计算机
二阶广义的全变分模型是一种建立在全变分模型的思想之上进行改进的图像去噪模型,该模型是一种考虑了一阶以及高阶梯度稀疏性的模型,能够有效地抑制阶梯伪影效应的产生。Lp收缩算子相比于L1算子增加了一个自由度,它能够更好地刻画稀疏梯度信息,同时Lp收缩算子的等高线对噪声更加鲁棒。考虑到Lp收缩算子的优势,将Lp收缩算子引入二阶广义全变分去噪模型,提出改进的二阶广义全变分Lp收缩算子模型(TGV2-Lp)。利用交替乘子迭代法对模型进行求解,引入快速傅里叶算法提高算法效率。通过测试6组图片、对比传统的3种去噪模型,从实验结果可以得出,提出的模型TGV2-Lp在有效保留图片边缘细节信息的同时,能够有效去除噪声,在视觉效果、峰值信噪比和结构相似性都有一定优势。
传统图像除雾方法存在无雾区域
局部异常检测(Localoutlierfactor,LOF)能够有效解决数据倾斜分布下的异常检测问题,在很多应用领域具有较好的异常检测效果.本文面向大数据异常检测,提出了一种快速的Top-n局部异常点检测算法MTLOF(Multi-granularityupperboundpruningbasedtop-nLOFdetection),融合索引结构和多层LOF上界设计了多粒度的剪枝策略,以快速发现Top-n局部异常点.首先,提出了四个更接近真实LOF值的上界,以避免直接计算LOF值,并对它们的计算复杂度进行了理论分析;其次,结合索引结构和UB1、UB2上界,提出了两层的Cell剪枝策略,不仅采用全局Cell剪枝策略,还引入了基于Cell内部数据对象分布的局部剪枝策略,有效解决了高密度区域的剪枝问题;再次,利用所提的UB3和UB4上界,提出了两个更加合理有效的数据对象剪枝策略,UB3和UB4上界更加接近于真实LOF值,有利于剪枝更多数据对象,而基于计
片上分布式存储结构满足了阵列处理器对访存提出的高并行性要求,一定程度上缓解了“存储墙”问题。但是,在远程访问情况下,分布式存储结构存在的长延迟问题仍然十分突出。针对该问题,设计了一种改进的基于分布式数据Cache的实时动态迁移机制,采用四级全互连和迁移互连,以数据访问频率为依据对远程数据进行动态调度,有效降低了远程访存的延迟。并基于阵列处理器分布式Cache结构,通过运动补偿等典型算法的并行实现,对所提出的实时动态迁移机制进行全面验证测试。实验结果表明,采用实时动态迁移机制的分布式Cache在166.9MHz的工作频率下,最高可提供10.68GB/s的访存带宽。与同类结构相比,远程访问延迟降低了46.5%。
无摘要
为了提高铁路零散白货客户流失预测的准确性和高效性,根据铁路零散白货客户的流失特征,提出了基于CDL模型的客户流失识别方法;在此基础上,针对数据量大的问题,提出了基于Hadoop并行框架的C4.5决策树客户流失预测模型。通过仿真实验证明,该模型具有较好的准确性和预测能力,并且随着样本数量的增加,Hadoop并行框架的效率得到了明显的提升,且不影响客户流失预测模型的准确性和预测能力。
随着海洋经济发展,水下无线传感器网络已成为研究热点.针对水下传感器网络中集中式分簇困难,能耗不均和水声时延长问题,提出一种基于等级划分的分布式非均匀分簇算法.该算法首先利用平均能量与节点密度相结合的阈值函数以及综合考虑节点深度和节点密度的簇首竞争半径函数,选择簇首节点,使簇首分布更加合理和均匀;然后划分簇首等级,优化入簇过程,均衡具有不同簇间传输任务的簇内负载;最后结合簇首等级和贪心算法,构建簇间多跳传输路由,降低整体通信能耗和时延.仿真结果表明,所提出的算法不仅能均衡能耗,延长网络寿命,而且能够有效降低网络通信时延.
