基于动态赋权的网络性能综合评价研究

为解决网络性能综合评价中"定权"难以描述指标值变化对权值影响的问题,提出了一种"定权+变权"的动态赋权方法,扩展了基于指标相关性权值计算方法的应用范围,针对性能指标值是否超出阈值分别采用CRITIC法(基于相关系数的标准差法)和激励型变权计算指标权值,最后将基于定权和基于动态赋权的综合评价结果进行了比较分析.实验结果表明,动态赋权方法能够更准确地反映出指标值变化对指标权值以及网络性能的影响程度,从而使评价结果更加趋于合理.     

混合BP神经网络在城市污水量预报中的应用

对城市污水处理厂污水量的科学预测是污水处理机组协调和优化调度的基础和关键。针对传统BP神经网络在污水处理厂污水量的预测中存在收敛速度慢、预报精度低等缺陷。本文提出采用改进的粒子群优化算法优化BP神经网络的连接权值,以提高污水量预报的速度和精度。实验结果表明了该混合BP神经网络在城市污水量预报中的有效性和精确性,实现了污水处理厂各机组的优化运行和节能降耗。     

一种基于云模型的网络态势综合评估方法

针对网络态势评估中存在的模糊性、随机性和指标量化不统一等问题,提出了一种基于云模型的网络态势综合评估方法。综合考虑实数型、区间型和模糊型指标并统一用云模型量化表示,采用主观与客观相结合的赋权方式,并利用云相似性理论进行网络态势综合评估。对通信网络态势评估的实例分析表明,该方法能够合理地实现网络态势的定性及定量评估,并且保留了评估过程中的不确定性。     

双包层Er3+/Yb3+共掺光纤放大器粒子数特性分析

基于速率方程和光传输方程,对双包层Er3+/Yb3+共掺光纤放大器的计算模型进行了讨论,并利用数值模拟结果对980nm激光抽运双包层Er3+/Yb3+共掺光纤放大器Er3+上能级粒子数的分布特性进行了分析。分别给出了正向抽运和反向抽运条件下,Er3+归一化上能级粒子数分布曲线。利用上能级粒子数沿光纤的分布曲线解释了信号光沿光纤的分布规律。     

高功率多模铒镱共掺双包层光纤激光器的研究

为了获得尽可能高的输出功率以满足应用需求,分别以实验和数值分析的方法对铒镱共掺双包层光纤激光器的性能进行了进一步研究.实验上,采用加拿大国家光学研究所生产的EY805型铒镱共掺双包层多模光纤作为增益介质,描述了输出功率随入纤抽运功率以及光纤长度的变化,在光纤长度为1.8m的情况下,获得了3.5W的最大输出功率,光-光转换效率达31.8%.基于速率和传输方程,对该铒镱共掺双包层光纤激光器进行了数值模拟,在相同光纤长度下,计算的最大输出功率约.W,光-光转换效率0%,比实验结果要高.讨论了进一步对该光纤激光器性能进行优化的措施.该结果对于促进铒镱共掺双包层光纤激光器的实用化及其性能改进具有重要意义.     

改进的PSVM及其在非平衡数据分类中的应用

标准近似支持向量机(PSVM)没有考虑非平衡分布数据的分类问题，为此，在PSVM的基础上，将优化问题中的惩罚因子由数值变更为一个对角阵，提出了一种改进的PSVM算法。该方法利用引入的对角阵对正负样本分别分配不同的惩罚因子，由于其任意性，使得该算法可以解决由多种因素引起的分布不平衡的分类问题，稳健性较好。利用实值免疫克隆算法实现了模型参数的自动选择，进一步提高了算法的泛化性能。实验结果表明新算法对于处理分布不平衡数据的分类问题相当有效。     

信息安全风险管理系统的设计与实现

嵌入式设备随着应用领域的扩展呈现出多样性以及复杂性,而嵌入式实时系统普遍不具有良好的设备驱动体系结构,造成驱动开发困难、可移植性差.该文给出了一种嵌入式实时操作系统下的驱动框架,支持各种设备及总线接口,设计了一种快速的设备中断机制,符合嵌入式实时系统的强实时、高可靠的特点,能够满足开发各种嵌入式系统.     

1565nm激光泵浦Tm∶Ho共掺石英光纤激光器稳态特性

与800nm和1180nm泵浦带相比较,1565nm泵浦有效消弱了多能级快速非辐射跃迁以及能量上转换损耗。建立了1565nm激光泵浦Tm3 ∶Ho3 共掺石英光纤产生2μm激光的理论模型,给出系统完整的速率方程和功率传输方程,采用数值模拟的方法对理想条件下系统稳态特性进行分析。结果表明,采用1565nm激光作为泵浦源,能够获得高效率的激光输出。在泵浦功率为3W、光纤长度2.2m时,输出功率高达1.7W、量子效率57%、斜效率67%。这是目前此类光纤获得的较好转换效率。     

网络时延的混沌特性分析及预测

针对互联网的传输时延处于不确定状态的问题,从网络时延序列表现出的性质出发,将混沌理论引入对网络时延的特性分析.通过对实际网络时延数据的处理,计算验证了网络时延具有混沌特性.并提出了采用混沌一支持向量机回归模型对互联网络时延进行预测的方法,通过实例分析对该方法进行了验证.分析结果证明了混沌一支持向量机模型可以对网络时延的变化趋势进行较为准确的预测,和BP神经网络回归预测相比,混沌一支持向量机对时延的短期预测具有更高精度.     

网络时延的混沌特性分析及预测

针对互联网的传输时延处于不确定状态的问题,从网络时延序列表现出的性质出发,将混沌理论引入对网络时延的特性分析。通过对实际网络时延数据的处理,计算验证了网络时延具有混沌特性。并提出了采用混沌一支持向量机回归模型对互联网络时延进行预测的方法,通过实例分析对该方法进行了验证。分析结果证明了混沌—支持向量机模型可以对网络时延的变化趋势进行较为准确的预测,和BP神经网络回归预测相比,混沌—支持向量机对时延的短期预测具有更高精度。