混沌吸引子细胞模型的扩展与详述 (Ⅱ )(英文)

基于本文的第一部分中提出的理论 ,引入同步轨道、组合轨道、n_层周期轨道和随机分叉等概念 ,提出了一个混沌吸引子的分形分层结构 .这种结构对于理解混沌运动的确定性和随机性具有重要意义 .

基于细胞吸引子选择模型的蚁群优化车载网路由协议

为了实现车载自组织网络中远距离场景下高效稳定通信,提出了一种基于街道的自适应路由协议。首先,根据街道的连通性和时延提出了街道评价方法,并以此为依据提出了基于蚁群优化算法的路径搜索算法,用来寻找到达目的地所在路口的节点序列。其次,根据HELLO消息的接收比对相邻节点的通信质量进行评价,提出了基于细胞吸引子选择模型的下一跳决策机制。最终,数据包沿着路径搜索算法找到的路线进行转发,并依据下一跳决策机制选择邻居节点集中权值最高的节点作为下一跳。仿真结果表明,相较于其他4种路由协议,所提出的协议在不同车辆密度和CBR连接数目下,均保持着较为优异的数据包投递率和平均端到端时延。

基于多尺度网格细胞的路径整合模型

针对类脑机制下空间位置自主推算问题,提出一种基于新型叠加算法的路径整合模型,通过引入多尺度网格细胞提高路径整合结果的准确性。在路径整合模型中,基于吸引子网络构建网格细胞与头朝向细胞模型,通过头朝向变化量来判断运行体的运行状态,完成不同运动的整合过程;采用动态权重值分别计算直线运动与曲线运动过程中多尺度网格细胞的位移变化量,提高路径整合的精度。仿真结果表明,单一尺度与多尺度网格细胞路径整合模型都能够完成路径整合,且在3000m的距离内,多尺度网格细胞模型误差不超过15m,证明了多尺度网格细胞模型能够提高路径整合的精度,验证了该路径整合模型的有效性。

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题,提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向,使网格细胞具有特定的感应方向,仅对特定方向上的速度产生响应。基于改进的吸引子网络模型,构建多尺度网格细胞群,并对空间进行表征。仿真结果表明,改进后的网格细胞模型只响应相应方向的速度,准确整合速度信息,表征部分未探索区域,且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域,表征结果的误差不超过0.2 m,证明了该模型能够扩大网格细胞的表征范围,提高表征精度与表征能力。

基于单亲遗传算法和子像元/像元空间吸引模型的亚像元制图研究

混合像元普遍存在于遥感图像数据中。与传统的硬分类(Hard Classification)方法相比,在处理混合像元时,软分类(Soft Classification)技术可以避免信息丢失;但是,通过软分类技术获得的结果,仍然无法确定各分类在像元中的具体位置。子像元制图(或超分辨率制图、亚像元制图)技术能将软分类技术得到的结果转化为更高分辨率的图像,它能兼得软分类和硬分类两者的优势。将遗传算法的一个变种—单亲遗传算法应用于子像元制图,结合子像元/像元空间吸引模型,单亲遗传算法能直接获得子像元制图结果。以合成的图像和实际的土地覆盖图像为实验对象,通过目视比较和定量精度评价,与硬分类的结果相比,该方法能取得更高的制图精度和更好的结果。

网格细胞的计算神经科学研究

2014年诺贝尔生理学或医学奖得主莫泽夫妇发现大脑内嗅皮层存在网格细胞。对环境空间中成晶格状分布的位置发生放电反应。这种反应模式近乎几何构图的规律性。激发了进一步探讨神经计算机制的热情，相关模型如雨后春笋般涌现。

三阶自治系统混沌存在的一个解析判据

根据混沌吸引子细胞模型理论 ,提出一个混沌解析判据 ,该判据可用于具有缓变振幅的动力系统 .同时以Genesio系统为例说明了这个判据的运用方法 .

面向群业务的移动互联网自适应资源分配机制

现有的移动互联网资源分配机制大多面向单一业务,无法高效支持群业务。针对这一问题,提出一种面向群业务的自适应资源分配机制。综合考虑动态变化的异构网络环境、群业务特征和用户需求,采用吸引子选择模型来计算备选网络的优先级;在此基础上,运用逼近理想接入网络法对备选网络进行多属性判决,为群业务选择适宜的接入网络。仿真结果表明,该机制显著提高了用户体验和网络资源的利用率。

智能信息处理的多指标面板数据聚类方法及其应用

为提高具有先验知识样本的学习效率,本文在吸引子传播聚类模型基础上,引入半监督学习策略,并综合考虑样本动态信息变化,融合多指标面板数据,提出智能信息处理的多指标面板数据聚类模型。选取30家房地产业上市公司2009-2013年相关财务数据,利用此模型进行聚类和绩效评价分析。结果表明,智能信息处理的多指标面板数据聚类模型能更加有效地区分样本类别特征,可为上市公司绩效评价、金融管理与决策提供一个更加有效的方法和手段。