面向服务的数字图书馆QGSA-DQP分布式信息查询研究

同传统图书馆相比,数字图书馆在利用计算机技术、网络通信技术、面向对象的程序设计技术、数据库技术等方面集成了大量数字化资源;在资源的加工、交流传播的服务手段和形式、数字资源的共建和共享方面有了质的飞跃。然而,如何实现各个操作系统不同、运行平台各异、分布的、多个异构数字图书馆间的共享与集成是一个非常迫切的问题。解决该问题的关键是如何将现有数据资源进行有效的整合。而网格理论的提出,为这一难题的解决提供了一个新的思路。结合我国数字图书馆的发展状况,提出了一个基于QGSA-DQP的分布式异构数据库信息检索模型,并从技术实现上进行了可行性的研究。

基于OFDM系统中双相位共轭孪生波的仿真研究

【目的】文章进行仿真研究实验的目的是提高正交频分复用(OFDM)—波分复用(WDM)光纤通信系统的性能,为此提出了正交分组子载波幅度整形(QGSAS)双相位共轭孪生波(dual-PCTW)方案以抑制该类系统的非线性效应,并搭建多种不同条件下的仿真系统以探究该方案的性能。【方法】具体的实验方法为:利用Matlab和Optisystem两种软件混合编程,在16和64进制正交幅度调制(QAM)格式下,选取两种QGSAS方案(正弦幅度整形和矩形幅度整形),搭建了3种维度(偏振域、子载波域和时域)的QGSAS dual-PCTW OFDM系统,共涉及12种组合形式。【结果】通过仿真分析不同方案下的系统误码率,结果表明:QGSAS dual-PCTW方案可有效提高系统对非线性效应的容忍度;在讨论的几种组合方案中,16QAM下时域方案的dual-PCTW技术对系统有最佳的性能改善;应用QGSAS技术时,矩形幅度整形方案性能优于正弦幅度整形方案。【结论】因此可以得到结论:在文章所提方案中,矩形幅度整形方案结合16QAM下的时域方案dual-PCTW技术,可以最有效地抑制OFDM-WDM系统的非线性效应。

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.6327%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。

A Quantum Behaved Gravitational Search Algorithm

Gravitational search algorithm (GSA) is a recent introduced global convergence guaranteed algorithm. In this paper, a quantum-behaved gravitational search algorithm, namely called as QGSA, is proposed. In the proposed QGSA each individual mass moves in a Delta potential well in feasible search space with a center which is weighted average of all kbests. The QGSA is tested on several benchmark functions and compared with the GSA. It is shown that the quantum-behaved gravitational search algorithm has faster convergence speed with good precision, and thus generating a better performance.