为了准确评价有向无标度网络中节点的重要度大小，从而更好地实施保护策略，提高网络抗毁性。考虑网络发生级联失效前后，节点负载量和网络连通性的变化情况，提出一种基于级联失效的有向无标度网络节点重要度评价模型。首先建立有向网络级联失效模型，推导出节点失效前承担的负载量，然后结合节点负载与其在数据传输过程中的位置因素，构建节点重要度评价模型。实验结果表明，在网络遭受选择性攻击时，采用该模型测得的关键节点失效后，分离生成子图数量和网络稳健性的变化趋势更明显，为具体应用提供实验数据。
2022-11-08 14:58:55
772KB
1
针对已有基于Sigma 点信息滤波的分布式滤波算法, 其性能易受参数影响而导致应用范围受限的问题, 以容积卡尔曼滤波(CKF) 为基础, 利用信息滤波和平均一致性理论提出一种分布式CKF 算法. 该算法在保持分布式滤波优良特性(即可扩展性和对节点故障强鲁棒性) 的同时, 兼具CKF 的高滤波精度和强稳定性. 仿真结果表明了所提出算法的有效性, 与分布式Unscented 卡尔曼滤波(UKF) 算法相比, 该算法显著提高了目标跟踪的精度和稳定性.
2021-12-27 18:38:58
237KB
1
针对存在丢包的传感器网络中每个传感器节点对目标估计确信度不同的问题, 提出一种基于自适应加权融合的分布式滤波算法. 考虑节点在网络中的影响力及其节点属性, 将节点重要度与传感器网络节点观测数据间的支持度线性加权, 获得每个传感器节点对目标的估计确信度, 并将该确信度构成的融合权值引入节点状态估计值的一致性协议中, 更新传感器节点对目标的状态估计值, 提高分布式滤波算法的估计精度和传感器节点估计值的一致性. 仿真结果验证了所提出方法的有效性.
2021-12-20 15:13:52
444KB
1
针对目前煤矿隐患管理缺乏对隐患数据深入分析的问题,介绍了适合隐患关联规则发现的数据挖掘算法,提出用支持度-置信度-Kulczynski度量模式表达隐患因素间的关联关系。对隐患数据预处理、转换后构建隐患数据仓库,并在隐患责任部门、隐患种类、隐患等级和隐患发生地点4个维度上进行挖掘分析,发现多维度间存在的较强关联规则,给出针对性的辅助决策。现场实际应用表明,通过使用数据挖掘算法,减少了隐患的发生次数,为煤矿隐患治理提供了可靠支持。
2021-10-27 20:26:07
193KB
1
创业计划书-中国原创游戏支持度调查报告——中国互联网2004产业调查报告之二
2021-08-25 18:00:32
35KB
Apriori算法分析频繁项集的支持度，通过读取excel文件获取数据，并将运算结果保存到另一个excel文件里
2021-05-01 22:29:53
8KB
1