基于结点行为特征的可信性度量模型

由于网络的开放性、多样性和复杂性,其可信性面临严峻的挑战,为保证整个系统的可信性,建立结点间有效的信任关系管理结构是十分必要的.同时考虑到基于自主合作的新兴计算模式,将影响结点行为这一发展趋势,从网络结点行为特征出发,将网络系统抽象成一个基于信任领域和Agent技术的具有层次结构的虚拟可信管理模型(MMA),研究MMA结构中各结点的逻辑构成和功能.通过分析影响结点行为的各种因素,抽象表达用于结点可信性计算的预期行为特征,研究对结点行为可信性进行监控和度量的方法.根据结点行为的表现及其可信性历史信息,动态调整和预测结点行为的可信值,并通过定义可信区间,实现对结点间信任关系的组织和管理,从而建立基于结点行为特征的动态信任关系管理模型.最后,通过仿真实验验证了模型的可行性和有效性.

基于神经元网络的ARMA模型结构选择

模型结构选择是随机时间序列（ＡＲＭＡ）模型建模过程中的重要环节。本文建立了用于ＡＲＭＡ模型结构选择的ＨＭ神经元网络（ＡＮＮ）结构和算法。试验结果表明，ＡＮＮ方法能够实现对ＡＲＭＡ模型结构选择。与传统的方法相比较，这种方法速度快，且易于理解。

基于TransCAD多模式分配的交通影响分析方法及实例

基于TransCAD软件在交通影响分析的交通量预测中的应用,重点阐述软件的具体操作步骤与方法,并通过引入多模式交通分配模型(MMA),建立城市道路与公交线路的联合网络分配,有助于有效评价新建项目对周边路网的交通影响。