多约束条件下互联网骨干网路由器级拓扑生成方法

互联网骨干网是网络流量的中枢传输系统,其路由器级拓扑结构对于网络抗毁性分析具有重要意义。由于难以获取互联网骨干网路由器级的真实拓扑,通过分析骨干网的形成因素,将地理位置、节点间联系强度、基础设施费用、鲁棒性等因素结合起来,提出一种多约束条件下的互联网骨干网路由器级拓扑生成方法。该方法既可以构造难以公开获取网络测量数据的骨干网,也可以用来生成某一骨干网的多种替身拓扑集。通过现实中的互联网骨干网作为实例,验证了方法的有效性。     

基于指控交互信息用户语境的语义Web服务发现和组合

在军事指挥控制模拟训练系统和训练装备研究领域,指控系统与仿真系统的开发是相对的,遵循不同的标准和协议,在结构和功能上存在很大的差异。通过建立指控交互信息的语义Web服务概念参考模型,提出指控系统与仿真系统互操作性面临的技术需求,研究基于指控交互信息用户语境的语义Web服务发现和服务组合,提出了基于静态与动态用户语境匹配的语义Web服务发现架构和服务匹配算法,以及基于用户语境的语义Web服务组合算法。     

基于X射线脉冲星绝对定位中的整周模糊度改进算法研究

基于X射线脉冲星导航定位方法是一种全新的自主导航技术。该文给出了脉冲星绝对定位的基本原理,针对有关文章存在的疑问,提出了脉冲星导航绝对定位中整周模糊度改进算法,并对其进行了深入的分析和理论推导,通过仿真计算脉冲星整周模糊度和航天器的位置,得到了较理想的定位精度。这种新改进的整周模糊度算法为脉冲星绝对定位提供了新的思路。     

图像型火灾烟雾探测技术及发展前景展望

重点介绍了目前国内外在视频火灾烟雾探测领域的基本原理、探测算法的研究现状以及技术进展。分析了各个系统及算法的特点,以及相关产品的市场应用,对此领域的发展前景进行了讨论和展望。     

面向工序能力的制造装备重构

为提高制造系统的快速响应能力,分析了面向可重构的制造机床模块化设计方法,提出了面向工序能力的制造机床重构的总体思路,重点从能力相似度计算、相关性分析、缺少能力参数的模块重构、冗余能力参数模块重构、能力比较、模块替换、能力验证等方面研究了基于模块的机床重构算法。通过加工中心的配置与重构对算法进行了验证,结果表明,该算法是可行和有效的。     

基于混合建模方法的三维彩色树木快速模拟算法

在对多种模型进行研究的基础上，提出了一种快速模拟三维彩色树木的高效算法。该算法不仅合理简化了树木的几何拓扑结构和生长规律特性，而且引入了特性良好、计算简单、参数易于控制的随机函数。因此生成树木的种类较多、图形逼真、速度很快，在普通微机上达到了实时的模拟效果。     

编队对地攻击联合火力分配问题的Swt-opt算法

根据未来战争中编队对地攻击的特点,运用一致算法(consensus algorithm)的思想对Swt-opt算法进行改进,解决关于传感器-武器-目标的联合火力分配问题。改进算法继承了Swt-opt算法解决资源分配问题在通信、计算以及对战场态势的容错能力方面的优势,克服了Swt-opt算法受限于网络拓扑结构的缺点。最后,证明了改进算法的可行性,并运用Matlab对改进算法进行了仿真实现。     

基于粗糙集的装备维修信息属性约简算法

分析了装备维修信息的概念和组成,将粗糙集理论应用到装备维修信息处理中,结合信息熵和互信息的定义,界定了一种新的属性重要度,并将其作为启发信息,提出了改进的基于属性重要度和互信息的属性约简算法,并通过对装备维修信息约简,进行了算法验证。实验结果表明:所提出的算法精度较高,得到的结果比较符合实际,能够为装备维修保障提供决策依据。     

多源文本数据真值发现方法

针对传统真值发现算法无法直接应用于文本数据的问题,提出基于深度神经网络面向多源文本数据的真值发现算法(NN_Truth)。根据文本答案多因素性、词语使用多样性以及文本数据稀疏性等特点,将“数据源-答案”向量作为网络输入,识别答案真值向量作为网络输出,依据真值发现的一般假设,无监督学习各数据源答案向量间关联关系,并最终获得答案真值。实验结果表明,该算法适用于文本数据真值发现场景,较基于检索的方法及传统真值发现算法效果更优。     

面向恶劣环境的高效P2P网络拓扑维护方法

互联网逐渐成为现代社会的重要信息基础设施。Peer-to-Peer(P2P)技术是近年来兴起的一种分布式互联网计算技术,具有广阔的应用前景。FissionE是一种基于Kautz图的结构化P2P覆盖网,具有较高的路由性能。针对恶劣环境下结点失效导致的FissionE拓扑维护性能较差的问题,文章对FissionE的P2P拓扑维护方法进行改进,其基本思想是:直接由门结点产生ZONE消息,避免传统FissionE的ZONE消息产生机制带来的维护开销,从而在恶劣环境下获得更好的拓扑维护性能。