利用卷积神经网络的显著性区域预测方法

针对神经网络的显著性区域预测存在数据采集代价大、处理繁琐等问题,提出2种卷积神经网络,即从头开始训练的浅层卷积神经网络,以及前三层源自另一个网络的深层卷积神经网络。其中,浅层网络结构简单,可避免过拟合问题;深层网络可以充分利用最底层的模型参数,收敛更快,效果更好。所提卷积神经网络应用于回归问题,均没有直接训练特征图的线性模型,而是在迁移层上训练了一堆新的卷积层。从端到端的角度解决显著性预测,将学习过程演化为损失函数的最小化问题。测试和训练在SALICON,SUN和MIT300数据集上进行,实验结果验证了所提方法的有效性。其中,深层网络和浅层网络在SALICON和SUN数据上的结果相似,深层网络在MIT300上的结果更优,与其他方法相比,所提方法具有不错的表现,而且具有跨数据集的鲁棒性。     

具有较小Hyper-Wiener指数的仙人掌图

利用图变换的方法讨论仙人掌图的Hyper Wiener指数.通过比较给出仙人掌图的第二小、 第三小Hyper Wiener指数, 并刻画达到第二小、 第三小Hyper Wiener指数的极图.     

基于多智能体系统的飞机滑行路径规划

为解决先进场面活动引导与控制系统中的飞机滑行初始路径规划问题,提出一种基于多智能体系统(multi-agent system, MAS)仿真的方法实现飞机在场面上任意起始点到目的地的最短路径规划.首先,针对传统的有向图模型对机场场面运行刻画不足的问题,提出滑行资源图模型对机场控制区进行建模,既能对机场控制区进行高效建模又使模型不过于复杂.其次,设计最短路径规划多智能体系统,通过飞机Agent在资源节点Agent的繁殖能力与对资源的独占属性限制,实现对资源节点遍历并同时又保证每个节点最多被访问一次;最后,利用Anylogic实现机场场面初始路径规划多智能体仿真系统开发.仿真结果表明,设计的多智能体系统不但能快速计算出最短路径,且路径规划过程直观可视,算法复杂度与Dijkstra算法相同,满足初始路径规划要求.     

混沌图引力搜索算法求解压力容器约束问题

为解决运用混沌图引力搜索算法( CGSA: Chaotic Gravitational Constants for the Gravitational Search Algorithm) 难以计算经典的压力容器设计( PVD: Pressure Vessel Design) 约束优化问题,提出了一种改进的混沌图引力搜索算法( CGSA9 + ) 。首先,分析PVD 约束条件中各变量间的相互依赖关系,确定总体中各维度随机的先后依赖顺序; 其次,在继承CGSA 算法子代产生的规则基础上,更新越界子代的产生规则,借助当前全局最优解位置,优化子代产生规则; 最后,通过循环验证是否满足约束,进而求解与评估,得到最优解。对比实验表明,该新算法能有效解决PVD 约束优化问题,并具有较好的优化效果。     

超密集部署下基于双向干扰图的资源分配算法

针对超密集部署时小小区用户之间在资源复用模式下将产生强烈干扰的情况,提出采用双向干扰图的方法建立小小区用户间的干扰模型,并在此基础上设计了基于势博弈的资源分配算法.为减小资源分配过程中的计算开销,同时进一步抑制干扰,提出了资源分配效用矩阵和效用值更新方法,在算法执行过程中对资源块状态进行分类,减少小小区用户在博弈策略空间中的尝试次数.仿真结果表明:与原博弈算法相比,提出的算法在保证蜂窝用户服务质量的条件下,进一步提高了系统容量,同时明显提升了边缘用户可获取的速率,大幅降低了计算复杂度.     

基于潜在低秩图判别分析的高光谱分类

提出一种基于潜在低秩图判别分析（LatLGDA）算法,利用数据的自表示对数据的列表示系数矩阵和行表示系数矩阵同时施加低秩约束,得到保留数据结构的亲和矩阵,再与图嵌入模型相结合实现高光谱图像的流形降维并进行分类。与其他基于稀疏图或稀疏低秩图的高光谱特征提取算法相比,LatLGDA可利用数据的行信息弥补列信息的不足或缺失,对噪音的抗干扰能力更强;在真实数据集上的实验结果表明,LatLGDA算法具有较高的分类精度和运算效率,应用前景广阔。     

一类带号图构形的Tutte多项式

研究了带号曲轮图和带号双半轮图对应图构形的Tutte多项式,主要用带号图的删除-限制定理来计算其Tutte多项式,并运用带号图的符号转换函数找到了几种有规律的基本图形（基图）,推导出这些基本图形Tutte多项式的递推公式后,通过计算机辅助给出这类带号图的Tutte多项式,进而得到特征多项式及OS代数的维数。最后计算了半螺旋双吸泵3种不同内部结构的Tutte多项式。     

改进的关键词提取算法研究

【目的】针对词主题信息与词相似性信息对关键词提取的影响进行了研究,提出一种改进的TextRank关键词提取方法。【方法】首先,使用隐含狄利克雷分布(Latent Dirichlet allocation,LDA)主题模型对文档建模计算词主题信息;其次,使用FastText生成词向量,并计算词相似性矩阵;最后,融合词主题信息与词相似性信息的综合权重来优化TextRank词汇节点的初始权重,并进行词图模型的迭代运算与关键词提取。【结果】实验表明,改进方法的提取结果优于传统方法。【结论】证明了考虑词主题信息的全局性与词相似性信息的局部性能有效提高TextRank算法提取关键词的性能。     

西科大临潼校区三维虚拟校园系统设计实现

针对西科大临潼校区宣传的需求,基于3D Max和OSG设计实现了一套临潼校区三维虚拟校园系统。首先,应用3D Max对整个临潼校区进行三维建模,提出了一种大规模建筑物场景的划分建模方法。然后,基于VS2005和OSG对临潼校区三维虚拟校园系统进行设计实现,提出了一种自主漫游碰撞检测方法,并实现了自动路径场景定位功能。应用结果表明,该系统达到了实时三维交互需求和预期显示效果。     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?