基于满意度的多阶段任务系统可靠性冗余优化模型

冗余技术是提高多阶段任务系统可靠性的有效方法,目前对多阶段任务系统可靠性冗余优化研究甚少。分析了静态多阶段任务系统的特征和可靠性计算模型;构建了可靠度、体积、质量和价格的满意度函数并确定各个满意度函数的影响因子;建立了基于综合满意度函数的静态多阶段任务系统可靠性冗余模型,并利用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。     

基于改进广义成本函数的可靠性分配优化

可靠性分配优化问题的难点在于影响分配的各类因素与可靠性指标间关系的描述与表达.从可靠性成本与各类影响因素的内在关系人手,通过改进广义成本函数进行各类影响因素的融合处理,构建得出新的可靠性分配优化模型实现可靠性指标的综合求解.     

一种改进的多相码信号参数估计法

目前,对由频率导出的一类多相码脉压雷达信号(Frank码和P1 ～ P4码)进行参数估计是电子对抗侦察技术中的难点之一.针对此问题,提出一种基于改进的分数阶傅里叶变换(FrFT)的多相码信号参数估计方法.该法利用积分二次相位函数将FrFT的二维搜索转换为2次一维搜索,较大减少了计算量.仿真表明,该法能在较小的计算量下达到与RWT和RAT法相当的估计精度.     

Ad Hoc网的IEEE802.11 MAC协议退避算法

IEEE802.11的MAC协议是移动Ad Hoc网络目前事实上的标准.节点成功发送后,该协议中的信道接入退避算法将节点竞争窗口值CW(contention window)设为最小竞争窗口值CWmin,这种算法易造成某个节点一直占有信道,使得其他节点出现“饥饿”现象.提出一种改进算法EBEB(enhanced binary exponential backoff),用窗口阀值CWmid区分网络状态,让节点据此来合理的设置当前的竞争窗口,而不是直接设为最小值,避免节点之间产生严重的不公平.仿真结果表明改进算法EBEB在数据丢失量、时延、吞吐量上优于原有的BEB(Binary exponential backoff)算法.     

提升音乐文化在高校校园文化建设中的作用

校园文化以其互动性、渗透性、传承性作为特征,凸显出其在反映学校综合实力、推动大学生德育教育、激发其创造精神并规范其行为等方面的重要功能。健康、和谐的校园文化是构建和谐社会的重要组成部分,而发展健康、和谐的文化是建设校园文化的灵魂所在。音乐教育承载着重要的文化功能,是推动校园文化建设的原动力,更是校园文化建设不可或缺的重要组成部分。     

试论PBL教学法在少数民族预科汉语教学中的作用

PBL教学法是以问题为基础的教学模式。PBL教学法改变了传统的教学模式,把先进的教学理念引入了预科汉语教学课堂,不但能改变民族学生学习长期被动的处境,而且可以增强民族学生学习汉语的积极性与问题意识,与此同时也将会对目前预科汉语教学的环境、教师、学生提出挑战。     

TERRORISM AND TOURISM: THE CASE OF TURKEY

Using a time series method called ‘transfer function’, this paper examines the effect of terrorism on tourism in Turkey. The results indicate that there exists a negative but small impact of terrorism, which is observed within approximately one year. However, terrorist attacks in Turkey have accounted for a reduction of six million foreign tourists over the last nine years. Moreover, the economic cost of terrorism in the tourism industry was more than $700 million in 2006. However, terrorist attacks in continental Europe and America, and an active war involving a neighboring country, had no effects on tourism in Turkey.     

基于小波神经网络的货运量预测

选取我国1979—2011年国民生产总值、能源生产总值、进出口贸易额、社会消费品零售总额和固定资产投资总额5项指标作为货运总量的主要影响因素,以货运总量为输出,建立了基于Morlet小波函数的小波神经网络预测模型。该模型能够揭示货运量与相关变量之间的非线性映射关系,经实例分析得到了较满意的结果,并通过与实际货运量和BP神经网络预测结果的对比,证明了小波神经网络在货运量预测方面应用的可行性。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

结合DSmT理论和系统建模的知识融合算法

目前国内外常用的一种知识融合算法是DS证据理论,但这种方法受到单一故障假设的条件限制,应用范围受限。所以,提出了一种使用DSmT混合组合规则与系统建模方法的全新的知识融合算法,这样即解决了DS理论的单一故障假设的限制,又避免了自由DSmT只适用于不考虑排斥性约束和非存在性约束的条件限制,使得算法的应用范围更广。