移动自组网典型路由协议研究

随着网络的发展,移动自组网已成为当前研究的热点,文中介绍了移动自组网与现有通信系统在路由上的区别,重点探讨了移动自组网DSDV、AODV、DSR等几类典型的路由协议,以及MANET路由协议今后的主要研究方向。     

基于支持向量预选取的支持向量域故障预报

针对两种支持向量域模型分别分析了支持向量的分布特性,在此基础上从训练集中选取具有一定几何特征的向量构建预测模型.这些特征向量的预选取在不影响支持向量域的故障预报能力的前提下,大大减少了训练样本,提高了支持向量域的训练效率.仿真实验表明了该方法的有效性和可行性.

     

基于随机摄动粒子滤波器的故障预报算法

针对粒子滤波算法在故障预报中的大计算量和粒子退化问题,提出一种基于随机摄动粒子滤波器的故障预报算法.当粒子退化严重时,对粒子用随机摄动方式进行再采样,一方面可改进样本的多样性,缓解粒子退化;另一方面可缩短再采样时间,减少计算量,从而提高粒子滤波算法的跟踪能力.仿真结果表明该算法可行,能及时准确地对系统故障进行预报.     

一种基于局部连通性的增强型车载网多跳广播协议

在车载网中,许多应用都依赖于可靠高效的消息广播。由于无线信道共享介质的特性,消息广播不得不面临广播风暴问题。概率广播是一类能抑制广播风暴的简单有效的方法,然而车载网中除DV-CAST以外的概率广播协议均未考虑稀疏节点场景下的网络分割问题。在分析和验证DV-CAST协议固有缺点的基础上,借鉴其利用局部连通性进行转发决策的思想,提出了一种基于局部连通性的增强型多跳广播协议。实验表明,提出的协议能在稠密节点及稀疏节点场景中均取得较好的可靠性并具有较低开销。     

多尺度核方法的自适应序列学习及应用

多尺度核方法是当前核机器学习领域的一个热点。通常多尺度核的学习在多核处理时存在诸如多核平均组合、迭代学习时间长、经验选择合成系数等弊端。文中基于核目标度量规则,提出一种多尺度核方法的自适应序列学习算法,实现多核加权系数的自动快速求取。实验表明,该方法在回归精度、分类正确率方面比单核支持向量机方法结果更优,函数拟合与分类稳定性更强,证明该算法具有普遍适用性。     

军队院校网络教学模式的探索

介绍了军队院校网络教学水平现状,提出了基于军队院校进行网络课程建设的规划和教学组织方法,并针对军校学员的教学模式进行了探讨。     

基于概念图/思维导图的网络课程教学评价

设计高质量的网络课程和教学效果评价方法,已成为网络教育的重要课题。传统的网络化课程资源对知识的呈现成线性方式,这对学习有积极的影响,但也使学习者在浏览时出现迷航或认知超载的问题。针对该问题,文中研究了概念图/思维导图在网络课程设计和教学评价中的应用,并给出了设计实例。     

景象匹配技术在巡航导弹制导中的应用研究

景象匹配技术是巡航导弹实现精确末制导的关键。本文介绍了各种景象匹配算法及其原理，分析了实际应用中影响匹配性能的因素，并介绍了算法的实时性及并行性问题。     

景象匹配制导图几何畸变的消除方法研究

景象匹配技术是巡航导弹实现精确末制导的关键，而制导图的匹配性能如何，怎样对制导图进行预处理，特别是消除图像的几何畸变，又严重影响着景象匹配的效果。本文研究了多种消除图像几何畸变的方法，这些方法增强了制导图的适配性，提高景象匹配的正确率。     

基于aiNet算法优化SVM模型的惯性器件故障预报

在标准支撑矢量机算法中,其模型结构参数和核函数中的参数一般凭经验通过交叉验证的方法选择确定,缺乏理论基础,影响支撑矢量机的学习效果.针对这种局限性,文中利用人工免疫算法对支撑矢量机的参数进行优化.将待优化参数作为抗体,经过抗体克隆、变异和抑制等操作,找到最优抗体,即对应最优化参数的支撑矢量机模型.然后基于优化后的支撑矢量机利用惯性器件的历史数据,对其进行故障预报.仿真结果显示:该算法的故障预报误差小于标准支撑矢量机的预报误差.证明了免疫aiNet算法优化支撑矢量机模型参数的有效性,及优化模型在惯性器件故障预报中的有效性.