一种自组织网络管理实现方法的研究

提出一种分群的自组织网络管理框架,通过分群结构来减少管理者和代理之间的信息流量,以适应网络拓扑结构动态变化的自组织网络管理．论文主要讨论了网络管理群的生成方法,网络管理群首的主动确认机制,管理者通过Script MIB向群首动态委派管理任务的过程．该技术和SNMP兼容,具有实用性．     

一种竞争抑制网络的自组织模型

本文对一类特殊的竞争抑制网络，给出了网络ＬＴＭ（ＬｏｎｙＴｅｒｍＭｅｍｏｒｙ）状态动态时间演化过程的解析表达式．学习过程的收敛约束条件，可作为选择网络参数，设计竞争学习算法的依据．学习过程自组织模型的分析，对认识竞争学习的内在机理，控制网络的动态行为，增强其智能化信息处理能力，具有一定的意义．     

一种基于自组织神经网络的彩色图像分割方法

提出了1种基于自组织神经网络的彩色图像分割方法．它首先在空间-颜色联合域内利用自组织神经网络对图像进行聚类，再结合区域生长的方法和区域邻接列表，对图像中的相似颜色区域进行合并，并去除像素数量较少的小区域，从而得到最后的分割结果．在聚类后的图像上进行分割，可以较好的把1个物体对象只表示为1个或少数几个分割区域，明显减少对象物数目，较好地克暇了传统区域生长方法的过分割问题。     

一种基于自组织神经网络的彩色图像分割方法

提出了1种基于自组织神经网络的彩色图像分割方法.它首先在空间-颜色联合域内利用自组织神经网络对图像进行聚类,再结合区域生长的方法和区域邻接列表,对图像中的相似颜色区域进行合并,并去除像素数量较少的小区域,从而得到最后的分割结果.在聚类后的图像上进行分割,可以较好的把1个物体对象只表示为1个或少数几个分割区域,明显减少对象物数目,较好地克服了传统区域生长方法的过分割问题.     

一种车载自组织网络高效数据分发机制研究

提出了一种基于路边停放车辆辅助通信的高效数据分发机制,该机制将路边停放的车辆组织为簇,通过簇缓存并转发移动车辆节点的数据,从而有效地提高数据分发效率。仿真实验表明,该机制能够以较低的数据递交延迟获得较高的数据递交率。     

一种用于航空自组织网络的空间分级路由协议

为了解决现有移动自组织网络协议无法应用于航空自组织网络的问题,提出了一种空间分级路由协议(HSRP协议),该协议可根据飞行流量动态改变数据链路层HELLO信标更新的频率,同时具有空间半径动态修正的能力。实验表明,该协议与ZRP协议相比较,能够适应飞行器密度变化对路由协议的影响,具有较高的分组投递率、较低的路由控制开销和平均端到端时延,并能够很好地适应航空自组织网络的工作环境。     

船舶航向保持自校正控制

本文得出了船舶航向保持的附加推进能量损耗目标函数的完整形式.为减小舵机机构的磨损,又引入控制信号变化率的约束项,导出了一种船舶航向保持自校正控制的新算法,最后对控制算法进行了数学仿真研究.仿真结果表明新算法更适合于实际情况.     

一种运行轨迹驱动的移动自组织网络路由算法

在移动自组织网络(MANETs)中常见路由算法的基础上,如单副本路由和泛洪路由,提出了一种基于轨迹相似度的单副本路由算法.针对单副本路由和泛洪路由中存在的问题,如单副本路由中的大传输延迟、泛洪路由中的过量网络资源消耗及由此导致的数据丢失,提出了基于历史轨迹记录相似度的多副本路由算法.通过仿真实验,对所提算法在转发成功率、转发延时及转发次数等性能参数方面进行了评估.实验结果表明,与现有的路由算法相比,所提出的算法具有更好的性能表现,达到了预期的设计目标.     

