论文部分内容阅读
智能系统中广泛使用了一些在模式识别中的经典智能算法,这些算法对整个系统的性能有很大影响。比如,在智能通信网络中,网络带宽控制在路由选择、拥塞控制等领域有重要意义,而其前提是有效带宽测量。而现有可用带宽测量算法测量时间普遍较长,有待提出更优的算法。另外,随着光网络的普及,全光智能网络逐渐成为一种趋势,而实现光交叉连接自动对接的自动控制是实现全光交换的一种有效解决方案。网络的普及造就了海量的评论数据,如何对评论进行情感分类也是智能系统中重要研究热点。本文针对以上三个智能系统提出新的智能算法或者对原有算法进行改进,以使系统性能提高。论文的主要工作及创新点可以归纳为以下几点：1)提出了一种新的基于延时增长率快速可用带宽测量算法QuickAbw。该算法的基础是通过推导得到适用于存在唯一拥塞链路的网络可用带宽计算公式,本文还对将该公式用于多拥塞链路的情况而产生的测量误差性质进行了分析,对此,提出了拥塞链路数目识别算法法和迭代测量算法将QuickAbw推广至多拥塞链路的情况。在仿真环节,将QuickAbw算法在NS2平台实现,对理论推导进行了验证,并与其他可用带宽测量算法进行了对比,结果表明,QuickAbw算法在测量准确度和测量速度上优于其他测量算法。2)设计了一种基于三级Clos网的自动光纤配线系统模型,可以完成光纤配线架的自动控制,相比于人工配线不仅速度快且成本低。针对配线系统发生拥塞时的重排算法进行了优化,降低了重排算法的时间复杂度,能有效提高设备的响应速度且降低了硬件成本。3)朴素贝叶斯分类器应用广泛,但它有两个基本假设作为前提,而在不满足假设的情况下表现就较差。本文提出了一种基于每类别对应多混合模型的多重朴素贝叶斯分类器来削弱传统朴素贝叶斯分类器的缺陷,并对它在文本情感倾向性分类中进行了实验,结果表明,多重朴素贝叶斯分类器获得了更好的性能。