一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

直觉模糊物元及其在权重信息未知多属性群决策中的应用

针对传统物元分析理论无法应用于决策信息为直觉模糊数的多属性决策问题,提出直觉模糊物元分析模型以及用相对相似度代替传统方法中的关联函数来解决直觉模糊物元分析问题,进而完整阐述了直觉模糊物元多属性决策的方法步骤,并通过实例验证了该方法的有效性。特别是针对权重信息未知这一类较为复杂的多属性群决策问题,采用投影法和直觉模糊熵确定权重信息,并运用直觉模糊物元多属性决策方法进行了实例分析,证明了方法的实用性,为直觉模糊多属性群决策提供了一种新的思路。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

大型船舶流行病传播控制过程多智能体模型

基于复杂网络和传播动力学相关原理,构建了符合大型船舶人员交互特征的社交网络,定义了传播网络层级结构,分析了交互网络拓扑生成的5项规则,给出了大型船舶流行病传播社交网络构成方法。基于多智能体技术,研究了交互网络节点成员属性和流行病传播特点,给出了智能体成员状态空间的基本构成形式,融合防护治疗、管控隔离、信息交互等因素的物理特征,构建了智能体状态迁移和行为交互过程算法,并分析论证了衰减函数的结构及区间特性。对比距离恒定模型和随机游走模型,分别对典型大型船舶流行病传播过程分4种工况12种状态进行了仿真计算,结果表明:随机游走模型更适合信息量丰富条件下的大型船舶流行病早期传播过程模拟仿真和疫情防控策略分析。     

基于触摸屏的双手交互指挥技术应用研究

在未来指挥所中为降低指挥员认知负担、提升指挥效率,采用新型的双手交互指挥技术把指挥员的日常操作技能自然地映射到人机对话中,提高交互带宽.研究基于红外光感应的多点触摸手指识别与定位技术,分析双手触摸式自然交互技术及双手触摸式自然操作的状态模型,建立双手交互通用流程并设计实现了触摸式指挥研讨系统,把这些研究成果应用于一个指...     

多标准可配置的视频编码亚像素插值结构

针对视频编码中存在的各种不同的亚像素插值方法,提出了一种支持多种标准的可配置插值结构.该结构采用2个独立的8阶插值滤波器,每个滤波器配置一个独立参数寄存器,可灵活配置任意1/4像素位置的滤波系数,从而实现对各种亚像素插值方法的支持.2个滤波器采用两步法策略进行插值,可以减少约46%的计算量.采用SMIC 0.13μm CMOS标准单元工艺对该结构进行综合,其工作频率可以达到 400MHz,面积约为32.6k门.实验结果显示,该滤波结构工作在250MHz时,可满足1920×1080、30fps的高清视频应用的实时插值计算.     

适用于复杂系统仿真试验的试验设计方法

拉丁超立方试验设计是"充满空间"试验设计方法的重要领域.传统拉丁超立方试验设计优化以列相关系数最小化或试验点之间最大距离最小为单一优化准则,这种单目标试验设计优化方法存在缺陷.提出了将两类优化准则作为优化目标的多目标优化准则,以及实现多目标优化的改进ESE算法.算例分析证明,提出的试验设计优化算法优于已有典型试验设计方法.     

合成射流影响因素

在综合国外大量实验和数值模拟数据的基础上 ,对影响合成射流特性的驱动因素、结构因素进行了分析和总结 ,并且通过数值模拟的方法对雷诺数以及斯托罗哈数对合成射流的影响进行了研究。获得了反映合成射流激励器特征的函数关系式 ,为激励器的初步设计提供指导     

基于混合矩的多输出模型确认指标研究

针对随机不确定性条件下多输出计算模型与物理实验数据之间一致性难以量化度量这一问题,本文提出一组新的基于混合矩的多输出模型确认指标。在不确定情况下,同时考虑到多维输出之间的相关关系和单输出的均值,构建了由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合固定位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,并与PIT和t-pooling 面积指标进行对比,结果表明本文所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。     

多输出模型确认中的混合矩指标

在不确定性条件下,同时考虑到多维输出之间的相关关系和单输出的均值,构建由多输出数学期望列阵和协方差矩阵组成的多输出模型确认局部混合矩指标和全局混合矩指标。其中局部混合矩指标包括绝对指标(LA-3M)和相对指标(LR-3M),它们适合单点位置的多输出局部模型确认;全局混合矩指标也包括绝对指标(GA-3M)和相对指标(GR-3M),它们适合多点位置的多输出全局模型确认。通过数字算例和工程算例,所提指标可行有效,能够方便地度量计算模型和物理实验之间的差异程度。