随机分布系统可靠保性能控制算法的研究

来源 :计算机应用研究 | 被引量 : 4次 | 上传用户:leihaibo880125
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对随机分布系统采用数值优化算法设计的控制器不稳定的问题,研究了可靠保性能控制算法。该控制算法可实现将随机分布系统的值优化算法转换为线性矩阵不等式的可行解问题,并通过线性矩阵不等式的方法给出可靠保性能控制算法的充分条件,采用凸优化技术进行优化。通过实例仿真,证明该算法能够实现输出概率密度函数渐进追踪目标概率密度函数,并使随机分布系统的鲁棒性和稳定性有较好的改善。
其他文献
目前大多数基于证书密码体制的数字签名方案都使用双线性对构造,计算开销较大、计算效率低,因此有必要研究更安全、更高效的基于证书签名方案。基于离散对数难题和分叉引理,提出了一个不含双线性对运算的基于证书数字签名方案,并在随机预言模型下证明了方案的安全性,分析了方案的效率。分析表明,方案可以抵抗用户伪造攻击和CA伪造攻击,抵抗公钥替换攻击,并且计算效率较高,适合应用于移动通信等计算能力和带宽受限的领域。
针对固定语音识别系统后端大量的模板匹配识别运算,提出了一种多处理单元并行超标量匹配处理架构,有效地提升了大容量模板库条件下实时处理性能。将所提出的并行匹配处理架构在Virtex-6 FPGA上进行了实现,其结果显示,在保证识别精度的情况下,处理能力得到显著提高。
循环拷贝出错是缓冲区溢出漏洞产生的主要原因之一。为了提高此类漏洞的检测效率,提出一种基于反编译的循环脆弱点检测方法。该方法首先对目标文件进行反编译,在反编译的基础上构建函数的AST(抽象语法树),设计算法提取函数内部的循环信息;然后根据循环脆弱点存在的特性,构建有限状态自动机,对循环脆弱点进行检测。该方法在无源码漏洞检测方面有明显优势,能有效发掘软件中存在的循环脆弱点,提高漏洞挖掘的效率和自动化程
提出了一种基于不满意度的网络安全模型,主要功能是帮助用户在网络环境中正确地选择交易对象,屏蔽恶意节点,基于不满意度(degree of dissatisfaction,DoD)对交易节点进行分类控制。节点的不满意度定义为该节点属于恶意节点集的概率。a)使用粗糙集(rough set)模块与Bayesian学习器计算节点的不满意度,依据节点的交易历史记录计算节点的本地不满意度(local DoD,L
利用向量空间模型表示的文本邮件数据具有高维性,不利于邮件过滤模型的建立,需要对数据进行降维处理。最大间隔Semi-NMF(max-margin semi-nonnegative matrix factorization,MNMF)能够同时实现维数约减和邮件分类,而图正则化NMF能保持数据空间的几何结构。基于以上两种NMF改进模型,提出了图正则化MNMF(graph regularized MNMF
为了保护网络中关键信息资产,评估分析网络的整体安全性,提出了一种基于攻击图节点概率的网络安全度量方法。该方法改进了原子攻击节点自身概率的计算模型,引入累积可达概率,在此基础上,研究了网络安全风险评估模型。实验结果表明,所提评估方法能够准确地评估目标状态的安全级别和网络的整体风险。
提出用分布式哈希表(DHT)为每台云服务器产生一个唯一的节点编号,该编号作为网络拓扑结构、检索信息存储和信息查询共同的标志符,从而形成一个适合分布式计算的结构化P2P覆盖网。设计了新的拓扑和路由协议来解决云资源的常数跳定位问题。仿真实验表明,经典的P2P算法平均查找跳数与网络规模成正相关,无法依据云计算的实际需要人为地控制查找跳数;该算法的平均查找跳数与网络规模无关,随着网络规模的增大而趋向于设定
针对网络安全数据高维度的特征,对传统离群点检测不能有效发现的网络数据中入侵行为细节进行检测。提出一种基于频繁模式的算法,通过检测数据项的频繁模式和关联规则,剥离数据流中或安全日志数据中的噪声和异常点,计算安全数据的加权频繁离群因子,精确定位离群点,最后从中自动筛选出异常属性。实验证明,该方法在较好的空间复杂性与时间复杂性下,能有效地发现在高维安全数据中异常的属性。
提出一种基于稀疏表示的单帧运动盲复原方法,它充分利用自然图像中存在的各种先验知识进行求解。该方法分为模糊核估计和图像修复两个阶段。在估计模糊核时,它运用shock滤波器从模糊图像中预测出清晰边缘,以此指导全局图像的复原,并运用多尺度策略来解决大模糊核问题。在图像修复阶段,运用稀疏表示理论对复原图像进行降噪和重建,最终提高图像复原质量。实验结果表明,在不同噪声和模糊核条件下,该算法能有效消除运动模糊
由于复杂网络的规模越来越大,在大规模的复杂网络中快速、准确地挖掘出隐藏的社区结构是当前该领域研究的热点问题。目前社区结构挖掘常用的基于快速Newman算法的社区结构挖掘算法之一是一般概率框架方法。以规模日益增大的复杂网络为研究对象,提出了基于GPGPU的一般概率框架并行算法,有效地解决了在大规模的复杂网络中快速、准确地挖掘出隐藏的社区结构问题。实验证明,随着节点数的增加,该并行算法在不损失准确性的