主动网络执行环境ANTS的扩展设计及应用研究

由于国内在主动网络操作系统和执行环境方面的研究的薄弱。主动网络的应用研究受到了一定影响。基于该现状的考虑,分析了ANTS主动网络执行环境的优势与不足。针对其不足设计开发了一种构建灵活、能满足多种移动代码加载机制的执行环境EANTS,最后利用该平台进行了主动网络的管理应用研究,并实现了主动网络管理原型系统,研究成果为进一步进行主动网络应用研究提供了一种可选择的平台。     

基于主动网络的网络管理

在分析现有网络管理模型面临的困难基础上引入了主动网络技术,并设计了一种新型的基于主动网络技术的分布式网络管理模型：研究了利用主动网络技术解决网络管理问题的结构、优势以及协议。并以路由跟踪为例详细说明了管理功能的实现。     

Web资源库建设中的主动服务技术

介绍了主动服务及其需要背景,讨论了基于ＣＯＲＢＡ事件服务实现主动服务系统在基于网络的虚拟大学信息库建设中的应用。     

切实掌握高校网络宣传教育的主动权

从高校网络宣传教育的舆论引导，教育时机、动态研究、服务需求等方面，论述了切实掌握高校网络宣传教育主动权的环节、手段以及着力点。     

汽车主动悬架一种控制方法的研究

本文研究了汽车主动悬架部分状态变量反馈控制问题，介绍了设计并优化其控制规律的基本原理和计算方法，以“山花”牌ＪＨ６３１Ｋ汽车为对象算出了最优控制规律，完善了现代控制理论在汽车主动悬架设计中的应用。悬架性能的数值仿真和模型试验结果表明：主动悬架比被动悬架具有更好的减振性能；主动悬架的部分状态变量反馈优化控制与完全状态变量反馈优化控制减振效果相接近，且易于实现，具有更大的实用价值。     

将液压式构件用于拱桥主动控制的探讨

笔者提出由多个液压式激励器组成的组合主动构件，这种构件的轴力、弯矩和剪力可控，采用这种组合主动构件代替拱桥扒肋的某一段，可以形成可控的拱桥，对液压式构件的力学特性和这种组合主动构件的应用前景进行了分析。     

考虑节点度的供应链网络风险模糊评估

从复杂网络角度将供应链网络风险分为“点中断风险”和“边中断风险”两大类，并重新定义了各自的主要风险要素．在此基础上，将网络的节点度指标引入风险评价中，建立了供应链网络风险的双层双维模糊评估模型．最后，以某三级供应链网络为例，由“微观”到“宏观”逐级对供应链网络风险进行了定量评估，仿真结果表明企业节点的度值作为供应链网络风险评估的过渡参数，可以有效提高评估结果的准确性．     

移动无线传感器网络节点定位算法研究

文章针对移动无线传感器网络中节点定位的问题,提出利用一个移动锚节点结合DV-Hop算法来对节点进行定位的方法,该算法与静态网络中DV-Hop定位算法相比节约了网络成本,仿真实验表明,该算法的定位误差和定位覆盖率可以满足大多数应用。     

压电板的主动控制实验研究

研究了压电板模型的主动控制。建立了主动控制方程,进行了实验研究。结果表明,采用压电片作为传感器和制动器的压电板的振动可以得到较好的抑制。说明了控制策略的可行性。为压电智能结构的进一步应用提供了实验基础。     

我国农村物流网络节点体系发展思路

为服务乡村振兴战略实施、深入贯彻落实“四好农村路”建设精神，及时了解新时期我国农村物流网络体系的发展现状，探索农村物流网络节点建设的发展对策，通过实地调研、问卷调查、文献调查等调查方法以及指标对比分析法、分组分析法等统计方法，对农村物流网络节点的数量、分布规律及特点等进行了分析，对农村物流运输组织模式类别进行了划分，并总结了各模式下农村物流网络节点的特点。在此基础上，提出我国下一步推进农村物流网络节点发展的思路，认为构建我国农村物流网络节点体系应注重因地制宜，坚持“建管运”并举，促进物流服务与产业发展协同联动。     

