基于自适应粒子群算法的梯级小水电群优化调度研究

针对以发电为主的梯级小水电群,以各水库的发电引用流量为决策变量,建立了以发电量最大为目标的梯级小水电群优化调度数学模型;设计了PSO算法和APSO算法的工程实现方法,具体包括编码设计、迭代方法设计以及惯性权重设计等;通过一个具有两库串联的梯级小水电群实例,将PSO算法和APSO算法的仿真寻优过程进行了比较,结果显示两种算法是有效的,并且APSO算法具有更强、更快的全局搜索能力;将APSO算法的仿真结果与同一条件下的GA算法的仿真结果进行了比较,结果显示APSO算法的仿真结果更优,更能充分利用水能资源.     

Pade近似降低技术的改进

本文提出Pade逼近的一个定理，用于改进Pade近似模型降阶技术，并推广到离散模型的降阶，减少了模型降阶的计算量，提高了精度。     

基于遗传算法的混合Flowshop调度

混合Flowshop调度问题,是一个NP完全问题,很难用一般的方法解决,文章提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种染色体表示方法,设计了相应的交叉和变异操作算子,这两种算子很容易保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了一个较大规模的计算实例,仿真结果表明此算法是有效的。     

基于改进的MSE准则的小波图像压缩

目前，大多数图像压缩算法是在纯粹基于像素值的均方误差(MSE)准则下工作的，由于MSE准则不能很好地刻画图像的边缘和平坦区域的差别，因此按MSE准则进行优化的压缩方法有时难以达到很好的视觉效果．根据人类视觉的特性，小波子带图像的分布特性和子带系数对保存边缘、纹理信息的重要性程度，提出一种改进的MSE准则．实验证明，基于文中改进的MSE准则的小波图像压缩方法可以获得较好的效果，能在低比特率下较完整地保存边缘和纹理信息，重构图像的主观质量有一定程度的提高。     

ebXML互操作性测试模型及其实现技术研究

实施电子商务的关键是电子商务平台间的互操作性,因此保证互操作性及其测评关键技术的研究成为实施电子商务的核心问题。本文深入分析了ebXML的技术框架规范和测试框架,采用了基于互操作性保证的ebXML分层结构,针对香港大学的开源项目hermes系统,设计了相应的测试模型,并引用了一个测试用例加以说明。     

基于遗传算法的数据广播节目调度研究

针对数字广播系统的应用特点,在研究用户信息接收方式、信息实时阅读模型等内容的基础上,提出了数据广播信息发送的遗传调度算法,并结合数据广播系统的特点改进了该算法的调度实现,最后利用系统的真实数据进行了仿真实验,与其它算法的仿真结果进行了比较,验证了该算法的有效性.     

长时滞网络控制系统的Smith预估模糊PI控制器的设计

随着控制系统规模的不断扩大,控制网络的应用越来越广泛,由此产生了网络控制系统.在网络控制系统中由于网络带宽的限制,不可避免的使系统中存在网络所诱导的时延,它是导致系统性能下降甚至不稳定的一个潜在因素.针对网络所诱导的长时延,将Smith预估器应用到网络控制系统中,并通过与模糊PI控制方法相结合,构成Smith预估模糊PI控制器,设计出的控制器使闭环系统具有较好的性能和稳定性,并对于模型失配的情况具有较高的鲁棒性.仿真结果表明了所提出方法的有效性.     

校园网络存储系统的研究

Internet技术的发展,导致网络数据量日益膨胀,海量数据存储已成为了网络发展迫切需要解决的问题.在这样的背景下,从校园网络中心的数据存储需求出发,介绍了当今国内外网络存储技术的研究发展现状,比较分析了网络存储技术DAS(Direct Attached Storage),NAS(Networks Attached Storage),SAN(Storage Area Networks)和最新的IP存储网络技术.表明新时代以网络数据为中心的存储结构正在快速形成,网络存储不仅可以提供网络系统的信息存取和共享服务,而且具有超大存储容量、超高速的数据传输率和系统高可靠性的典型特征.与此同时,结合网络中心的实际情况,构建了高效的符合网络中心数据存储需求的网络存储平台.     

基于WEB的伺服平台远程监控系统设计与实现

远程监控已经大量的投入到了实际的生产领域中，并已经产生了很好的效益．伺服平台作为一种传统的生产工具，对其进行改造使其能够适应远程监控的需要将具有非常重要的实际意义．以浙江省重点项目——浙江省省属实验室建设项目为背景，以伺服平台为被控对象，详细介绍了应用H264视频压缩技术、Socket通信技术、ActiveX技术，数据库技术和WEB技术，构建基于WEB的可视化远程监控系统的解决方案和实现方法，并实现了对伺服平台的远程控制、数据的远程访问和现场的实时视频监视．     

一种基于QR分解的增量式核判别分析法

针对非线性系统在线学习的效率问题,提出了一种基于QR分解的增量式核判别分析法。该算法充分利用基于QR分解的核判别分析法的先降维后提取特征的思想,将核空间映射到低维空间进行计算,减少了构造核矩阵的计算量,降低了核矩阵的存储空间。同时引入增量计算的思想,有效地解决了在线学习中冗余计算的问题。在TE过程数据和ORL人脸库上的仿真实验证明了该算法在特征提取上的有效性,其相比批量式算法有更高的效率优势。