您的位置: 专家智库 > >

辽宁省教育厅基金(2009A350)

作品数:6 被引量:19H指数:3
相关作者:李义杰许堃崔丽群于迪张娟更多>>
相关机构:辽宁工程技术大学更多>>
发文基金:辽宁省教育厅基金辽宁省教育厅高等学校科学研究项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 6篇中文期刊文章

领域

  • 6篇自动化与计算...

主题

  • 3篇蚁群
  • 2篇蚁群算法
  • 2篇群算法
  • 2篇改进蚁群算法
  • 1篇蚁群优化
  • 1篇应急
  • 1篇应急救援
  • 1篇神经网
  • 1篇神经网络
  • 1篇通信
  • 1篇通信安全
  • 1篇权值
  • 1篇人工免疫
  • 1篇人工免疫算法
  • 1篇免疫算法
  • 1篇模糊C-均值
  • 1篇模糊神经
  • 1篇模糊神经网络
  • 1篇救援
  • 1篇矩阵

机构

  • 6篇辽宁工程技术...

作者

  • 2篇崔丽群
  • 2篇许堃
  • 2篇李义杰
  • 1篇徐彩霞
  • 1篇李霞
  • 1篇刘万军
  • 1篇王晓勇
  • 1篇张明杰
  • 1篇张海涛
  • 1篇于迪
  • 1篇张娟

传媒

  • 2篇微型机与应用
  • 1篇计算机应用研...
  • 1篇计算机工程与...
  • 1篇计算机仿真
  • 1篇计算机科学

年份

  • 1篇2014
  • 2篇2012
  • 3篇2010
6 条 记 录,以下是 1-6
排序方式:
一种Web服务通信安全的优化方案被引量:3
2012年
综合应用Web服务安全标准,混合采用目前Web服务中的主要安全技术来优化Web服务架构,可实现Web服务通信安全。优化的服务架构通过设置业务网关实现身份验证和授权功能;通过扩展的SOAP协议实现消息传递的机密性、完整性和不可否认性。与侧重应用服务架构扩展技术和侧重应用协议扩展技术实现Web服务安全的方法进行比较,得出本优化方案加强了通信安全性。结合现有的研究成果,展望了未来Web服务安全的研究方向。
李霞张海涛王晓勇
关键词:WEB服务安全WEB服务架构SOAP协议SOAP扩展
基于粗糙集和模糊神经网络的空气质量评价被引量:2
2010年
针对概率神经网络的输入量过多会影响其训练速度的问题,采用了基于分辨矩阵的粗糙集属性约简方法,删除不相关或不重要的指标。鉴于空气质量分级标准的模糊性,将模糊数学和概率神经网络结合起来,构建了模糊概率神经网络空气质量评价模型(FPNN),然后将约简后的指标值进行模糊化处理后输入到PNN神经网络进行智能训练。实例表明,该方法提高了收敛速度,评价结果客观可靠,具有一定的实用价值。
徐彩霞李义杰
关键词:粗糙集分辨矩阵空气质量
基于减法聚类改进的模糊c-均值算法的模糊聚类研究被引量:7
2010年
针对模糊c-均值(FCM)聚类算法受初始聚类中心影响,易陷入局部最优,以及算法对孤立点数据敏感的问题,提出了解决方案:采用快速减法聚类算法初始化聚类中心,为每个样本点赋予一个定量的权值,用来区分不同的样本点对最终的聚类结果的不同作用,为提高聚类速度采用修正隶属度矩阵的方法,并将算法与传统的FCM相比。实验结果表明,该算法较好地解决了初值问题,与随机初始化方法相比,迭代次数少、收敛速度快、具有较好的聚类结果。
于迪李义杰
关键词:模糊C-均值减法聚类权值
一种新的动态物流配送路径问题的研究被引量:4
2010年
通过对物流公司配送特点的认真分析,将人工免疫算法与蚁群算法结合起来,提出基于免疫疫苗的蚁群优化(ACOIV),设计并实现了一种解决动态物流配送路径问题的方法。首先对初始抗体接种疫苗,产生较优解;然后蚁群根据此较优解初始化信息素,进而找出全局最优解。实验表明,接种疫苗的蚁群算法能更快更准确地找到最优解。
张娟刘万军
关键词:蚁群优化人工免疫算法
基于改进蚁群算法的应急救援路线选择被引量:1
2014年
应急救援路线的选择关系到应急救援的成败,合理有效地选择应急救援路线对挽救生命和财产具有重要意义,其属于组合优化问题。针对蚁群算法求解速度慢、算法稳定性差、易出现早熟或停滞等缺陷和应急救援路线选择的特点,主要研究了改进蚁群算法在应急救援路线选择中的应用并根据实际应用提出了应急救援路线选择的蚁群算法的数学模型,为城市应急救援路线选择提供了有效的解决方案。通过实验证明该模型可以应用到解决应急救援路线选择问题方面,具有快速、高效的特点。
崔丽群张明杰许堃
关键词:应急救援蚁群算法
改进蚁群算法求解两地间时间最优路径被引量:2
2012年
研究两地间时间最优路径的问题。针对基本蚁群算法搜索的盲目性,迭代时间长,易陷局部最优解的问题,造成寻找最优路径困难。为提高寻优效率,提出一种改进的蚁群算法来求解问题。在方案中引入阀值排序算法对搜索路径进行优化,解决了蚁群算法前期搜索路径的盲目性问题。改进的蚁群算法加快了收敛速度,并提高了稳定性。经仿真证明:改进蚁群算法性在减少算法的迭代次数和提高解的稳定性方面有了较大的提高,并且能很好的用于求解路径时间最优问题。
崔丽群许堃
关键词:蚁群算法
共1页<1>
聚类工具0