基于模糊模式识别的多通道目标选择算法

给出一种多通道用户界面的三维表示模型，证明目标选择是多通道人机交互技术的核心。针对多通道用户界面中输入信息的不精确性，运用模糊模式识别理论，提出根据不精确输入信息进行的目标选择算法。

MCTSA：一种DTN网络中Ferry多约束目标选择算法

DTN网络由于节点分布的稀疏性、节点移动的随机性、消息通信的不确定性使得网络拓扑频繁变化、通信链路经常中断、传输延迟相对较长,直接影响DTN网络的性能。Message Ferry路由机制给DTN这种资源受限的网络场景中的数据通信提供了一个有效的手段。文章针对Message Ferry目标节点的选择技术进行了研究,并提出了多约束条件下的目标选择算法--MCTSA。

一种多约束目标选择算法在DTN网络中的运用研究

DTN网络由于节点分布的稀疏性、节点移动的随机性、消息通信的不确定性使得网络拓扑频繁变化、通信链路经常中断、传输延迟相对较长，直接影响DTN网络的性能。Mes—sageFerry路由机制给DTN这种资源受限的网络场景中的数据通信提供了一个有效的手段。通过对MessageFerry目标节点的选择技术进行研究，提出了多约束条件下的目标选择算法——MCTSA。实验结果表明：MCTSA算法相对于原有的单一约束目标选择算法在消息传递率、传输延迟和网络负载等方面的性能都有了很大的提升。

无线传感网中基于sink节点的目标位置选择移动算法

在深入研究k-means算法和连续Hopfield神经网络算法的基础上,提出一种目标位置选择移动算法,该算法先利用k-means算法的原理,将网络中能量相近的节点进行聚簇,并选取每个簇的质心作为sink节点可以安放的目标位置,再利用连续Hopfield神经网络算法的思想,为sink节点的前进预设一条最优路径。Matlab仿真结果显示,该路由算法可以有效地抑制能量空洞的现象,对延长网络寿命具有重大意义,同时对解决能源问题也做出了一定贡献。

多目标系统最优控制方法研究

用多个性能指标评价系统更有实际意义,但在现有的研究中,针对此类问题所采取的方法通常是线性加权,权值是人为选取以达到"最优",这就使得"最优"控制成为主观最优而非数值实际最优。本文针对这一问题,结合决策者先验知识的多少,给出2种新的解决方法:层次分析和Pareto交互式决策。首次采用免疫克隆选择多目标优化算法来设计多指标情况下的LQR控制器。仿真结果表明:该算法在时间复杂度、分布性等方面均优于现在常用的NSGA-II,且本文给出的解决方法更适合于复杂情况下的最优控制器设计。

基于M3和POSS特征的网络流量分类研究

网络流量分类是网络研究和流量工程的重要基础,网络流量分类大致分为基于端口号、有效负载、主机行为和机器学习等四种分类方法。目前基于机器学习的方法成为了研究热点。在机器学习过程中,特征选择可以实现数据维度约简,从而提高学习模型的泛化能力。针对大规模的流量数据以及网络流量中存在的类别不平衡问题,将最小最大集成策略(min-max module,M3)和多目标演化子集选择算法(Pareto optimization for subset selection,POSS)应用到网络流量分类的特征选择过程中。同时将该方法与其他特征选择方法以及经典的处理类别不平衡问题的方法进行对比。实验结果表明,M3策略在大部分情况下能获得较好的性能,并能有效处理网络流量中类别不平衡的问题,在流量分类应用中具有一定的实用性。

WiMAX网络基于本地路由的切换优化方案

该文介绍一种可实施的WiMAX网络小区切换优化方法。方案运用与IEEE802.16e规范一致的切换触发流程,并基于WiMAX网络本地路由技术设计了路由状态预判断方法和目标基站决策算法。