基于主成分分析和概率神经网络的入侵检测方法

针对神经网络在入侵检测的应用中存在入侵数据冗余信息多,数据量大,训练时间长,易陷入局部最优等问题,提出了一种基于主成分分析(PCA)和概率神经网络(PNN)的入侵检测方法。首先使用PCA对数据进行特征降维,解决了入侵数据冗余信息多的问题;然后使用PNN建立入侵检测模型;其次,使用粒子群算法(PSO)解决概率神经网络参数的优化问题;最后使用KDD99数据集对该模型进行测试。实验结果表明:该方法能够有效提高检测的效果,而且检测速度明显提高。     

基于热力发电厂中锅炉除氧器控制方法的研究

为了防止热力设备的腐蚀并且保证锅炉设备的安全运行,本课题研究了除氧器温度控制的方法。除氧器是将溶解在水中的氧、二氧化碳等气体从水中除去。本课题将常规的PID控制和模糊控制算法相结合,形成控制品质极好的模糊PID控制器。最后通过仿真软件MATLAB对PID控制算法和模糊PID控制算法进行仿真比较,结果表明,模糊PID控制在过渡时间、超调量和稳定性等方面明显优越于常规的PID控制,对热力电厂锅炉设备的使用寿命和安全运行有至关重要的作用,可以推广使用。     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。     

基于粒子群算法的班级文化管理隐性构建初探

目前关于班级文化管理的研究较多,但大都偏重于宏观的定性研究,涉及到具体操作层面的文章较少,且缺乏理论的、逻辑的方法作为支撑。本文研究了粒子群算法的进化内涵,将算法应用于大学班级文化管理隐性构建的数学建模。使用定性研究和逻辑推理相结合的方法,对建立的模型进行分析,拓展班级文化管理的理论依据,创新班级文化管理的操作方法。     

考虑零件三维装载约束带时间窗的循环取货路径问题研究

为提高车辆的可装载性,对考虑三维装载约束带时间窗的循环取货路径问题进行研究.在给定假设与约束条件的前提下,建立该问题的多目标数学模型,并设计用于问题求解的基于改进策略的启发式算法.数值实例的计算结果表明,该算法可有效求解考虑零件三维装载约束带时间窗的循环取货路径问题;且与时间窗优先法的求解结果相比,可大幅提高车辆的可装载性,并能有效减少不同车型车辆的投入数量.     

财务共享服务与企业竞争力的关系——基于双重差分模型的实证检验

从分析财务共享服务效果的视角出发，以市场结构、基础资源和新能力理论为依据，建立了评价企业竞争力的财务指标体系。研究结果显示：在市场地位方面，实施财务共享服务增强了企业资金管控效果，使营业收入质量提高，但是营业收入增长率却呈现负增长，说明财务共享服务对市场拓展能力的影响具有延迟效应；在资金资源方面，财务共享服务提高了企业的资金筹措能力和偿债能力，风险控制能力增强，使企业获得资金资源竞争优势；在企业能力方面，财务共享服务能够降低成本、增加绩效，更好地服务企业战略，提升企业的盈利能力和创新能力。总之，实施财务共享服务能够促使企业财务管理转型升级，为未来发展赢得先机，可增强企业竞争力。     

基于化学反应算法的鲜活农产品配送路径优化

文章通过引入时间价格因子考虑在鲜活农产品配送过程的损耗并结合运输成本和惩罚成本构建数学模型.从实际的运用环境出发,考虑到未在期望获得时间内达到运输地点的成本消耗,并且随着时间的推移,鲜活农产品本身也有成本损耗构建目标函数.根据该模型的特点设计化学反应的最小单元分子结构和算法步骤.运用化学反应算法可以很好地解决模型算法过早收敛于局部最优问题.通过实例验证了模型和算法的有效性和科学性.     

无线传感器节点均匀性估计算法及其应用

无线传感器网络中锚节点的分布情况是一个重要指标,在很大程度上影响未知节点定位的精度,但目前对均匀性的分析却很少。通过比较邻居节点的接收信号强度(RSS)确定未知节点移动后远离和靠近的锚节点个数,以此研究未知节点周围锚节点的分布情况。提出了一种对锚节点均匀性进行定量估计的算法,给出了均匀性评价指标——归一化均匀性偏差的概念及公式。将该算法应用到节点定位过程中,提出混合定位算法。仿真结果表明,基于均匀性估计的混合定位算法能提高原有算法的定位精度。     

基于FOCUSS算法的稀疏阵列综合

以最大稀疏化阵列得到所期望的方向图是稀疏阵列综合理论中的关键问题。由于阵列天线本身具有稀疏的物理特性,因此可将稀疏阵列综合归结为稀疏信号的重建过程。该文提出一种将阵列天线的波束形成问题等效为求解稀疏信号向量的最优化问题的方法,并利用FOCUSS算法快速准确地得到最大稀疏化的阵列,以及阵元位置和激励幅度。理论分析和数值仿真表明了该方法的有效性。