多态关联系统结构重要度分析

多态关联系统重要度是可靠性分析的重要研究内容之一，它可用于可靠度分配，系统的优化设计和指导系统运行管理等。本文定义了５类物理意义明确的结构重要度，由实例看出，这些重要度能较好反映系统状态的性质及部件对系统状态的影响。     

基于集群的并行分布式聚类及其应用

海量和高维大数据集的聚类对计算机性能提出了很高的要求.基于具有层次聚类特性的RSOM树方法提供了一种有效的手段以实现对高维大数据集的聚类索引,这种RSOM树可支持最近邻搜索且不需要对数据进行线性搜索.注意到RSOM模型具有内在的层次化、分布式结构特点,并可进行增量的训练,研究了基于高效并行集群的增量、分布式RSOM并行算法,并通过视频图像特征集实例证实了算法的可行性.     

多态关联系统模型检验方法

多态关联系统可靠性分析是可靠性理论一个前沿研究课题。其可靠性逻辑模型满足一定的关联约束条件,这样的系统有许多优良的性质,从而便于多态关联系统可靠性分析,因此只有在所建模型满足这些关联的条件之下,多态关联系统可靠性分析才得以顺利进行,针对这种情况,本文研究了对多态关联系统可靠性逻辑模型单调性和关联性进行检验的方法。     

RSOM算法及其应用研究

神经网络以其优越的非线性拟合能力和强大的自组织模式分类能力已被用于许多模式识别问题,并取得了很好结果．但是对于大样本集分类和复杂模式识别问题,大多数常规神经网络在决定网络结构与规模、设计自学习算法和应付庞大的计算量等方面存在诸多困难．为了克服这些困难,在Kohonen自组织映射模型(SOM)的基础上,提出了两种基于类别可分性判据RSOM分类树：非结构自适应的RSOM-Ⅰ分类树与基于奇异值分解方法的结构自适应RSOM-Ⅱ分类树,这两种分类树的每个节点由拓扑有序的自组织映射网络组成．RSOM分类树的优点在于处理大样本集和复杂模式的识别问题时能够自适应地确定网络的结构和规模,最后的数据试验就是很好的佐证．     

基于Direct3D视频监控系统开发探讨

本文从实时视频监控的发展趋势入手,提出了基于Direct3D的仿真模式,有利于减少带宽压力,并对基于Direct3D方式的开发进行了探讨。