排序方式: 共有64条查询结果,搜索用时 15 毫秒
51.
相依网络鲁棒性研究多集中于满足无反馈条件的一对一依赖,但现实网络节点往往依赖于多节点构成的依赖群,即使群内部分节点失效也不会导致依赖节点失效.针对此现象提出了一种相依网络的条件依赖群逾渗模型,该模型允许依赖群内节点失效比例不超过容忍度γ时,依赖节点仍可正常工作.通过理论分析给出了基于生成函数方法的模型巨分量方程,仿真结果表明方程理论解与相依网络模拟逾渗值相吻合,增大γ值和依赖群规模可提高相依网络鲁棒性.本文模型有助于更好地理解现实网络逾渗现象,对如何增强相依网络鲁棒性有一定指导作用. 相似文献
52.
地磁扰动会在高压电网中诱发产生地磁感应电流(GIC), 使得电力变压器等发生相继故障, 从而导致电力系统崩溃或者引起大停电事故, 研究地磁暴条件下电网连锁故障风险评估能够为预防其引起的电网事故提供重要参考。对地磁暴条件下电网连锁故障的机理进行了分析, 提出了地磁暴条件下电网连锁故障风险评估流程, 该流程可以识别各个地磁暴条件下电网的薄弱环节; 利用系统的负荷削减量来评估连锁故障各个阶段对系统的危害, 同时利用给定地磁暴条件下该薄弱环节导致电力系统崩溃所削减的临界负荷量来评估其对电力系统的危害。利用IEEE-RTS79系统对于所提出的流程进行验证, 验证结果表明所提出流程的可行性和有效性, 所得结果可以为量化和防范地磁暴电网风险提供参考。 相似文献
53.
54.
相依网络的相依模式(耦合模式)是影响其鲁棒性的重要因素之一.本文针对具有无标度特性的两个子网络提出一种全局同质化相依网络耦合模式.该模式以子网络的总度分布均匀化为原则建立相依网络的相依边,一方面压缩度分布宽度,提高其对随机失效的抗毁性,另一方面避开对度大节点(关键节点)的相依,提高其对蓄意攻击的抗毁性.论文将其与常见的节点一对一的同配、异配及随机相依模式以及一对多随机相依模式作了对比分析,仿真研究其在随机失效和蓄意攻击下的鲁棒性能.研究结果表明,本文所提全局同质化相依网络耦合模式能大大提高无标度子网络所构成的相依网络抗级联失效能力.本文研究成果能够为相依网络的安全设计等提供指导意义. 相似文献
55.
利用全固化单频Nd∶YVO4激光器抽运由periodically poled lithium niobate(PPLN)准相位匹配晶体组成的光学参量振荡器,通过调节晶体的温度,在信号模与闲置模近简并的情况下,完成了抽运场与两个亚谐波模在腔内同时共振,实现了光学参量振荡器的极低阈值运转(阈值为1.2mW);当抽运功率为阈值抽运功率的2.8倍时,观察到反射抽运光的正交位相压缩,压缩度达1.1dB.数值计算与实验结果一致 相似文献
56.
近红外光谱检测和模式识别方法相结合,在药品的现场快速无损监督管理中有广阔的应用前景。传统的鉴别方法以最小化错误率为目标,往往忽略了样本数据的类别不平衡性,从而使得少数类样本被多数类样本淹没,降低少数类样本对分类器的影响,使分类结果更加倾向正确识别多数类样本,严重影响鉴别结果。针对药品光谱数据中真假药品类别不平衡问题进行研究,融合平衡级联和稀疏分类方法(SRC),提出一种级联的稀疏分类药品鉴别方法(BC-SRC)。文中在多数类样本中选取和少数类数目相同的样本作为训练样本,并在多数类样本中进行多次平行采样使得多数类样本被全部获得过(采样次数为多数类样本数与少数类样本数商的向上取整),最终得到测试样本的多组预测结果,根据得到的多组结果获得最终预测标签。将提出的方法在Matlab 2012a上进行仿真实验,通过三组样本集的实验证明该方法的有效性,实验结果表明该方法优于常用的偏最小二乘(PLS)、极限学习机(ELM)和BP神经网络分类法,特别是在解决类别不平衡问题时,当不平衡因子大于10时,BC-SRC算法分类相对于其他算法性能更好,且稳定性更高。 相似文献
57.
基于数字谱分析技术求解波耦合方程,进而计算与三波相互作用相关联的线性耦合系数和能量转移,以此开发了数据处理程序用于研究HL-2A 装置等离子体边缘湍流中的非线性能量传递过程。介绍了算法设计和开发的主要思想。应用该程序对与带状流相关的一次放电的实验数据进行了数据处理研究。结果表明,带状流是由等离子体湍流的能量逆级联所驱动的。 相似文献
58.
利用小波变换这一数学工具,对于由随机级联α模型模拟产生的多数子末态相空间的几率分布,进行了分析与讨论,得出利用小波变换可直接对末态相空间粒子分布的实验数据进行几率矩、关联矩方面的分析与研究;并且提供了具体的计算方法. 相似文献
59.
60.
利用典型的Barabási-Albert无标度网络构建了基于度的正/负相关相依网络模型, 该模型考虑子网络间的相依方式及相依程度, 主要定义了两个参数F和K, F表示相依节点比例, K表示相依冗余度. 在随机攻击及基于度的蓄意攻击模式下, 针对网络的级联失效问题, 研究了不同的F值和K值对该相依网络模型鲁棒性的影响, 与随机相依网络模型进行了对比研究. 仿真结果表明:无论是随机相依或是基于度的正/负相关相依网络, 其鲁棒性都是随着F的增大而减弱, 随着K的增大而增强; 在随机攻击下, 全相依模式(F=1)时, 基于度正相关相依网络模型鲁棒性最优, 部分相依模式 (F =0.2, 0.5, 0.8)时, 基于度的负相关相依网络模型则表现出更好的鲁棒性. 而在基于度的蓄意攻击下, 无论F为何值, 基于度的正相关相依网络模型表现出弱鲁棒性. 相似文献