无线传感器网络自适应动态簇目标跟踪策略

考虑到无线传感器网络的特点及目标跟踪对实时性要求较高,提出一种基于动态簇的无线传感器网络目标跟踪策略.当目标出现时,基于节点管理机制采用层次分析法选举簇首,定义节点跟踪权值作为参与跟踪的依据,并建立动态簇.目标监视过程中,根据实际跟踪质量自适应调整动态簇规模;为了避免目标丢失,在自适应机制的基础上提出目标恢复机制.目标离开后,解散动态簇,释放节点资源.采用NS2对所提算法进行仿真测试,结果表明,基于动态簇的跟踪策略能够以较少的通信开销为代价获得很好的目标捕获率.     

基于遗传算法的通风网络两步法风流调节优化算法

概括混合型通风网络优化模型,归纳混合型通风网络风量最优分配和风流最优调控两步法优化基本框架。首先,在满足矿井通风风量需求的基础上,实现风量分配优化。然后,结合矿井通风网络实际调风需求,引入遗传算法随机产生动态网络的邻接矩阵,使用附有条件的最小支撑树算法求解部分余树弦(调风地点)约束下的最小支撑树和独立回路矩阵,根据回路矩阵计算通风网络余树弦风阻调节值,在通风总功率和约束条件基础上构建广义最小化目标函数,依此对调节方案进行评价,使用遗传算法中的进化算子对调节方案编码实施进化操作,最后通过迭代得到满意解。研究结果表明:两步法思想简化混合型通风网络优化问题,解决调风地点约束的通风网络优化问题,执行效率高,能够解决较大规模的通风网络优化问题。     

一类自适应神经网络模型的Hopf分叉研究

运用动力系统分叉理论,研究了一类自适应神经网络模型平衡点的稳定性及Hopf分叉发生的参数条件．     

计算机网络实验研究与探索

实验实践教学环节是高校教育教学及人才培养模式改革的关键。针对目前实验教学中存在的问题结合电子科技大学中山学院这几年计算机网络课程实验教学的一些做法和经验,提出了网络实验教学改革的思路,构建面向创新型人才培养的实验教学体系。     

遗传算法在网络计划资源优化中的应用

将遗传算法引用到资源优化中，解决了“资源有限-工期最短”和“工期固定-资源均衡”两种优化问题，得到了比应用网络计划技术及数学规划方法更为满意的计算结果，克服了传统的资源优化方法不能保证解的最优性的缺点。在此基础上，还将上述两种情况综合进行多目标优化，获得工期最短资源均衡的优化结果，并通过实例验证了该方法的可行性和高效性，对于工程项目管理中资源工期优化具有实际应用价值。     

基于BP神经网络的轨道基桩识别

运用BP神经网络对用CCD拍到的基桩图片进行识别,包括BP神经网络的输入、输出层的设计,隐层节点的选取等。实验结果表明,经大量基桩样本的训练后,BP神经网络能将拍到图片中的基桩有效地识别出来,且达到较高的正确率。     

地上下集成模型立体显示系统

为了在网络环境下使地上下无缝集成模型具有更加逼真的显示效果,分别采用主动式和被动式两种方法实现三维模型的立体显示.地上下集成模型以CD-TIN为纽带,将地上建筑物、地表与地下空间实体进行无缝集成.根据立体图像对的生成原理实现三维模型的立体显示,并使用ActiveX控件实现三维模型的网络化表达,从而构建了一个网络环境下的地上下无缝集成模型立体显示系统.观察者通过佩戴立体眼镜即可观察三维立体模型.实验结果表明,采用立体显示方法能增强模型的显示效果,使观察者产生较强的沉浸感,有利于对三维地学模型的观察和分析.     

浅析基于IPv6模式的校园网建设与应用

以太原大学外语师范学院的校园网为研究对象,对该学院现有的按IPv4建立起来的网络结构进行了调查研究,提出了基于IPv6模式的校园网取代现有IPv4模式的可行性方案,设计了该校园网升级的整体架构,基于测试结果,指出在IPv4和IPv6之间可实现互联互通的功能。     

基于离散搜索神经网络的数字调制类型识别

采用组合神经网络的离散搜索算法对通信信号的调制类型进行分类 ,在保证足够识别率的前提下 ,减少训练时间方面取得了较好效果 .仿真实验结果证明了此方法的有效性 .     

基于AHP-BP算法的供应链合作伙伴选择建模及其应用

将AHP法与改进的BP神经网络相结合建立了供应链合作伙伴选择模型,并使用L-M算法对神经网络权值进行训练,实现了对供应商的多标准评价;所用的评价指标体系选取全面,适用于多种类型的供应链合作伙伴选择。用实例对模型进行了验证,并取得了较好的评价效果。该模型应用简单,且减少了供应链合作伙伴选择过程中人为因素的影响,具有一定的实用价值。