Research on Dynamic Evolution Model and Method of Communication Network Based on Real War Game

Based on the data in real combat games, the combat System-of-Systems is usually composed of a large number of armed equipment platforms (or systems) and a reasonable communication network to connect mutually independent weapons and equipment platforms to achieve tasks such as information collection, sharing, and collaborative processing. However, the generation algorithm of the combat system in the existing research is too simple and not suitable for reality. To overcome this problem, this paper proposes a communication network generation algorithm by adopting the joint distribution strategy of power law distribution and Poisson distribution to model the communication network. The simulation method is used to study the operation under continuous attack on communication nodes. The comprehensive experimental results of the dynamic evolution of the combat network in the battle scene verify the rationality and effectiveness of the communication network construction.     

Clarifying How Degree Entropies and Degree-Degree Correlations Relate to Network Robustness

It is often claimed that the entropy of a network’s degree distribution is a proxy for its robustness. Here, we clarify the link between degree distribution entropy and giant component robustness to node removal by showing that the former merely sets a lower bound to the latter for randomly configured networks when no other network characteristics are specified. Furthermore, we show that, for networks of fixed expected degree that follow degree distributions of the same form, the degree distribution entropy is not indicative of robustness. By contrast, we show that the remaining degree entropy and robustness have a positive monotonic relationship and give an analytic expression for the remaining degree entropy of the log-normal distribution. We also show that degree-degree correlations are not by themselves indicative of a network’s robustness for real networks. We propose an adjustment to how mutual information is measured which better encapsulates structural properties related to robustness.     

基于复杂网络的电网结构健壮性及Braess悖论现象研究

应用复杂网络理论,建立电力系统的改进导纳模型,结合电网拓扑特性和电气特性对电网的级联故障进行研究.通过随机移除传输线引发电网级联故障,研究网络的节点数、平均度、发电站数量以及发电站的分布状况对系统健壮性的影响,并对小世界电网级联故障过程中的布雷斯(Braess)悖论现象进行分析.研究表明:网络的健壮性与其拓扑结构密切相...     

Gene Network Analysis of Alzheimer’s Disease Based on Network and Statistical Methods

Gene network associated with Alzheimer’s disease (AD) is constructed from multiple data sources by considering gene co-expression and other factors. The AD gene network is divided into modules by Cluster one, Markov Clustering (MCL), Community Clustering (Glay) and Molecular Complex Detection (MCODE). Then these division methods are evaluated by network structure entropy, and optimal division method, MCODE. Through functional enrichment analysis, the functional module is identified. Furthermore, we use network topology properties to predict essential genes. In addition, the logical regression algorithm under Bayesian framework is used to predict essential genes of AD. Based on network pharmacology, four kinds of AD’s herb-active compounds-active compound targets network and AD common core network are visualized, then the better herbs and herb compounds of AD are selected through enrichment analysis.     

一种改进型HOPFIELD神经网络模型及其单通道光学实现

提出一种改进型HOPFIELD神经网络模型。通过对存贮模式进行互补扩展,消除了存贮模式中0和1个数不等问题。利用扩展模式互补性和由扩展模式所形成的连接权的镜象对称性,在不增加神经元个数和连接权矩阵维数的情况下,提高了网络的存贮能力和容错能力。在此基础上设计了全正光学连接权矩阵,在单通道内实现了双极寻址,降低了光学系统的复杂性。     

水平井体积压裂缝网表征及流动耦合模型

针对岩石脆性系数高且发育天然裂缝的储层,提出表征水平井体积压裂形成裂缝网络的三种基本模式,并将渗流过程划分为油藏流动和缝网内部流动.在此基础上,利用势叠加原理导出油藏流动控制方程,利用有限差分方法建立缝网内部有限导流等式;其次,采用星三角变换法处理人工缝与天然缝的交汇流动;最后,耦合两部分流动矩阵方程得到水平井体积压裂缝网渗流数学模型.该模型表明:当水平井改造段长度一定时,压裂段数与段内分簇数是决定产能的最主要因素,其次是人工裂缝半长和人工缝导流能力,而天然裂缝密度和导流能力对产量影响较小.实例应用表明,实际产油量与模型计算值一致,误差较小.     

基于神经网络和小波变换的MRI图像去噪方法

过去10年中,小波变换在图像去噪中取得了很大的成功.人们提出了多种适用于小波去噪的阈值方法,而这些方法就是希望能够正确地反映有噪声小波系数与无噪声小波系数之间的映射关系.基于这种想法,我们提出一种在小波域中利用神经网络寻找这种映射关系的图像去噪新方法.我们把该方法应用于不同噪声分布的磁共振图像的去噪,取得了良好的效果.     

