基于自适应分簇和演化博弈的异构车载网络选择方法

高效的网络选择方法是异构车载网络环境中保证多用户服务质量体验的关键。针对现有方法从优化车辆个体出发选择最佳接入网络,导致网络资源分配不均和部分网络拥塞的问题,提出一种基于自适应分簇和演化博弈的异构车载网络选择方法(adaptive clustering and evolutionary game based network selection method,AENS)。首先,采用自适应分簇减少直接接入网络的车辆数量,有效降低车流密集情况下的网络拥塞概率;接着,分别基于模糊层次分析法和指标相关性权重法计算候选网络属性的主、客观权重,得到更加准确评估候选网络性能的综合效用值;最后,将车辆对网络的选择抽象成基于复制动态的演化博弈模型,并引入记忆效应以加快其收敛速度,最终通过策略更新获得系统最优的网络选择策略集合。实验结果表明,在融合5G/6G的异构车载网络环境下AENS方法能够有效减少网络切换次数、提升网络吞吐量和平衡网络负载,在提高网络资源利用率的同时实现了负载均衡,且在车流密集情况下优势更为明显。     

协作中继系统中最优化端到端容量的中继选择机制

在协作中继系统中,提出一种最优协作中继选择机制以最大化端到端信道容量.系统中的源端,中继及目的端均配置多天线,且中继采用解码转发中继协议.由于第一跳链路容量受限于两跳链路中容量最小的中继链路,本文提出了一种最大化第一跳链路容量的方法.基于两跳速率匹配且两跳容量最大化,给出了最佳的中继节点个数以及最佳中继选择,以最大化端到端容量提升无线资源利用率.仿真结果表明,提出的中继选择机制下获得的端到端信道容量高于固定中继选择机制下的端到端信道容量.     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心,然而由于空间距离与自相关权重之间复杂的非线性关系,反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法,在求解权重精准解时存在一定的局限性。由此,利用神经网络超强的非线性拟合能力,通过融合神经网络与空间自回归方法,建立了空间自回归神经网络（SARNN）模型,实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性,采用两类模拟数据及海洋环境数据进行交叉验证,并与IDW法和Kriging法进行精度对比。实验结果表明,SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标,插值结果明显优于IDW法和Kriging法;同时,SARNN法在空间插值中对突变数据和极值数据的预测较为准确,改善了传统插值方法空间平滑过渡差,易出现“牛眼”、锯齿现象等问题,显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路,具有较为广泛的应用价值。     

基于GIS的工程移民安置区选择模糊评价模型

基于GIS和模糊数学理论,提出了工程移民安置区选择评价模型,为移民安置区选择提供了一种新的决策方法.该模型通过采用熵信息论建立了综合考虑主客观影响的复合均权法得到指标的权重,减少了指标权重确定的片面性;并采用GIS空间分析功能生成安置区的备选集,从根本上保证了模糊评价的数据源质量,使得评价结果更加科学准确.最后结合应用示例,对模型进行实例分析,结果表明该模型是有效的.     

基于多参数融合和组合赋权的风电机组健康状态评估

针对目前风电机组健康状态无法准确评估的问题,提出一种基于多参数融合和组合赋权的风电机组健康状态评估方法.根据故障频次与时长构建风电机组健康状态评估指标体系,通过将灰色关联分析法的参数层指标客观权重与层次分析法的参数层主观权重对应结合,再与上层指标权重综合,归一化得到组合指标权重,应用高斯函数确定指标对各状态等级的隶属度...     

一种基于 k-means 聚类和半监督学习的医学图像分割算法

医学图像分割是计算机视觉和图像处理领域近年来研究的热点问题之一。一种基于k-means聚类和半监督学习的医学图像分割新算法被提出。在k-means聚类模型中,相似度函数是关系到聚类效果好坏的关键因素。所使用的相似度函数通过基于side-information的半监督学习方法来确定;确定后的相似度函数又被运用回k-means聚类模型中来实现对医学图像的分割。为了检验该算法效果,脑部肿瘤患者的磁共振图像被运用在实验中。分析结果表明:该算法在本文所采用的实例中能获得优于传统算法的分割效果。     