目标检测作为计算机视觉的核心,在人脸识别、人脸跟踪、大规模场景识别等方面具有广泛应用,其中One-stage领域的SSD算法检测速度和检测性能较为突出,但在环境较为复杂的多目标检测情况下仍会出现误检和漏检。针对这一问题,提出一种改进SSD算法的多目标检测方法,通过优化SSD内部网络和提高样本适用性的方式改善检测性能;其中,采用修改网络输出和添加抗旋转层ARConv来统一网络结构,降低模型训练时间,减少漏检;并提出P-NMS算法和限制函数优化训练样本,减少误检;在测试阶段,提出单张图片批量测试方法,有效提高模型召回率。实验结果表明,改进后算法具有更强的鲁棒性,并且能有效降低误检、漏检率提升网络性能。
为决无人机网络在复杂通信环境抗智能性能力,基智能决,提域联合的认知抗算法。该算法在优势频决信道$基Stackelberg博弈,利功率域-评论家算法的基础上,将无人机视作智能体,感知环境等级的信道信号,减少切换信道的时间$通入簇头协助的方法,解决频谱感知能力而导致信道决策成功率QL-AJ算法与AC-AJ算法,该算法能够簇内最佳节点个数,提高接收信号智能。仿果表明,信干噪比,且网络抗性能较好$
鉴于众包供应链较少将上游众包环节和下游生产环节结合起来进行研究,将线上众包设计环节有机嵌入到供应链中,建立了基于众包的供应链基本模型;在此基础上考虑定制需求信息的精确性影响众包设计决策的质量,将模型扩展到具有信息更新功能的众包供应链定制模型,并分析初始设计和更新设计两种设计定制模式下的生产量;在两种不同设计定制模式下,众包供应链下游制造商存在准时生产策略和延迟生产策略两种生产策略,探讨众包供应链的初始设计&延迟生产策略、更新设计&即时生产策略、更新设计&延迟生产策略3种组合决策策略,并优化出不同组合决策策略的最优生产量和实施前提条件,通过差分法对各不同组合策略的信息价值进行了对比分析,发现信息更新设计定制策略优于延迟生产策略,线上众包供应链的双组合策略优于单组合策略。通过敏感性分析发现
本文基于低成本、弱信号强度感知能力的商用通信芯片,充分考虑该类芯片存在的功能限制:芯片的输出功率是与距离相关的离散信号,探讨了接收点通过接收发送方的最小离散输出功率,构建定位系统指纹库,提出了一种基于该类芯片的动态精度无线定位方法.在参考节点随机部署的情况下,针对芯片功率输出的离散性,通过分析相邻网格指纹之间的差异程度,动态分割高差异度指纹的网格,得到具有动态定位精度的指纹库,在此基础上采用K邻近方法,实现目标节点的位置估计.仿真实验表明,在参考节点随机部署的条件下,动态精度方法与传统的静态指纹库定位方法相比较,能够获得更低的定位误差、更高的定位的精度.关键词:弱信号
针对物联网(IoT)信息共享中存在缺乏信用保障机制以及信息孤岛问题,设计一种基于以太坊的物联网可伸缩的信息共享机制框架。提出基于智能合约机制的信息共享处理流程,采用设备管理器管理物联网设备,以增强机制的可伸缩性。实验基于以太坊平台,分别对机制的信息交易处理能力和可伸缩性进行验证。结果表明该共享机制具有良好的可伸缩性,信息共享的交易吞吐量达到10000条/s,交易延时为毫秒级。
算法(Multi-populationFruitFlyOptimizationAlgorithm,MFOA)与广义回归神经网络(GeneralizedRegressionNeuralNetwork,GRNN)相结合的MFOA-GRNN三维室内定位模型。基于射频识别技术并引入多种群的果蝇优化算法用以选择GRNN的平滑参数,并通过MFOA-GRNN模型将阅读器接收信号强度与目标坐标进行对应进而判断目标位置。仿真结果表明,该模型克服了传统室内定位模型受主观因素影响大、学习效率低等不足,同时使算法的全局寻优能力得到了加强,定位精度显著提高。