基于SARIMA-BP神经网络组合方法的MODIS叶面积指数时间序列建模与预测

植被叶面积指数(LAI)时间序列的建模及预测是陆面过程模型和遥感数据同化方法的重要组成部分。MODIS数据产品MOD15A2是目前应用最为广泛的LAI数据源之一,然而MODIS LAI时间序列产品包含了一些低质量的数据,例如由于云层、气溶胶等的影响,该产品在时间和空间上缺乏连续性。MODIS LAI时间序列包含线性部分和外在干扰产生的非线性部分,单一的线性方法或非线性方法都不能对其精确建模和预测。首先利用Savitzky-Golay(SG)滤波和线性插值平滑受到干扰的LAI时间序列,然后采用季节自回归积分滑动平均(SARIMA)方法、BP神经网络方法及二者的组合方法(SARIMA-BP)对MODIS LAI时间序列进行建模及预测。在SARIMA-BP神经网络组合方法中,各自在线性与非线性建模的优势得以充分发挥,其中SARIMA方法用于建模及预测LAI时间序列中的线性部分,BP神经网络方法用于对非线性残差部分进行建模及预测。实验结果显示：SG滤波和线性插值后的LAI时间序列比原LAI时间序列更平滑;SARIMA-BP神经网络组合方法的决定系数为0.981,比SARIMA和BP神经网络的0.941和0.884更接近于1;SARIMA-BP神经网络组合方法的预测值同观测值之间的相关系数为0.991,高于SARIMA(0.971)和BP神经网络(0.942)的相关系数。由此得出结论：SARIMA-BP神经网络组合方法对MODIS LAI时间序列具有更好的适应性,其建模和预测准确性高于SARIMA方法或BP神经网络方法。     

基于遗传LM算法的涂层目标光谱偏振BRDF建模分析

通过比较测量方法测量得到绿漆涂层木板探测目标在400～720 nm的光谱偏振二向反射分布函数值,从获得的户外试验测量数据入手,分析与探测角、波长之间的关系,通过有限探测条件得到的光谱偏振二向反射分布函数值(BRDF)建立光谱偏振BRDF模型,来描述探测目标的偏振二向反射特性。其中利用基于小面元的模型建立光谱偏振BRDF模型,利用遗传算法和Levenberg-Marquardt(LM)算法相结合的优化算法来获得非线性模型参数。仿真实验结果表明采用的遗传LM优化算法具有较好的性能,能较快较准确得到非线性的模型参数。真实实验数据证明了基于小面元模型的正确性,表明光谱偏振二向反射分布函数建模方法结果的可靠性。最后与绿漆涂层铁板目标的模型反演参数进行比较得出：2种不同材质、相同颜色涂层的目标,具有较为接近的折射率,其较小差别可以理解为由涂层的厚度、均匀程度的不同导致,而非不同的材质所引起。     

换热网络中温度交叉结构的分析与处理

在以换热量作为待优化连续变量的换热网络优化问题中,流股匹配可能出现温度交叉,常以惩罚函数法处理存在温度交叉的不可行结构.然而,当采用强制进化随机游走算法时,由于其接受差解的变异操作,温度交叉结构可能以差解的形式被接受,对优化进程产生负面影响而降低优化效率.因此,首先分析换热网络中温度交叉结构的成因,接着分析该不可行结构对算法优化进程的消极作用,然后提出一种处理方法,当种群中个体随机游走到不可行域时,强制使其回到可行域内的原位重新优化,从而提升算法优化效率.     

Failure Impact,Availability and Cost Analysis of PONs Based on a Network Geometric Model

Passive Optical Networks(PONs)are considered as the preferred solution for broadband fibre-based access networks.This is because PONs present low cost deployment,low energy consumption and also meet high bandwidth demands from end users.In addition,end users expect a high availability for access networks,while operators are more concerned about reducing the failure impact(number of clients affected by failures).Moreover,operators are also interested in reducing the cost of the access network.This paper provides a deep insight into the consequences that the physical topology and design decisions cause on the availability,the failure impact and the cost of a PON.In order to do that,the physical layout of the PON deployment area is approximated by a network geometric model.A PON deployed according to the geometric model is then assessed in terms of failure impact,availability and cost.This way,the effects of different design decisions and the physical layout on these three parameters are evaluated.In addition,the tradeoffs between availability,failure impact and cost caused by planning decisions and the physical topology are identified and pinpointed.     

