融合小波变换与贝叶斯LS-SVM的网络流量预测

为了提高网络流量预测的精度,研究了一种融合小波变换与贝叶斯LS-SVM的网络流量预测方法。首先将原始流量数据时间序列进行小波分解,并将分解得到的近似部分和各细节部分分别单支重构到原级别上;对各个重构后的序列分别用最小二乘支持向量机进行预测,将贝叶斯证据框架应用于最小二乘支持向量机模型参数的选择;将各个预测结果重构后得到对原始序列的预测结果。对比实验表明,该模型不仅具有较快的运行速度,而且具有较高的预测精度。

基于改进的QPSO训练BP网络的网络流量预测

为了提高网络流量预测的精度,采用一种改进的QPSO算法训练BP神经网络对网络流量数据的时间序列进行建模预测。针对标准的QPSO算法不可避免地出现早熟的不足,提出一种新的基于参数自适应的QPSO算法,较好地避免了粒子群的早熟,提高了算法的全局收敛性能。仿真实验结果表明,与PSO训练的BP网络、QPSO训练的BP网络作为预测模型相比,该模型具有更高的预测精度及很好的稳定性。

融合遗传算法改进的蚁群算法

针对蚁群算法存在停滞现象及收敛速度慢的缺点,提出了一种融合遗传算法改进的蚁群算法,在蚁群算法中引入路径遗传运算。对蚂蚁发现的路径进行染色体编码,通过适应度函数对蚂蚁的路径做适应度评价,进行路径交叉和路径变异运算,设计了新的信息素更新策略。以对称TSP测试集为对象,将改进算法与现有算法进行测试比较。实验结果表明,改进后的算法具有优良的全局优化能力,有效防止了停滞现象。

负载平衡路由:一种新的ACO路由策略

通过改进ACO算法达到一种能实现通信网络负载平衡的群体智能路由策略。采用的主要方法为:将蚁群划分为若干个子群,不同子群的蚂蚁释放不同类型的信息素。通过不同类型信息素之间的相互制约作用,以及链路负载的测量,提出了三种策略实现负载平衡路由。在模拟网络上进行了不同策略的对比实验,以及与已有的群体智能路由算法的运行测试比较。实验结果表明,本文的路由策略具有较好的效果和一定的优势。

融合AntNet与遗传算法的动态网络路由算法

提出了一种新的动态分布式网络路由算法。在AntNet算法中引入了路径遗传运算(GA),提出了新的信息素更新策略。对蚂蚁发现的路径进行染色体编码,并用适应度函数对其进行适应度评价,通过路径交叉和路径变异运算以及种群的不断进化,来提高解的质量。仿真结果表明,所提出的算法能快速收敛,且有效地提高了网络吞吐量、降低了平均延时。

小波神经网络和B-QPSO算法在Ad Hoc异常检测中的应用

引入一种基于边界变异的QPSO算法,即B-QPSO算法.首先利用B-QPSO算法训练小波神经网络,再将经过B-QPSO算法训练后的小波神经网络应用于Ad Hoc异常检测中.仿真实验结果表明,该算法与梯度下降法、PSO算法和QPSO算法相比,收敛速度快,具有更好的全局收敛性,提高了异常检测的准确性,并且降低了对正常情况的误判率.

基于案例的纺织专业单片机原理的教学实践

本文针对目前我校纺织工程专业本科课程《单片机原理与应用》的教学与实验平台的现状和存在的问题,通过改革实验教学内容研究了基于案例的教学模式,进行了纺织专业单片机原理的教学实践探索,使学生能掌握单片机的实用技术.本文所取得的单片机原理的教学的实践经验,在其他像PLC、ARM、FPGA等类似的学科教学中具有一定的推广价值.

群体智能路由和负载平衡算法研究进展

针对当前路由算法不能胜任解决网络不断增加的复杂性问题,通过自然生物群体证明的群体智能,在网络路由方面具有非常强大的研究启发,文中对群体智能算法在计算机网络路由和负载平衡方面的理论及应用研究进展进行了较系统的论述,并比较了应用ACO算法解决路由和负载平衡问题的3个主流研究工作;讨论了群体智能路由算法的收敛停滞问题及其最新解决方法;指出了新的研究方向。

改进的基于形态学小波多聚焦图像融合方法

提出了一种改进的形态学小波多聚焦图像融合算法。针对文献[1]基于形态学小波多聚焦图像融合方法在重构过程中存在灰度值下溢的缺点,提出了一种检测-重融合的新方法。融合试验表明,该方法优于传统的形态学小波融合方法。