有关选址和运输网络设计的研究

网络定位(选址)模型已广泛应用于公共及私有设施的定位。文章调查了一个模型，并且对运输网络的设施选址和设计进行了优化。认为改变网络的拓扑构造要比增加设施而提高服务水准更具投资回报效率，因此，该模型在区域规划、分拨、能源管理等领域有许多应用，并概括出了经典的简化工厂选址问题。文章将讨论如何使用这一模型有效地解决问题。     

一种基于二层贝叶斯网的网络入侵检测方法

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统得自适应性和可移植性,降低系统的误报率和误检率．并通过设计实验来验证基于贝叶斯网的入侵检测系统的性能,实验数据采用KDD cup 1999年的部分数据．实验结果表明：该方法在只使用10％训练数据和部分记录属性来学习的情况下,检测效果仍比较好．     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

城市道路网拓扑结构的复杂网络特性研究

以城市道路网中的连续道路中心线作为网络拓扑结构的基本分析单元,作者采用对偶法对我国12个不同规模和形态的城市道路网的拓扑结构进行了抽象,在此基础上分析了我国城市道路网拓扑结构具有的普遍复杂网络特性。研究指出,我国城市道路网的拓扑结构一方面具有较小的特征路径长度和较大的聚类系数,是典型的小世界网络;另一方面其度分布函数为幂律形式,又具有典型的无标度特性。     

Relations Between Wavelet Network and Feedforward Neural Network

A comparison of construction forms and base functions is made between feedforward neural network and wavelet network. The relations between them are studied from the constructions of wavelet functions or dilation functions in wavelet network by different activation functions in feedforward neural network. It is concluded that some wavelet function is equal to the linear combination of several neurons in feedforward neural network.     

论网络传播方式对网络广告效果的负面影响

网络传播方式变革了传统媒体信息传播方式，它促进了网络广告的发展，但同时也阻碍了网络广告的发展。本文通过对网络广告信息接收媒介和交互性两个主要方面进行分析，指出了网络传播方式对网络广告效果的负面影响，并提出了尽量避免其负面影响的相应措施。这对于提高网络广告的效果，促进网络广告市场的繁荣，提供了一定的思路。     

基于网络效率的日变路网脆弱性识别方法

在日变动态路网背景下,采用传统的静态脆弱性识别方法有可能无法完全辨识路网系统单元的脆弱性,这不利于事件管理规划和应急物资调配工作的开展.为此,以日变路网为研究对象,在单路段关闭情形下,定义了基于网络效率的路网动态脆弱性指标,表示为退化路网动态网络效率与完好路网静态网络效率的相对变化率.提出了基于单路段关闭的日变动态配流模型刻画日变路网流量的非均衡动态演化,并给出了相应算法.采用提出的指标和模型在实例网络中验证了日变路网脆弱性识别方法的可行性.对比分析了基于动态网络效率和基于静态网络效率的脆弱性识别结果,发现前者的识别率高于后者.     

基于多周期组件时空神经网络的路网通行速度预测

针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模型。首先,根据路网交通感知数据的周期特性,将其规约为周、日和近期这3种不同粒度的时间-空间-特征三维矩阵,并输入至3个共享网络结构的周期组件。其次,在每部分组件中,利用多尺度卷积核捕获多因素非线性相关性与不同空间视野大小的路网节点空间相关性。然后,对每个路网节点的时序特征使用门控循环单元提取交通数据长时依赖关系,引入残差学习框架,提高网络训练效率并防止梯度弥散。最后,自适应加权融合通过预测卷积层的每部分周期组件预测结果生成预测时段内路网交通通行速度。为验证所提方法的有效性,基于两个公开的交通状态数据集进行实验分析,并选取当前主流的深度神经网络模型作为对比基线模型。结果表明,所提方法在可接受的执行时间内,在两个数据集上平均绝对误差、平均平方误差和平均绝对百分比误差分别为 2.55、3.94 和 10.75%,1.57、3.52和3.44%,在预测准确性与中长时多步预测稳定性方面均优于其他基准方法。