无标度网络拓扑结构非均匀性研究

利用网络结构熵定量分析了无标度网络拓扑结构的非均匀性.通过引入度秩函数,解析地给出了无标度网络的网络结构熵.研究发现当标度指数大于2时,无标度网络的网络结构熵仅与标度指数有关,与网络规模及最小度无关.在给定网络规模及最小度条件下,无标度网络的网络结构熵在标度指数等于1.7附近取最小值,即此时网络最不均匀,当标度指数大于1.7时,无标度网络的网络结构熵随标度指数单调递增.     

基于二进制神经网络集成的潜在通路分析

针对神经网络在潜在通路分析应用中的缺陷,提出了二进制神经网络集成(BNNE)算法。该算法结合了二进制神经网络(binary neural network,BNN)和神经网络集成(neural network ensemble,NNE),NNE的个体成员是BNN,集成算法采用GASEN算法,其输入为电路开关状态,输出为预测功能。通过比较特定开关状态下的预测功能和设计功能之间的差异,判断是否存在潜在通路。该算法综合了BNN、NNE的优点,可以有效提高神经网络的泛化能力和潜在通路分析的可靠性,仿真试验验证了算法的有效性。     

流程型企业主生产计划优化的ARMA-BP模型

为了解决流程型企业主生产计划(MPS)时段中计划参数与实际参数的不一致性问题,提出了自回归滑动平均模型(ARMA)与反向传播(BP)人工神经网络(ANN)的集成优化模型。基于主生产计划时段长度与产量之间的映射关系,利用平均时段长度折合产量法(OCM-ATS),该模型可用于分别逼近和预测主生产计划时段的长度时序和产量时序。给出的例子表明,该模型预测主生产计划时段的参数(计划参数)与实际参数的相对误差不超过3%。     

航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

大规模网络中基于移动代理的拓扑发现机制

针对基于移动代理的大规模网络拓扑发现,提出了一种基于移动代理洪泛的自启发式深度优先染色生成树算法。将一个大规模网络划分为若干个子网,在各子网内部利用移动代理洪泛策略并行地获取各子网拓扑信息。利用移动代理将每个子网拓扑信息进行汇总获得整个网络的拓扑。算法的复杂度分析和仿真结果表明本算法可在一定程度上减少网络流量和拓扑周期。     

基于自适应神经网络的非线性系统故障诊断

针对一类模型未知及状态不可测的非线性系统,提出了基于自适应神经网络的故障诊断策略,不仅在线估计神经网络的矩阵权重,而且在线估计高斯函数的宽度和中心。该方法对系统的未知非线性特性没有特别要求,仅对神经网络提出较弱的假设条件。首先利用径向基函数(Radial Basis Function,简称RBF)神经网络构造状态观测器,估计系统的状态。然后利用另一个自适应RBF神经网络作为故障估计器,其输入是系统的估计状态(而不是系统状态),其输出为系统所发生的故障模型。利用Lyapunov稳定理论详细分析了状态误差和故障误差的收敛性,分别给出了两个神经网络的参数调整律,仿真证明了该方法的实用性和有效性。     

基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

Web服务失效处理的反射中间件技术应用与实现

为提高服务有效性,在Web服务的客户方和服务器方配置反射层,捕捉到导致服务失效的各种状态和参数,有针对性地从服务内部动态调整服务运行状态和配置。依据服务失效类型,给出客户方和服务器方反射层的处理方法和工作过程,并借助于分层混合专家网络(HME)作为服务失效的检测方案,基于极大似然的HME学习策略可以对高维、非线性和强耦合的状态空间进行学习和辨识。通过实验和数据分析,表明了基于HME网络的反射中间件可以高效地对服务失效进行检测和处理。     

复杂网络输出同步及稳定性分析

针对现实复杂网络系统的状态经常难以观测,甚至观测不到,而有时仅部分状态能达到同步就能满足需要的情况,讨论了复杂网络输出同步问题.首先提出了复杂网络的输出同步概念,然后考虑了输出矩阵为奇异和非奇异的两种情况下的稳定性问题,给出了输出达到同步的几个充分条件.最后给出算例表明了在不满足状态同步的情况下,可实现复杂网络系统输出同步.     

Opportunistic spectrum sharing in software defined wireless network

Over the past few decades, the world has witnessed a rapid growth in mobile and wireless networks（MWNs） which significantly change human life. However, proliferating mobile demands lead to several intractable challenges that MWN has to face. Software-defined network is expected as a promising way for future network and has captured growing attention. Network virtualization is an essential feature in software-defined wireless network（SDWN）, and it brings two new entities, physical networks and virtual networks. Accordingly, efficiently assigning spectrum resource to virtual networks is one of the fundamental problems in SDWN. Directly orienting towards the spectrum resource allocation problem, firstly, the fluctuation features of virtual network requirements in SDWN are researched, and the opportunistic spectrum sharing method is introduced to SDWN. Then, the problem is proved as NP-hardness. After that, a dynamic programming and graph theory based spectrum sharing algorithm is proposed.Simulations demonstrate that the opportunistic spectrum sharing method conspicuously improves the system performance up to around 20%–30% in SDWN, and the proposed algorithm achieves more efficient performance.