一种新的线性神经网络多组分分析法及其在VC银翘片NIR定量分析中的应用

用红外光谱仪测量了VC银翘片的近红外谱图,然后将主成分分析法(PCA)和线性神经网络结合,分析VC银翘片中的对乙酰氨基酚和维生素C的含量。讨论了主成分数的选择及影响神经网络的各参数。为了比较算法的性能,作者又分别采用了偏最小二乘法、主成分分析结合BP神经网络进行数据处理。实验及数据处理结果表明,在3种多组分分析方法中,主成分分析结合线性神经网络的方法具有最高的预测精度。     

基于深度信念网络与混合波长选择方法的蓝莓糖度近红外检测模型优化

利用近红外光谱技术结合组合区间偏最小二乘（SiPLS）、竞争性自适应重加权（CARS）、连续投影算法（SPA）、无信息变量消除（UVE）特征提取方法,运用深度信念网络（DBN）建立蓝莓糖度的通用检测模型,实现蓝莓糖度在线无损快速检测。采集了“蓝丰”和“瑞卡”共280个蓝莓样本的近红外光谱,采用手持折光仪测定其糖度;首先利用联合X-Y的异常样本识别方法（ODXY）检测到蓝丰和瑞卡蓝莓分别有2个和4个样本呈现异常,剔除该6个异常样本,对其余274个样本利用光谱-理化值共生距离算法（SPXY）以3∶1的比例划分出训练集和测试集;其次,对比分析卷积平滑（S-G平滑）、中心化、多元散射校正等预处理对蓝莓原始光谱的改善效果,运用SiPLS对光谱降维,筛选特征波段,利用CARS,UVE和SPA方法对特征波段进行二次筛选,以最优的特征波长建立DBN和偏最小二乘回归（PLSR）模型。结果表明,蓝莓糖度近红外检测模型的最优预处理方法为S-G平滑,SiPLS方法挑选的蓝莓糖度最优波段为593~765和1 458~1 630 nm,UVE算法从SiPLS筛选的346个变量中优选出159个最佳波长。建立蓝莓糖度DBN模型时,分析了不同隐含层数对检测模型的影响,并以交互验证均方根误差（RMSECV）作为适应度函数,利用粒子群算法（PSO）对各隐含层神经元个数在[1,100]之间寻优,发现隐含层为3层且隐含层节点数为67-43-25时,DBN模型的RMSECV达到最小,为0.397 7。无论是以全光谱还是特征波长建模,蓝莓糖度近红外DBN模型均优于常规PLSR方法;尤其以UVE方法二次筛选的特征波长建立的模型大大减少了建模变量,且模型精度更高,蓝莓糖度最优的PLSR模型测试集相关系数（R_P）为0.887 5,均方根误差（RMSEP）为0.395 9,最优DBN模型R_P为0.954 2,RMSEP为0.310 5。研究表明,利用SiPLS-UVE进行特征提取,结合深度信念网络方法建立的蓝莓糖度检测模型可以更好地完成蓝莓糖度在线精准分析,该方法有望应用于蓝莓及其他果蔬内部品质检测。     

光谱多元分析校正集和验证集样本分布优选方法研究

分析了校正集和验证集样品数随性质分布不均匀性对光谱多元分析校正的不良影响,揭示了实际光谱多元校正中“均值化”现象,即性质值小的样本预测值结果偏大,性质值大的则偏小,提出了一种优选样品新方法—Rank-KS。其综合考虑光谱空间和性质空间对样本进行挑选,将性质空间平均分为若干小区间,在每个小区间内分别利用Kennard-Stone法和随机法进行校正集和验证集样本的挑选,这样得到的校正集和验证集可明显改善样本数随性质分布的均匀性。以红外光谱测定汽油中碳酸二甲酯(DMC)含量和近红外光谱测定二甲亚砜溶液二甲亚砜浓度为研究对象,分别采用Rank-KS、随机法、Kennard-Stone、浓度梯度法和SPXY等方法选择校正集和验证集样品,使用多元线性回归和偏最小二乘法建立模型,比较这些方法对光谱多元校正分析的影响,结果表明Rank-KS方法可改善校正集和验证集样品数随性质分布的均匀性;对于样本数分布中间局部样本多和两端局部少、或者局部没有样本的样本集,使用Rank-KS算法挑选校正集,无论使用MLR还是PLS1建立多元分析模型,均能明显改善其模型预测能力,使得到的模型的预测均方根最小。     

基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。     

基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究

提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98％,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类苹果具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段,用特征波段图谱作为神经网络的输入建立三层BP人工神经网络模型。每个品种各25个苹果共75个用来建立神经网络模型,余下的共15个用于预测。对未知的15个样本进行预测,品种识别准确率达到100%。说明文章提出的方法具有很好的分类和鉴别作用,为苹果的品种鉴别提供了一种新方法。     

采用BP神经网络研究C-F键核自旋偶合常数

通常理论研究核自旋偶合常数的方法是基于线性模型进行拟合和预测，该方法在拟合和预测中仍有较大误差. 本文在前面工作的基础上，提出了基于非线性模型对C-F键核自旋偶合常数进行研究的观点，采用BP神经网络方法对C-F键核自旋偶合常数的函数关系式进行拟合，并用拟合结果对4种化合物的偶合常数进行预测. 结果表明，采用非线性的BP神经网络方法其训练效果与预测效果均优于线性模型方法；其预测误差对文中的4种化合物不超过0.40%.