无监督特征选择是机器学习和计算机视觉等领域中的重要研究课题,可以降低数据维数,提高学习算法的性能。提出一种结合谱分析和稀疏回归的无监督特征选择算法。首先,利用经典最小二乘回归模型学习特征权重矩阵并结合谱分析探索数据的几何结构。其次,通过数据低维流形的最近邻概率自适应的构造相似矩阵。此外,为减少特征冗余,采用ℓ2,1范数对模型正则化,使选择的特征更稀疏更有用。然后,通过交替迭代优化算法对模型求解并进行收敛性分析。最后,在四个数据集上与其他几种无监督特征选择算法对比,验证算法的有效性。
根据水面舰艇反舰导弹对作战效能的需求,对武器系统评估方法进行了分析,从一般理论和方法的角度,对水面舰艇反舰作战效能评估的原则和步骤进行了探讨,利用确定型和随机型的兰彻斯特方程提出了一种水面舰艇反舰作战效能评估的思路。研究结果可对舰艇模拟训练提供评判基础,对装备作战使用具有理论参考作用。
以阵列多像素光子计数器(MPPC)为探测器的脉冲型测距激光雷达有着高灵敏度、探测速度快的特点,且可以实现较普通脉冲型激光雷达更远距离的探测。为此,该文设计了一款基于MPPC探测器的激光脉冲信号读出电路。通过设计跨阻放大电路和二级电压放大电路实现了对微弱激光脉冲信号的放大,利用高速电压比较器实现了脉冲信号的鉴别。对所设计电路进行了仿真,仿真结果表明所设计的放大电路在75~88MHz带宽范围内实现74dB的增益,输出CMOS逻辑电平。该电路能够实现脉冲功率100mW、150~200m范围内反射的回波信号的有效检测。
在低照度条件下, 视频质量总是不容乐观. 对比度低, 边缘细节不清晰, 亮度低等情况会给视频后续处理带来很多不必要的麻烦. 针对这种情况, 本文提出了一种改进的基于暗原色先验的低照度视频增强算法. 首先将输入的低照度图像取反, 再对该图像进行去雾操作. 大气光值由输入图像的暗通道最大值估计, 同时, 利用快速导向滤波计算并优化透射率, 实现了保边降噪. 最后, 通过再次取反图像得到增强后的图像. 透过实验结果证实, 该算法能有效增强低照度图像的对比度, 突出图像边缘的细节, 提高图像的亮度, 有效增强低照度图像.
针对目前协同过滤推荐算法存在的冷启动、数据稀疏、可扩展性不高以及未考虑到不同社区簇之间可能存在相关性导致的推荐准确度低的问题,提出了一种在考虑同社区簇内专家信任基础上结合不同社区簇专家信任的推荐算法.在改进相似度计算时,改进算法不仅结合了相关系数、用户的Pearson平均评分因子以及加权处理的相关系数,还结合了用来惩罚热门物品权重的流行度.在改进评分预测时,改进算法在引入了传统聚类推荐算法中的同社区簇专家信任后,还引入了不同社区簇专家信任.实验在显著提高了推荐准确度.MovieLens数据集上进行,实验结果表明,改进算法不仅缓解了冷启动和数据稀疏等问题,还
针对跨社交网络用户匹配数据整合不完善、准确率较低的问题,提出基于多源数据整合的跨社交网络用户匹配方法。通过对多源数据相关挖掘获得用户在不同社交媒体网络中账号的对应关系,采用高斯模型处理账号依据对应关系完成数据整合。拟采用用户名、链接地址、姓名和用户Email信息来表示不同网络用户间的属性相似度,将已知匹配用户的相似度向量作为训练向量,同时将身份匹配转化为二分类问题,计算用户匹配度,完成跨社交网络用户匹配。实验结果表明,上述匹配方法获得的准确率、召回率、F1值等各项指标效果较好,具有一定的应用价值。
无摘要