基于空间自回归神经网络模型的空间插值研究

基于空间距离计算的空间自相关权重系数是经典空间插值方法的核心，然而由于空间距离与自相关权重之间复杂的非线性关系，反距离权重（IDW）法和克里金（Kriging）法等传统空间插值方法，在求解权重精准解时存在一定的局限性。由此，利用神经网络超强的非线性拟合能力，通过融合神经网络与空间自回归方法，建立了空间自回归神经网络（SARNN）模型，实现了空间自相关权重的精准计算并将其应用于空间插值研究。为验证SARNN模型的有效性和可行性，采用两类模拟数据及海洋环境数据进行交叉验证，并与IDW法和Kriging法进行精度对比。实验结果表明，SARNN法显著提升了R²、RMSE、MAE、MAPE等统计指标，插值结果明显优于IDW法和Kriging法；同时，SARNN法在空间插值中对突变数据和极值数据的预测较为准确，改善了传统插值方法空间平滑过渡差，易出现“牛眼”、锯齿现象等问题，显著提高了空间插值结果的准确性与合理性。SARNN法提供了一种空间插值的新思路，具有较为广泛的应用价值。     

大规模定制环境下基于模型集成的工时估算

为了在大规模定制环境下准确高效的获取产品工时,本文研究了已有工时估算模型的特点,提出一种基于模型集成的工时估算方法.通过对待集成工时模型分析,找出影响各工时模型的关键因子,采用模糊评价法构建关键因子信息矩阵;运用因子间相关度和因子对模型贡献度计算模型间距离,进而根据反距离权重法求出各模型权重,从而得到集成模型.通过实例和结果对比验证了该方法的可行性和精确性.     

云环境下基于Entropy-KNN算法的节点选择策略

为满足大数据高效处理与节省成本的需求,针对云计算网络可计算节点资源的多维属性特点,提出了一种面向云计算的多属性Entropy-KNN层次聚类算法的节点选择策略.在节点资源动态描述机制的基础上,借助P2P动态路由完成节点资源的信息交换与实时更新,通过属性信息熵及相似度距离的计算,首先对已知节点按属性进行多次聚类,获得给定阈值的子类;接着选取距离较小的K个近邻节点为候选节点,根据分类与可信度的验证,最终选取与需求节点间相似度距离较小的节点作为候选节点.结果表明,该算法在一定程度上提升了计算节点的定位准确率,同时也能进一步提高大数据的处理效率.     

多区域物流产业竞争力的模糊逼近理想排序模型

为评估多区域物流产业,构建了3级评价指标体系,底层指标包含灰色指标和白化指标．在模糊评判向量的基础上确定底层灰色指标的评定值,并对底层白化指标的原始数值进行归一化处理．计算中间层指标的关联系数矩阵,用熵值法确定底层指标及中间层指标的相对权重,将中间层指标的关联系数矩阵与其所含底层指标的权重向量进行乘法复合,得评估区域在中间层指标的评定值．进而求顶层指标的加权规范化矩阵,确定理想解、负理想解以及评估区域到理想解、负理想解的距离,计算评估区域的贴近度．根据评估区域贴近度的大小排序,得到了评估区域的物流产业竞争力排序结果．     

多区域物流产业竞争力的模糊逼近理想排序(TOPSIS)模型

为评估多区域物流产业,构建了3级评价指标体系,底层指标包含灰色指标和白化指标.在模糊评判向量的基础上确定底层灰色指标的评定值,并对底层白化指标的原始数值进行归一化处理.计算中间层指标的关联系数矩阵,用熵值法确定底层指标及中间层指标的相对权重,将中间层指标的关联系数矩阵与其所含底层指标的权重向量进行乘法复合,得评估区域在中间层指标的评定值.进而求顶层指标的加权规范化矩阵,确定理想解、负理想解以及评估区域到理想解、负理想解的距离,计算评估区域的贴近度.根据评估区域贴近度的大小排序,得到了评估区域的物流产业竞争力排序结果.     

一种具有自适应参数的基于密度加权的粗糙K-均值算法

针对原始粗糙K-均值聚类算法采用固定权重和阈值的缺陷,提出一种改进的粗糙K-均值算法。改进的算法根据K-均值聚类算法的特点,在基于密度加权的K-means算法基础上,对固定经验权重和固定阈值这两种参数进行改进,提出了一种自适应参数方法。实验结果表明,该算法降低了迭代次数,聚类结果更为精确。     

课程建设质量评估的四集成评价法及应用

针对课程建设质量评价体系缺乏规范方法的问题,本文将文献聚合法、层次分析法、德尔菲专家调查法和模糊综合评价法有机融合提出了课程建设质量评估的四集成评价法。运用文献聚合法挖掘现有的课程建设质量评价体系研究成果构建课程建设质量评价体系的二级指标,利用层次聚类方法对此二级指标进行聚类分析获取并构建课程建设质量评价体系一级指标,在此基础上先后运用层次分析法、德尔菲法和模糊综合评价法进行课程建设质量评价分析,最后以XX大学工程管理硕士专业学位研究生领域课程建设为例进行了应用研究。本文为课程建设质量评估提供了一种规范化方法,对提高课程建设质量,促进人才培育目标的实现均具有重要的理论和实际意义。     

