基于用例图呼叫处理场景的不确定性冲突过滤方法

基于用例图建立的呼叫处理模型，针对Nakamura提出的业务冲突过滤方法中基桩配置矩阵合并开销过大和过滤检测结论冗余过多的缺点，从增加排除合并前提条件和增强过滤检测定理两个方面进行了改进，并提出了改进的过滤算法．计算机模拟实验结果证实：该改进算法不仅能够明显提高业务合并的效率，同时还能更加精确地定位冲突，减少不确定性结论，提高过滤检测性能．     

基于改进ORB-SLAM2算法的动态特征点剔除

随着SLAM系统的不断发展,人们对定位服务的要求越来越高,提高定位精度是一直以来不断研究的课题。为了能以更高定位精度的方式来获取图像中的语义信息,本文首先通过对比One stage算法中的网络模型选用了YOLOV5网络模型对目标物体进行检测和识别,提出一种基于动态区域内剔除动态特征点的SLAM算法,利用训练的网络提取图像中语义信息并对动态目标特征点进行剔除,在公开TUM数据集上进行验证,通过对比真实轨迹和本文算法的估计轨迹来进行误差分析。试验结果表明,本文提出的改进算法相对位移误差的均方根误差减小了97.83%,相对旋转误差的均平方根误差减小了96.80%。     

基于改进水平集模型的黄海绿潮提取算法研究

针对绿潮业务化监测应急能力不足等问题,基于全极化RadarSat-2的合成孔径雷达(syntheticaperture radar,SAR)影像数据,以黄海海域为研究区域,提出了一种基于改进水平集模型的绿潮提取算法,并对该提取算法的偏差、精度、提取速度等进行了验证。试验结果表明,在相同区域,改进水平集算法与传统阈值法提取的绿潮覆盖面积基本一致,提取精度较传统方法稍有提高;在效率方面,改进水平集算法具有更高的时间优势,更适应绿潮业务化监测的需要。改进的水平集算法能较好地提取SAR影像的绿潮信息,为绿潮的业务化监测提供了新的方法。     

一种改进的无线传感器网络ACE分簇路由协议

提出一种ACE改进算法,在ACE完成分簇后,对网络中未分簇节点和冗余簇进行合并,降低簇间重叠,使网络中的簇拓扑结构更加合理。仿真结果表明,改进的算法能有效降低网络中冗余簇的数量,降低簇内重叠区域的大小。     

基于改进水平集模型的黄海绿潮提取算法研究

针对绿潮业务化监测应急能力不足等问题,基于全极化RadarSat-2的合成孔径雷达(syntheticaperture radar,SAR)影像数据,以黄海海域为研究区域,提出了一种基于改进水平集模型的绿潮提取算法,并对该提取算法的偏差、精度、提取速度等进行了验证。试验结果表明,在相同区域,改进水平集算法与传统阈值法提取的绿潮覆盖面积基本一致,提取精度较传统方法稍有提高;在效率方面,改进水平集算法具有更高的时间优势,更适应绿潮业务化监测的需要。改进的水平集算法能较好地提取SAR影像的绿潮信息,为绿潮的业务化监测提供了新的方法。     

基于一种蚁群优化算法的农业WSN路由节能研究

事件驱动型的无线传感器网络在农业生产中进行信息采集时,针对节点能量均衡和局部网络控制,提出了基于簇的多路径蚁群路由算法(CBACO).算法根据局部网络节点分布情况以及自身能量情况,利用信息素能量更新模型,动态选择最优路径,降低节点间通信消耗.利用Matlab仿真表明该算法能有效减少节点能耗,延长网络生命期.     

分布式动态自适应负载平衡算法

为了使分布式网络保持高效的运作,对网络的负载平衡算法的选择非常重要。在多种常用的负载平衡算法中选择了动态自适应负载平衡算法,并对其进行了改进,根据结点负载情况,区分轻载结点和重载结点,并依此分为任务发送者和任务的接收者,以及既不发送也不接收,并周期性的更新结点负载状况表,使之符合分布式网络上资源多样且变化较大的特点,让网络各结点保持忙状态,从而提高系统整体的效率。     

基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。     

基于二层规划的改进RBF算法在iris数据集分类中的应用

基于二层规划上下层相互制约、各自独立决策的性质,融合遗传算法的选择、交叉算子,采用交叉验证方法,动态改善RBF算法的精度,使奇异样本以较大概率落在下层,以得到精度较高的训练网络。研究表明,改进RBF算法可以提高训练网络的泛化能力,并能以较大概率得到预测集中的奇异样本。     

面向云计算的虚拟机动态迁移技术研究

以虚拟机动态迁移关键技术的优化作为研究的主要目标,对现有的虚拟机动态迁移框架进行解析,改进动态迁移机制和迁移算法,提出预测概率算法和内存压缩算法。通过实验与比较分析,证明该改进框架和算法在虚拟机动态迁移上减少了数据传输量,缩短宕机时间,提高了虚拟机动态迁移性能。     

中国企业对美直接投资方式选择的实证研究

路径诱导是一种主动引导车辆合理分流来解决城市交通拥堵的方法.本文提出了一种基于增量搜索的多目标优化路径诱导方法.该方法首先利用图论法将复杂路网抽象为点线的赋权图,引入多目标优化变量,建立路网模型;然后在启发式搜索基础上引入增量搜索,结合全局规划和局部动态重规划,实现车辆的实时路径诱导.仿真结果表明该方法能有效地解决复杂路网中车辆的实时路径诱导问题.     

