网络的1/3,单基站网络覆盖范围约16 km,很好地满足了设计需求。     

模糊需求环境下的网络选址及规划分析

在需求充满不确定性,成本结构复杂的现实情况下,已知工厂和顾客的地理位置,如何从初步拟定的候选点中选择配送中心的建设位置,同时规划配送中心与顾客的配送关系,是公司决策中经常碰到的一个问题。为解决这一问题,建立了在模糊需求环境下,整体考虑与选址相关的各项成本,如库存、运输、仓库固定成本与内部搬运成本等的三级物流网络选址模型,并进而利用模糊数学领域的可信性理论,对模型进行了优化整理,得到了同解模型。指出了同解模型是整数规划问题的解法。     

一种主动网络管理模型的设计与研究

在分析传统网络管理面临困难的基础之上提出了一种新型的主动网络分布式管理模型,讨论了传统网络管理中存在的问题,分析了主动网络管理体系结构与管理机制.重点研究了节点结构、Smart的组成、管理机制、包的格式、编程语言和设计目标,以及安全性.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾.针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural netw...     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性.针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit,GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将...     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

中国风险投资网络结构特性及其演化

根据1999～2018年中国风险投资事件,构建了5年移动时间窗的联合风险投资网络,从复杂网络角度研究中国风险投资网络结构、特性及其动态演化规律.研究发现:在网络关系属性方面,中国风险投资网络规模在不断增大,机构之间网络能力差异性大,不利于网络的均衡发展;在网络结构层次方面,中国风险投资网络存在局部紧密性,并且,随着规模...     

上市公司高管连锁网络与分析师盈余预测精度

以2011～2017年度沪深两市A股上市公司为样本,从私人信息供给的视角,考察企业高管连锁网络对分析师盈余预测精度的影响.研究表明:上市公司网络中心度显著提升了分析师盈余预测精度;当上市公司的公开信息不充分时,其网络中心度对分析师盈余预测精度的提升效果更明显;当上市公司高管与连锁公司其他高管互动机会越多时,其网络中心度...     

基于CWD和残差收缩网络的调制方式识别方法

针对低信噪比时莱斯信道下特征提取准确性难以保证、识别准确率偏低等问题, 提出一种基于Choi-Williams分布(Choi-Williams distribution, CWD)和深度残差收缩网络(deep residual shrinkage network, DRSN)的通信辐射源信号调制方式识别方法。利用CWD将时域复信号转换为二维时频矩阵, 对深度残差网络添加软阈值化得到DRSN, 将时频矩阵样本用于对DRSN的训练, 最终构建不同信噪比下的调制方式识别网络。仿真实验表明, 基于RadioML2016.10a数据集, 利用部分先验信息的情况下, 该分类识别方法具有较高的识别准确率和噪声鲁棒性。在0 dB时, 对11类信号的总体识别准确率达到了89.95%;在2 dB以上时, 总体识别准确率均超过91%, 优于其他深度学习识别方法。