基于QPSO小波神经网络的网络异常检测

为了提高网络异常检测中,对异常状态的检测率,降低对正常状态的误判率,提出一种基于量子粒子群优化算法训练小波神经网络进行网络异常检测的新方法。利用量子粒子群优化算法(QPSO)训练小波神经网络,将小波神经网络(WNN)中的参数组合作为优化算法中的一个粒子,在全局空间中搜索具有最优适应值的参数向量。实验数据采用KDD CUP99数据集,实验结果表明:该学习算法与传统的梯度下降法(GD)和粒子群算法(PSO)相比,收敛速度快,具有更好的全局收敛性,提高了异常检测的准确性,同时该方法对于新的异常也有较高检测率。

一种DDOS在线检测法

由DDoS攻击时流量样本与Hurst指数的关系,得到检测DDoS的方法.以提升小波估计Hurst指数法为基础,设计出小波算法的能谱在线计算方法.与传统检测法相比,本法可在线观察业务流特征,能及时发现DDOS入侵。

一种改进主动形状模型的研究

主动形状模型(Active Shape Model,ASM)是一种较为流行的用于特征定位的统计学形状模型,主要应用于灰度图像中物体的跟踪与定位。在传统主动形状模型基础上,研究了一种构建局部纹理模型的新方法。该模型充分利用特征点之间的联系,构建加权模型。在ORL人脸数据库、JAFFE人脸数据库中进行特征定位实验,并进行了ASM性能分析。结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。

基于人工鱼群算法的主动形状模型

在分析ASM不足的基础上,研究了一种基于人工鱼群算法(AFSA)的ASM,从而有效克服初始状态对定位结果的影响。对ORL人脸数据库进行特征定位的实验结果表明,算法具有搜索速度快、定位精度高、对初始状态不敏感、避免局部最优等优点。

一种八边形的混合快速运动估计算法

根据图像序列的运动矢量的时空相关性和中心偏移特性,并结合零运动判断,设计研究了一种八边形模式搜索[1]。其在中等或大运动块的情况下相对于FS、TSS、DS、MVFAST能够得到更高的精确度,又由于对非静止块采用了起始点预测,减少了搜索的时间,同时可以大大提高搜索速度。

改进的AQM在拥塞控制中的应用策略

随着计算机网络的持续快速发展,各种网络需求不断涌现,拥塞控制成为保证网络的稳定性和鲁棒性的重要因素,拥塞控制的发展要求网络本身也要参与其中。传统的端到端机制不能解决所有的拥塞问题,作为主动管理队列算法的REM原算法由于对RTT的不精确估计导致不能准确反应网络中拥塞状态。根据控制论中将链路价格化的方法,对REM算法的进行了改进,提出了新的拥塞控制机制。仿真实验表明,该方法能有效减少包的丢失,提高系统性能。

模糊聚类和QPSO算法在Ad Hoc异常检测中的应用

根据模糊聚类算法和量子粒子群算法,提出一种基于以上两种算法的网络异常检测模型,并将该模型应用到Ad Hoc无线网络异常检测中。在聚类分析中,K-Means聚类算法是应用最广泛的方法之一。该模型先利用K-Means聚类算法的结果重新初始化粒子群,聚类过程都是根据数据向量间的欧几里德距离;再通过量子粒子群优化算法寻找聚类中心;最后进行仿真模拟,实验结果表明该模型对Ad Hoc无线网络异常检测是有效的。

基于FCM的针织物花纹自动分割

介绍了模糊C均值聚类算法的基本概念。由于企业在利用针织物CAD系统对来样产品进行花纹仿制时,一般采用人工仿制的方法,耗时耗力,为解决此问题提出了采用图像处理技术,结合FCM算法,对针织物表面的花纹进行自动分割的方法,其中包括:图像采集、图像预处理和织物纹理分割,在图像预处理中详细说明了图像灰度化和傅立叶低通滤波的过程。经过试验检验,结果表明,相对于传统的方法,该分割方法对于不同颜色、不同类型的针织物都有良好的花纹识别效果,具有较好的通用性。

论文撰写时插图的编辑技巧

简单介绍了几种软件在论文编辑过程中插图的优缺点,详细讨论了采用office2007制作高质量图形的技巧,为在论文编辑过程中插图提供了一种简单可靠易学的新方法。