有到达时间要求的动态交通配流模型研究

动态交通配流问题是智能交通系统的重要研究方向之一。本文在以往研究成果的基础上,考虑了道路最大通行能力对于配流策略的影响,以及交通流到达目的地的时间要求,以系统最优的思想,建立了1种对交通流到达目的地有时间要求的动态配流模型。本文应用遗传算法对所提出的模型进行了求解,提高了模型的适用性。最后通过1个简单的算例,从而验证所提出的动态配流模型及求解算法的有效性和可行性。     

基于正态平稳的马尔可夫周期流量预测算法

为提高网络流量预测的准确度,提出一种新的马尔可夫流量预测算法。将实际网络流量序列分解为周期序列和正态平稳序列,对正态平稳序列建立马尔可夫模型并对其进行预测,结合预测值和周期序列得到实际网络流量的预测结果。实验结果表明,该算法具有较高准确度。     

使用小波多孔算法提高网络业务流自相似参数求解精度

针对网络业务流自相似参数的离散小波估计方法中大尺度下小波系数能量估计的不精确问题,提出了一种使用多孔算法估计自相似参数的方法,该方法可以提高自相似参数估计的精度。分析比较了多孔算法区别于离散小波变换的特点,剖析了自相似参数小波估计方法的机理和存在的问题,通过对真实网络业务使用离散小波和多孔算法估计方法估计自相似参数的试验,表明多孔算法在提高自相似参数估计精度方面比离散小波方法提高一个数量级,而且参数的95％置信区间有所减小。当然,多孔算法的机理限制了其在实时网络业务流管理方面的使用．更适合网络性能评估和网络规划。     

一种改进的FRED拥塞控制算法研究

网络中的拥塞现象是不会随着网络处理能力的提高而消除的,我们只能通过不断地更新算法来避免和推迟拥塞的到来。在分析FRED算法的基础上提出了一种改进后的NEW FRED算法,并对该算法进行了抓包实验。实验证明NEW FRED算法在调整平均队列长度及控制网络数据流量方面有很好的作用,更好地避免和推迟了拥塞的到来。     

非监督分类在城市交通分区中的应用

讨论了交通分区问题,介绍了交通分区的必要性,针对交通设施状况、运行状况、环境状况,选取9个指标进行城市交通分区。综述了采用非监督分类方法进行交通分区的原理,在此基础上研究了城市交通系统分区的过程,对城市交通进行分析和评价提供了一些有用的资料。以北京城区交通网络划分为例。     

WiMAX系统下行链路QoS保障技术

WMAX是一种无线城域网接入技术,主要用来解决“最后一公里”接入问题.由于“最后一公里”接入是典型的上下行链路不对称的应用,下行链路的数据量要比上行链路大得多,因此下行链路QoS机制显得尤为重要.在研究wiMAx系统下行链路QoS机制的基础上,对下行链路调度算法进行研究并进行改进.实验表明改进的算法在吞吐量和时延方面的...     

基于改进的BP网络的高速公路事件检测

在高速公路交通拥挤状态自动判别(ACI)系统中,高速公路事件检测的精度尤为重要。分析了引起高速公路交通事件的主要因素,提取人、车和环境三者中对交通事件影响比较大的因素的模糊评价值作为输入,然后运用BP神经网络对基本的交通参数进行预测,把预测值和实测值的比值也作为神经网络的输入。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,采用了自适应的学习速率和附加动量法,对网络进行训练。最后,将此算法在MATLAB环境中进行仿真。仿真结果表明了算法的有效性。     

基于相空间重构的网络流量RBF神经网络预测

应用混沌理论，分析了网络流量，用单变量的网络流量时闯序列重构与网络动力系统等距同构的相空间，进而计算了实际网络的关维数和Lyapunov指数，并证实了网络流量存在混沌特性；据此建立了基于径向基函数（RBF）神经网络的模型，并对实际网络数据流进行了预测。仿真结果表明，相对于其他前馈神经网络预测，基于混沌理论的RBF神经网络预测方法学习速度快，预测精度高。     

利用最短路径算法结合GIS解决土地定级障碍物问题的研究

采用最短路径算法结合GIS的方法,对影响土地定级的障碍物问题进行研究,提出建立通行点网络的办法。结果表明:采用这种方法得到的扩散界面图更符合实际情况。