【摘 要】
：
为了优化企业信息系统的体系结构,基于时间性能研究了企业信息系统的形式化表达———对象知识网结构的优化方法。通过对象知识网的知识点间关系的表达,对不同类型知识点结构的时间性能进行了讨论,提出了基于二叉树的知识点表达式的表示方法,解决了优化算法的编码问题,采用基于改进的免疫遗传算法,对对象知识网的结构进行优化,并通过算例对提出的优化方法进行说明和验证,获得了优化的对象知识网体系结构,同时为基于时间性能
【基金项目】
：
国家自然科学基金资助项目（70971119,70901066）, 航空科学基金资助项目（2008ZG55020）
论文部分内容阅读
为了优化企业信息系统的体系结构,基于时间性能研究了企业信息系统的形式化表达———对象知识网结构的优化方法。通过对象知识网的知识点间关系的表达,对不同类型知识点结构的时间性能进行了讨论,提出了基于二叉树的知识点表达式的表示方法,解决了优化算法的编码问题,采用基于改进的免疫遗传算法,对对象知识网的结构进行优化,并通过算例对提出的优化方法进行说明和验证,获得了优化的对象知识网体系结构,同时为基于时间性能的企业信息系统结构优化奠定了理论基础。
其他文献
针对信任管理有效防御模型共谋攻击的问题,提出了一种动态自适应的信任反馈聚合方法。通过引入二分网络投影对反馈聚合问题进行了合理转换,并根据反馈数据的集中程度自行调整参数,在无须人工干预的前提下,实现对信任反馈信息的过滤。仿真实验表明,该方法增强了信任管理模型对于共谋攻击的抵御能力,保证了模型在信任聚合阶段的鲁棒性。
现有的动态分簇算法大多假设系统知道完全的信道状态信息(CSI),但这在实际系统中较难实现。针对这一问题,提出了一种部分CSI下的近邻传播动态分簇算法。在每个基站已知一定地理区域内基站CSI的情况下,利用协同度设计输入矩阵,通过近邻传播的方式在全网内传播吸引度及归属度;然后,通过协作证据积累过程,生成多个协同簇。仿真结果表明,该算法的分簇性能接近于完全CSI下的利益树分簇算法,算法的收敛速度受系统内
为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法。改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数。最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验。实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速
通过对空间价格均衡基础网络进行扩展,建立了一个单起讫点对的超级网络。分析得出,在这一超级网络上建立的用户均衡交通流分配模型涵盖了原来的空间价格均衡问题,因此通过求解建立在该超级网络上的用户均衡的交通流分配模型,可以得到相应的空间价格均衡问题的解。新建的超级网络中只增加了两个虚拟节点,而添加的虚拟路段数量仅比原有起讫点数目多1个,因此网络的规模并没有明显扩大。利用已有的交通流分配软件可以方便地将空间
为解决DHT系统查询本地化的问题以及提高DHT系统查询效率,提出了多拓扑结构的方法。该方法的基本思想是基于一系列准则把DHT系统的逻辑空间划分成一系列的子空间,以经典Chord算法为例,按照两种不同的准则对Chord环拆分以实现多拓扑结构,每一个准则形成一组子环集合;采用两种不同的准则,即按照节点所属ISP关系以及查询量的分布分别对Chord环进行拆分得到多个子环。理论分析与仿真表明,按照ISP所
针对Shimiza-Morioka系统用待定系数法证明了其系统中存在异宿轨道的存在性。首先将Shimiza-Mo-rioka系统转换为只含一个变量的非性线微分方程;然后证明该非线性微分方程存在一个指数形式的无穷级数展开式表示的异宿轨道;最后证明了该无穷级数展开式一致收敛性,结合Si’lnikov不等式,证明了该系统中存在Smale马蹄,因而是Si’lnikov意义下的混沌。最终,异宿轨道决定Shi
已经提出的一些基于复制的路由协议,如传染路由,不能以低代价实现高成功率。对车辆网络中设计了一种有效的基于复制的路由协议ARR。ARR是一种完全分布式协议,它包含两个设计目标:a)在消息生存期内将绝大多数消息成功发送;b)尽可能产生较低的发送代价。为了以低代价实现高成功率,ARR对一条消息的拷贝数量采取自适应策略。另外,为分配消息拷贝提出了两种分配方法。基于真实车辆行驶数据的仿真实验表明,相比其他四
提出了一种基于重复博弈的分布式微支付机制及其实现方案,非邻接点通过中间节点的债务中继形成服务交易,并基于节点间邻居关系的内在稳定性构建了债务关系的重复博弈模型。理论证明了分布式微支付机制的有效性。针对债务网络的强动态性,提出了改进的DHT网络路由算法。实验表明该微支付机制支持大规模网络的高效支付。
当证据高度冲突时,使用经典D-S组合规则往往不能得出正确的结果。为此研究人员对证据理论的改进进行了大量的研究,但如何度量证据之间的冲突程度却常常被忽视。针对这一问题,分析了经典冲突系数的不足,结合证据距离和经典冲突系数,提出一种改进的证据冲突表示方法,可更好地度量证据之间的冲突程度。通过算例验证了新方法的有效性。
提出一种选择最富信息数据并予以标记的基于主动学习策略的半监督聚类算法。首先,采用传统K-均值聚类算法对数据集进行粗聚类;其次,根据粗聚类结果计算出每个数据隶属于每个类簇的隶属度,筛选出满足最大与次大隶属度差值小于阈值的候选数据,并从中选择差值较小的数据作为最富信息的数据进行标记;最后,将候选数据集合中未标记数据分组到与每类已被标记数据平均距离最小的类簇中。实验表明,提出的主动学习策略能够很好地学习