基于滑模观测器的直驱PMSG机侧控制算法研究与应用

为适应平流水发电水流变化、转速不稳定等外部环境的变化,提高发电站的发电效率,在直驱式永磁同步发电机（PMSG）机侧控制算法的基础上,设计一种带反馈增益自调整算法的滑模观测器（SMO）,对PMSG的转子位置进行估算,从而改善低速的估计误差。通过设计一套37 kW的PMSG发电机组,并在现场进行了试验测试,验证了算法可以有效控制直驱PMSG在低速运行时的转子位置估算误差,在高速运行时算法能够快速收敛,满足PMSG控制要求。     

支持多点交互同步的应用层组播路由算法

提出了在多源组播路由过程中解决交互同步问题而无须使用同步控制器的思想,在这种思想的基础上进一步实现低延迟组播.主要贡献包括:(1)建立面向多点交互过程的同步模型及证明支持多点交互同步的组播路由定理;(2)提出一种有效的、低延迟的、支持多点交互同步的应用层组播路由算法;(3)采用数学方法对新算法和现有相关算法进行性能分析...     

移动流媒体播放器的设计与实现

3G移动网络的高速数据传输能力使得移动流媒体的实现成为可能.本文从移动网络和移动流媒体传输协议的特点入手,结合DirectShow开发多媒体的优势,探讨了移动流媒体播放器设计中的流媒体服务器的交互、缓冲区的设置、视音频同步以及RTSP源过滤器等关键技术,研制出一个适用于移动网络环境的流媒体播放器,并进行了实际验证和测试.     

一种基于混合智能优化的服务选择模型

基于Web服务功能属性与非功能属性分离的思想,提出了在组合服务流程确定情况下基于非功能属性的组合Web服务选择模型.考虑到非功能属性之间的不可公度性和矛盾性,设计了一种基于极大熵函数和社会认知算法的新型混合智能优化算法来解决全局服务选择问题.最后给出了数值实验,实验表明文中的方法可以综合考虑服务组合的非功能要求,从而实现自动的全局服务选择.     

基于案例推理的入侵检测关联分析研究

针对基于规则和模型的入侵检测专家系统中难以建立和表达入侵检测规则的问题,利用基于案例推理(CBR)方法对知识要求的低依赖性,将它引入入侵检测(ID)领域,提出了基于案例推理的入侵检测关联分析(CBRIDRA)模型的框架,研究了系统各功能模块,并对其中攻击案例定义、攻击案例检索、攻击案例管理、专家知识系统等关键技术的解决思路和实现方法进行了讨论。     

面向同步实时授课的多媒体通信模型

针对基于IP网的同步实时授课系统在多媒体通信方面存在的问题，提出了一种适用于描述实时授课中多媒体通信的四元组结构模式，基于此模式，建立了同步实时授课系统的多媒体通信模型，论述了模型中的主要问题，如组播数据跨网段传输机制和镜头焦点交互机制，并对模型进行了性能评估。该模型已在基于IP网的多媒体远程教育系统RealClass中得到应用和验证，并具有良好的可扩展性。     

试论"熵"理论的运用和发展

本文论述了“熵”的跨学科研究，阐述了熵概念在信息定量化的进程中所起的作用，探讨了熵理论在生命科学中的运用和发展，揭示了熵这一物理概念，所蕴涵的极其丰富含义。     

一种支持异构Sensor的分布式IDS的通信机制

提出了一种新的支持分布式入侵检测通信需求的通信机制。给出了通信机制的体系结构及其实现流程，提出了一种基于XML进行异构Sensor事件一致描述的方法，有效地解决了IDS之间数据共享的问题。针对IDS控制台和检测传感器之间安全数据交换的问题，提出了一种基于SSL和RSA算法相结合的安全通信解决方法。对本通信机制的性能进行了量化分析。     

渐进式内窥镜形状的感知和重建

给出并分析了一种内窥镜镜体形状感知系统,特别是给出了曲率传感头的检测原理,及介入装置和控制子系统的设计.将中心波长为1539.234nm和1538.882nm的两根布拉格光纤光栅(Fiber Bragg Grating)封装在细径基材上,构成直径为3mm应变测量传感器.在介入装置作用下,传感器沿内窥镜活检钳道按平均速度30mm/s间歇式推进,并在介入过程中,每隔50mm等间隔距离采样传感器上的Bragg波长变化值,推算出各点的应变和空间曲率信息.最终运用基于离散点曲率信息的空间曲线拟合方法重建内窥镜镜体的空间形状.实验结果表明:系统原理的可行性,对圆形实验模型的测试表明,传感器插入1000mm后其末端在x、y和z方向上的误差分别为0.5mm、0.8mm和-3.4mm.同时也表明:介入人体的肠道内窥镜形状显示可极大地提高内窥检查安全性.     

基于混合比例估计的标签噪声学习方法

近年来,人工智能蓬勃发展,伴随着计算硬件算力的提升,深度学习已成为了人工智能算法的新范式.然而深度学习依赖大量精确标注的数据,在现实的多类别分类场景中,受限于标注成本和隐私数据保护等因素,大量精准标注的数据往往难以获得.近些年,移动众包和网络爬虫这类经济廉价的数据收集方法被广泛采用,但他们不可避免地引入了错误标注,即标签噪声.鉴于深度神经网络强大的数据拟合能力,标签噪声的存在将造成算法的过拟合,严重制约了深度学习方法的泛化能力.针对标签噪声问题,现有研究大多显式或隐式地依赖锚点(明确属于某一类别的样本),然而在现实场景中锚点难以获取,这使得现有解决方案不再适用.为解决这一问题,本文创造性地将多类别标签噪声学习问题转化为混合比例估计(mixture proportion estimation, MPE)问题,构建了一种不依赖锚点的满足统计一致性的学习算法.本文的主要贡献包括:(1)对现有的仅适用于二组成物MPE场景的R-MPE(regrouping-MPE)方法进行推广,提出了多组成物场景下不依赖不可约假设的MPE方法 MR-MPE(multi-component oriented R-...