【摘 要】
：
研究超混沌修正射影同步算法问题。由于修正射影同步不可预测的伸缩矩阵因子能够有效地提高保密通信的安全性,所以它在保密通信中有着非常诱人的应用前景,但是传统的同步射影算法由于较高的计算复杂度,难以得到广泛应用。针对上述问题,提出了一种新的基于超混沌系统修正射影同步算法。该方法首先给出了一个比已知的射影同步更一般形式的新同步,之后采用激活控制方法使两个一致的超混沌系统整体同步。最后算法在基于软件Mapl
论文部分内容阅读
研究超混沌修正射影同步算法问题。由于修正射影同步不可预测的伸缩矩阵因子能够有效地提高保密通信的安全性,所以它在保密通信中有着非常诱人的应用前景,但是传统的同步射影算法由于较高的计算复杂度,难以得到广泛应用。针对上述问题,提出了一种新的基于超混沌系统修正射影同步算法。该方法首先给出了一个比已知的射影同步更一般形式的新同步,之后采用激活控制方法使两个一致的超混沌系统整体同步。最后算法在基于软件Maple和稳定性理论基础上,通过数值仿真同步的结果表明,提出的算法能够自主选择调节缩放矩阵中的比例因子,可以较
其他文献
机械结构在长期的存储中,疲劳裂纹的变化受到多种环境因素的影响,针对目前疲劳裂纹预测准确率低的问题,提出一种基于最小二乘支持向量机方法(LSSVM)来预测机械结构的疲劳裂纹长度,通过改进的粒子群优化算法对LSSVM进行参数优化。改进的粒子群参数优化算法采用二次型惯性权重递减策略,使粒子群优化算法的优化过程更接近实际的非线性和高复杂过程。经仿真实验验证,结果表明,基于改进的粒子群参数优化的最小二乘支持
将项目管理中的关键路径法引入到云资源布局优化策略中,针对非实时性任务通过多种云计算资源的组合,可以进一步降低资源使用成本。提出了两种组合策略,第一种是结合云计算的多种定价服务模型,利用低成本的现货竞价实例和具有稳定性的按需运行实例进行组合来降低成本;第二种是结合云计算资源的多种配置实例处理性能,通过对不同配置等级的实例进行组合,在保证完成时间的基础上使用低配置实例,降低云计算成本。实验表明该策略最
针对PFIM算法中频繁概率计算方法的局限性,且挖掘时需要多次扫描数据库和生成大量候选集的不足,提出EPFIM(efficient probabilistic frequent itemset mining)算法。新提出的频繁概率计算方法能适应数据流等项集的概率发生变化时的情况;通过不确定数据库存储在概率矩阵中,以及利用项集的有序性和逐步删除无用事物来提高挖掘效率。理论分析和实验结果证明了EPFIM
针对基本粒子群优化算法对复杂函数优化时难以获得最优解的缺陷,提出了一种复形粒子群优化算法。该算法采用复形法来提高粒子的局部搜索能力,从而保证了算法能够跳出局部最优,获得全局最优解。实验结果表明,与文献算法相比,该算法在基准函数优化时具有更强的寻优能力和更高的搜索精度。
为了提高径向基神经网络(radial basis funtion neural network,RBFNN)进行模拟电路故障诊断的速度与准确性,提出了一种基于粒子群算法(particle swarm optimization,PSO)优化RBFNN的故障诊断方法。该方法利用PSO优化RBFNN的结构参数,克服了神经网络中模型结构和参数难以设置的缺点,避免了参数选择的盲目性;同时对模拟电路的响应信号
Web病毒式营销已经成为电子商务领域中的重要营销策略,核心群体在其中发挥着重要的作用。为了挖掘核心群体并对其进行商品推荐,在Web客户信任网络(customer trust network,CTN)的基础上考虑了信任度、评价分数以及推荐次数等因素定义了影响度的概念,提出了以影响度为基础的节点网络影响集的构建方法以及基于网络影响集的核心群体挖掘算法MCGNIS(mining core group b
通过剪枝技术与欠采样技术相结合来选择合适数据,以提高少数类分类精度,研究欠采样技术在不平衡数据集环境下的影响。结果表明,与直接欠采样算法相比,本文算法不仅在accuracy值上有所提高,更重要的是大大改善了g-means值,特别是对非平衡率较大的数据集效果会更好。
设计了n元属性组来描述云资源,并为属性组中的每个属性都划分区间。为解决云资源的多关键字高效查找问题,对不同属性的不同区间的任意组合都建立索引。针对云资源属性变动时导致索引更新时网络开销太大的缺点,提出依据索引中属性的个数对全部索引进行归类存储。仿真实验表明,在云资源的属性发生变动时,该算法在更新索引时在网络中产生的信息个数是一个常数n,数目远远小于其他的多关键字区间查询算法,查找资源时网络开销不仅
针对萤火虫算法存在的收敛速度较慢及易早熟收敛等问题,提出一种基于多种群学习机制的新型萤火虫优化算法:将萤火虫群分为不同参数的多个子群,各子群内的萤火虫跟随所属子群的最优萤火虫分别进行寻优操作。在各子群的最优萤火虫之间构建相互学习机制,实现子群间的信息交流。利用五个标准测试函数对新算法的寻优性能进行了实验分析,实验结果验证了该算法的有效性。
在小波神经网络(WNN)的模拟电路故障诊断系统中,普遍采用的梯度下降算法在训练时易使网络陷入局部最优,而网络结构的冗余也会造成训练收敛方向偏离全局最优点,降低推广能力和增加误诊率。用自适应遗传算法优化WNN,以克服上述缺陷。采用该方法可简化小波神经网络的结构和优化参数,在滤波器电路的软故障识别中获得满意的效果。与常规的WNN故障诊断方法相比,有效地提高了故障诊断的效率和正确率。