一种改进的边界扫描的路面裂缝检测算法

针对路面图像噪声较多、目标裂缝跟踪难等问题,分析对比了几种传统的经典边界扫描方法,如Sobel、Canny等算法,并根据路面裂缝图像的特点,提出了基于绝对梯度值的Sobel改进方法,使得边缘信息得到加强、减少了噪声以及伪边缘。经过后续图像的处理,能够较好地跟踪识别路面图像的裂缝信息。     

浅谈高校图书馆不当称呼

高校图书馆是信息资源的集散地,是高校师生获取知识、进行信息交流的中心。针对高校学生叫图书馆员为"阿姨""学姐"这一系列不当称呼的现象,文章通过对高校图书馆不当称呼的形成原因进行多角度的分析,提出了通过图书馆的环境改善和形象提升,以及馆员与时俱进,不断提升业务能力,深化服务细节等方面来帮助高校图书馆提升自身形象,提高用户服务水平。通过这些方面的改进,引导读者对馆员的尊重与认同,以便更好地辅助高校教学。     

基于偏微分方程的GAC水平集图像分割模型

引入一个约束能量,去除水平集函数在演化过程中的周期性初始化难题,并使用反应扩散方法,解决引入的基于变分水平集方法的约束能量不能直接作用于基于偏微分方程驱动的水平集模型中的问题.提出一种新的边缘检测算子,重新定义边缘停止函数.实验结果表明,论文模型在图像分割质量上具有一定优势.     

带有协作意愿感知的边缘协作中继机制

利用智能终端的协作转发可以缓解海量传感器数据的承载压力。然而,由用户携带智能终端的非合作行为会使转发性能急剧下降。为此,提出了一种带有协作意愿感知的边缘协作中继机制,以提高中继选择的合理性和激励机制的有效性。通过分析用户对转发数据的兴趣度感知用户的主观协作意愿,并考虑用户能量和缓冲的影响,综合选择协作状态最佳的用户作为中继。为了进一步激励中继用户参与协作转发,提出了一种基于讨价还价博弈的激励机制,充分地激励中继用户的客观协作意愿。仿真结果表明所提机制与其他中继机制相比,转发成功率和平均吞吐量分别提高了至少19.4%、17.9%,平均传递时延降低了至少18.6%。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明，所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求，提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method，ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型；然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm，NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化，从而为车载计算任务找到有效的计算迁移策略；最后根据多目标决策准则（multi-criteria decisionmaking，MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution，TOPSIS）选择出最优的计算迁移策略.实验结果表明，ICOM方法能够使车载计算任务在期望时间内完成，同时也保证边缘设备的负载均衡.     

基于边缘计算和稳态 遗传算法的AIoT资源调度研究

在万物互联时代，智能物联网（Artificial Intelligence of Things, AIoT）是人工智能与物联网融合发展的新兴方向在面对边缘海量数据和连接时，如何进行资源负载的调度是AIoT目前亟待解决的关键问题边缘计算（Edge Computing）是对云计算的补充和发展，具有低时延、位置敏感和无线接入等优点，能在网络边缘进行高效部署该文提出了一种基于边缘计算和遗传算法的AIoT资源调度方法首先，基于边缘计算构建了云边融合的AIoT分层网络资源管理架构然后，对其资源调度问题进行了数学建模并使用稳态分组遗传算法（SSGGA）进行了优化最后，根据得到的优化方案制定了计算资源调度策略另外，基于iFogSim平台搭建了实验环境，仿真结果验证了该文所设计的资源调度策略可有效降低高负载下AIoT各节点的处理时延，并有效提升网络内设备的能量利用效率该文的工作对于推动AIoT的发展具有良好的理论和应用价值     

基于边缘计算的电力领域预测性维护架构设计

在对电力设备运维现状、预测性维护、边缘计算技术概要阐述的基础上,从涉及开展预测性维护的基础环境、开展边缘计算的关键要素、预测性维护的关键步骤几方面展开了充分的先决条件分析.对于边缘计算在电力领域预测性维护中的架构设计,与《边缘计算参考架构3.0》涉及的相关架构做了深度融合,用以指导预测性维护涉及的边缘计算,进而拓展应用思路,引导在电力物联网以及多站融合数据中心站大力推进的大背景下,边缘计算和边缘计算技术环境下电力领域预测性维护的研究和实际应用.     

采用多尺度方向微分比率的角点检测算法

针对相邻图像结构间的相互干扰会导致角点错检率升高的问题,提出了一种基于多尺度方向微分比率(MDDR)的角点检测算法。该算法首先利用Canny边缘检测算法提取原始灰度图像的边缘轮廓;对于每一个轮廓像素,分别利用各向同性导数和各向异性高斯方向导数滤波器提取主方向及其正交方向上的方向强度微分信息;然后将3个尺度下微分比率融合为MDDR测度;最后进行阈值和非极大值抑制处理获得最终角点。不同于传统角点检测算法中只使用单一滤波器,MDDR算法中使用2种不同类型的滤波器,能在精确提取角点附近不同方向微分信息的同时避免邻近图像结构间的相互干扰,从而提高了角点定位准确性并增强了测度的噪声鲁棒性。实验结果表明,MDDR算法的平均检测准确率比点到弦距离累积算法提高了27.1%,并且平均错检率比残余面积算法和Gabor算法分别低28.4%和32.4%。     

电磁场对1100铝合金铸轧板材组织的影响

研究了1100铝合金中添加不同质量分数(0.4%,0.2%,0.1%)的Al-Ti-B细化剂和在铸轧过程中施加电磁振荡场对铸轧板坯组织细化的影响.结果发现,在添加相同含量的Al-Ti-B条件下,铸轧过程中施加电磁振荡场的板坯组织细化效果明显高于普通铸轧的板坯.同时发现,细化剂的质量分数在0.1%~0.4%范围内,在铸轧过程中施加电磁振荡场,其细化效果都比较满意,其显微组织优于常规铸轧添加0.4%细化剂的组织,因此,电磁振荡铸轧可以大幅度降低细化剂的用量,减少元素偏析,改善铸轧坯的内部质量.