联合功率域SPMA协议的动态阈值算法

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。     

补偿模糊神经网络在故障树分析中的应用研究

将补偿模糊神经网络用于故障树分析中的研究,建立了故障树顶事件失效模糊概率计算的补偿模糊神经网络模型,给出了应用实例.结果表明,将补偿模糊神经网络用于故障树分析是可行的,其计算更为方便,结果更为精确.     

关于Erlang(n)风险过程的破产概率

考虑一个连续时间的风险模型,其中索赔时间间隔服从Erlang(n)分布,而且风险过程的调节系数不存在,本文给出了破产概率的渐近估计.     

考虑枢纽失效情形的客运枢纽层级选址模型

基于混合式服务模式,提出了枢纽失效和不完全信息条件下旅客依次访问备选枢纽的服务策略,并建立了有容量限制的可靠性层级选址模型。实例分析结果表明,该选址模型可以增加选址方案的可靠性,降低由于枢纽失效而产生的惩罚费用。模型参数敏感性分析结果表明,对于失效概率过高的枢纽设施网络,仅靠增加枢纽数量已无法提高选址方案的可靠性,而保持较高可靠性的枢纽设施网络在应对可能造成高损失事件时的弹性较高。     

概率统计观念形成中的思维障碍分析

概率统计的研究对象是随机现象.概率统计思维的本质在于:对随机事件发生的频繁程度定量化,在不确定的情景中作出良好判断.正是其思维方法别具一格,学生理解概率显得很复杂、很困难.通过对具体概率统计问题常见错误的分析,发现概率统计观念形成中的思维障碍,提出概率统计教学中应关注的方面.     

混沌粒子群优化算法及其在平面选址问题上的应用

通过引入混沌来影响粒子速度的更新,构造出一种混沌粒子群优化算法.其主要思想是用混沌迭代引导个体进一步优化,从而避免群体陷入局部最优,而且收敛速度得到加快.通过对三个测试函数以及平面选址问题的求解,验证该算法具有非常好的性能.     

大规模网络中基于FFT的呼叫阻塞率的快速算法

在大规模网络条件下,Kaufman提出的一维递推快速呼叫阻塞率（CBP）算法由于其呼叫阻塞率的计算将导致系统计算溢出,改进的Kaufman方案虽然消除了计算溢出,但是其计算时间随网络规模的变大呈指数增长．有鉴于此,文中提出了一种基于快速傅立叶变换（FFT）方法和计算溢出避免预处理机制的呼叫阻塞率快速计算方法．仿真结果表明,该算法消除了计算溢出且降低了计算复杂度,具有计算简单、无误差、速度快的优点．     

基于贝叶斯网络的中医辨证系统

将贝叶斯网络运用于中医辨证系统的研究,以更加量化中医辨证诊断系统.通过将中医体系中的916个证候,51项证素及其构成的1700条证名构成中医辨证贝叶斯网络的节点集,初步建立起中医辨证数据库并通过网络学习,形成中医辨证贝叶斯网络结构及概率表.利用建立的贝叶斯网络中医辨证系统,进行数据计量分析、推理验证证候—证素—证名间的关系,其结果与中医专家经验有很高的吻合性,尽管其仍未能全面反映中医辨证的思维能力.所以贝叶斯网络是对中医辨证进行信息挖掘处理的一种较好方法,可应用于中医人工智能辨证系统的建立.     

一种确定IFSP中迭代次数下限的算法

提出了一种求解带概率的迭代函数系统（IFSP）中迭代次数下限的自动算法,该算法基于一个基本假定,从给定的多个压缩仿射变换矩阵的谱半径入手,先分别求出每一个压缩仿射变换收敛到其对应的不动点时的迭代次数,然后根据每一个压缩仿射变换使用的概率即可计算出IFSP中迭代次数的下限．理论分析和实验计算结果表明,提出的算法能有效地确定IFSP中迭代次数的下限,且在保证分形图质量的同时避免了不必要的计算开销,为快速生成高质量的分形图提供了一种有效的方法．     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.