一种基于XML的自组织运算灾害评估模型研究

笔者在灾害评估的研究背景下提出了一种基于XML的自组织运算灾害评估模型，利用XML来对评估模型进行描述，通过对运算类和数据查询类的命名定义来实现模型在评估运算和数据采集上的可扩展性．模型能够筛选和提取海量灾害数据并通过对计算过程的控制，实现对灾害的定量评估，同时结合评估指标库实现对灾害的定性评估．最后给出了模型系统的结构层次，对模型系统进行了实现并阐述了模型的生成和解析机制．     

基于自组织网络的货郎担问题解决方案

货郎担问题（Traveling Salesman Problem，TSP）作为组合数学中的经典问题，具有一定的研究价值．首先陈述了基于自组织网络（Self-Organizing Maps，SOM）的TSP问题的解决方案，然后着重分析为什么SOM网络能够体现这样的计算智能，并探讨了如何将其应用到其它的优化问题当中．     

自组织网络的互同步技术研究

提出了一种无线自组织网络的互同步技术,以便网络能够采用基于时分多址的多址接入控制方式,更好地满足实时业务的要求．该技术通过网络节点之间时间基准的相互交换和相互控制,实现节点之间的相互同步．在这种同步方式中,所有节点周期性地发送其时间基准,任何一个节点在接收到其他节点的时间基准信号后,根据这些时间基准对本节点的时间基准进行适当的调整,使得所有节点具有相同的时间基准,从而实现了网络中所有节点之间的同步．这种同步方式既不要求各个网络节点采用高精度的时钟,也不依赖于其他网络的运行(例如GPS),同时还避免了由某个网络节点提供时间基准所造成的瓶颈效应,提高了网络运行的可靠性．     

Variable cluster analysis method for building neural network model

To address the problems that input variables should be reduced as much as possible and explain output variables fully in building neural network model of complicated system, a variable selection method based on cluster analysis was investigated. Similarity coefficient which describes the mutual relation of variables was defined. The methods of the highest contribution rate, part replacing whole and variable replacement are put forwarded and de-duced by information theory. The software of tbe neural network based on cluster analysis, whicb can provide many kinds of metbods for defining variable similarity coefficient, clustering system variable and evaluating variable clus-ter, was developed and applied to build neural network forecast model of cement clinker quality. Tile results show that all the network scale, training time and prediction accuracy are perfect. The practical application demonstrates that the method of selecting variables for neural network is feasible and effective.     

Application of cluster analysis to preventive maintenance scheme design of pavement

To quantitatively identify the maintenance demand for each highway segments in the pavement maintenance scheme design,a mathematical model of uniform segment division was established and an approach of applying cluster analysis theory to the uniform segment division and evaluation of pavement maintenance demand was proposed.The actual maintenance project of a highway carried out in Guangdong province was cited as an example to demonstrate the validity of the proposed method.It is proved that the cluster analysis can eliminate human factors in classification without being constrained by the quantities of samples,considering multiple pavement distress indexes and the continuity of samples.Thus it is evident that cluster analysis is an efficient analytical tool in uniform segment division and evaluation of maintenance demand.     

基于自组织神经网络的特征识别

针对CAD、CAM中的特征识别问题,在特征的属性邻接图表达方法的基础上,根据特征建立的历史过程提出了特征森林的概念,作为识别的启发式信息。采用自组织神经网络识别特征。依据识别特征的规模动态确定自组织神经网络输入神经元的维数,并给出了一种矢量化方法。实验实例证明了本文方法的有效性,从而为特征识别和维护提供了一种新的有效方法。     

水闸工程管理中的设备维修措施探讨

文章分析了水闸工程设备存在的问题,提出了维修措施     

基于链接的无线传感器网络簇中可信模型

通过引入社会网络中链接的概念,提出1种无线传感器网络簇中可信模型,以更有效地检测非正常节点。模型把对节点的信任分成持久信任和即时信任,在即时信任和持久信任的基础上计算每个节点的信誉,利用信誉检测非正常节点。通过实验分析了阀值的取值并将本研究模型与其他模型进行比较。实验结果表明,在检测非正常节点方面,基于链接的簇中可信模型比GTMS(group-based trust management scheme)和RFSN(reputation-based framework for sensor network)更为优秀。     

神经网络模糊聚类方法在故障诊断中的应用

在旋转机械故障诊断研究中,对大量样本的有效分类至关重要。传统的贴近度法计算繁锁,分辨率低,且领带于大量实验测试和经验案例的总结。根据故障诊断中样本数据无须精确要求的特点,可以对样本数据作模糊化处理,进一步采用自组织竞争神经网络对样本进行自动聚类,速度快,准确性好,具有较高的智能特性。实际应用表明,这种模糊神经网络完全满足使用要求。