压力机下死点定位精度的检测及评价方法研究

设计一种粗-细二级调节相结合的装置来动态地测量压力机的下死点, 可以方便准确地测量不同工作冲程时的下死点位置. 针对所测数据, 结合模糊判断法和层次分析法构造压力机下死点精度的综合评价指标, 来对压力机下死点定位精度进行分析与评价. 评价步骤通过选择评价因素和构建评价集, 确定比较矩阵并计算各影响因素权重, 以确立模糊评价矩阵, 并通过综合评价模型判断下死点精度等级. 结果表明, 该评价方法可有效地评价压力机的定位精度.     

基于熵权模糊法的新疆区域两化融合发展水平评价研究

针对两化融合发展水平评价体系中各评价指标的模糊性和权重的不确定性,本文提出基于熵权模糊法的区域工业企业两化融合发展水平评价方法.熵权法的评价指标中客观权重的评价矩阵来源于新疆区域采集的原始数据,较好地体现了地域特色.由此确定的客观权重与专家打分法确定的主观权重结合获得评价指标综合权重,有效解决了权重分配不合理问题.将此方法应用到新疆工业企业两化融合发展水平测评,验证了此方法的科学性和有效性.     

面向流数据的演化聚类算法

针对传统的聚类算法难以适应流数据在线聚类的问题,本文在演化聚类算法(ECM)的基础上,改进了ECM中聚类中心和聚类半径的更新过程,引入戴维森保丁指数(DBI,Davies-Bouldin Index)作为数据归类的评估准则,提出了一种面向流数据的演化聚类算法(SDECM).实验结果表明,与ECM相比,SDECM在目标函数值、DBI值、准确率和纯度等评估准则方面具有更好的聚类性能.     

一种改进的k-中心点聚类算法及在雷暴聚类中的应用

传统k-中心点聚类算法初始中心点的选取直接影响算法效率和稳定性,易使算法陷入局部最优解,从而影响在带时序群体分析的聚类应用效果.本文提出了一种基于密度信息的k-中心点算法,通过获取样本密度信息来选取初始中心点,有效解决了聚类结果对初始中心点选择的依赖性问题,并应用于雷暴聚类中.雷暴聚类评估实验结果表明了改进算法的有效性.     

基于线粒体COI基因鉴定蚌类的寄生钩介幼虫

淡水蚌类发育过程中的钩介幼虫需要寄生在鱼鳃或鳍上,由于幼虫体型微小,依据其形态鉴定蚌种较困难,因此难以准确确定蚌类寄主鱼种类。通过提取寄生在黄颡鱼鳃上的已知蚌种三角帆蚌钩介幼虫DNA,扩增线粒体COI基因并测序,构建系统发育树,并计算种内、种间遗传距离。结果表明:寄生的三角帆蚌钩介幼虫和三角帆蚌聚为一支,置信度为100%,且种内分支明显小于种间分支长度。种内遗传距离为0.003,种间平均遗传距离为0.238,种间遗传距离为种内遗传距离的79.3倍。说明基于线粒体COI基因的分子标记,能够正确鉴定寄生钩介幼虫蚌种,为确定淡水蚌类寄主鱼提供了一种有效的方法。 更多还原     

大麦品种数量性状的聚类分析研究

定义品种标准化主成分间的欧氏平方距离为遗传距离，采用类平均法对６３个地理来源不同的品种进行系数聚类，将其分为８类。表明品种的地理分布对遗传差异有一定的影响，但两者间并无必然的联系。认为大麦杂交亲不可否认尖在类间距离大于平均类间距离的类间选配，同时参考主成分分析对品种综合性状的认识，并结合其它因素，选择综合性状好的品种作亲本。     

OFDMA网络中基于用户协作的负载均衡机制

在蜂窝小区中,利用用户在不同小区之间的切换实现负载均衡可以提高系统频率利用率,减小用户中断率。但是,高负载小区的边缘用户切换到低负载小区时信噪比会降低。提出了一种基于用户协作的负载均衡机制,在均衡小区间负载的同时,解决了小区边缘用户切换后信噪比降低的问题。所提机制中,轻负载小区的某个用户作为中继节点与重负载小区的被切换用户进行协作通信。被切换的边缘用户通过选择合适的"用户中继",保证了切换后的信噪比性能。推导了选择用户作为中继的必要条件,提出了最大化系统容量的用户中继选择方案。数值仿真结果表明,所提机制可以有效的提高被切换用户的吞吐量,从而证明被切换用户的信噪比性能没有损失。