基于Map/Reduce的分布式数据排序算法分析

为了解决大规模数据的存储与计算,近年来分布式系统得到了大量的应用.如何在分布式系统中对大规模数据集进行排序是影响许多应用性能的基础问题,其中不仅涉及每个节点上排序算法的选择,更重要的是设计协调各节点的分布式算法.本文总结了分布式系统中常用的分布式排序算法,对每种算法的执行流程、代价模型和适用场景进行了分析,并通过实验对分析结果进行了验证.本文的工作可以帮助开发人员选择和优化分布式环境下大规模数据排序的算法.     

抑制阈值电压漂移像素电路领域重点专利分析

随着显示器产业化逐渐成熟,专利纠纷也不断增多。通过对OLED显示器像素电路领域的申请人申请量分析,特别是对于重点专利的相关技术分布进行分析,有利于中国企业进行合理的专利布局,规避被诉风险。     

多服务台眼科病床排队系统的优化研究

为优化医院眼科病床的安排问题,本文采用排队论原理,首先在对某一眼科医院就诊排队实际数据分析的基础上提出了医院病床安排排队的优先权排队规则.其次,从便于医院管理的角度,建立了各类病人占用病床数大致固定方案的模型.最后通过实证分析得出:有优先权的排队系统优于先到先服务的排队系统;通过算例分析验证了采用各类病人占用病床数大致固定的方案的可行性.     

考虑多人给出参照点的风险型多属性决策方法

针对多人给出参照点的风险型多属性决策问题,提出了一种基于累积前景理论的决策分析方法.在该方法中,首先依据累积前景理论,计算每个参与决策人针对不同自然状态下每个方案的属性值的前景价值及决策权重函数值,进而得到每个参与决策人针对各方案的综合累积前景值;然后,计算每个参与决策人的决策信息与总体决策信息的期望一致性程度,并得到每个参与决策人的权重;在此基础上,计算各方案的总体累积前景值,并依据总体累积前景值的大小对各备选方案进行排序.最后,通过一个数值算例来说明该方法的可行性.     

基于超像素与Span-Pauli分解的SAR影像分类

针对高分辨率极化合成孔径雷达(SAR)影像解译中面向像素方法难以充分利用影像信息的问题,提出一种基于超像素与Span-Pauli分解的非监督分类方法.利用分水岭方法易于过分割的特点,将分水岭分割得到的特征相似、空间相邻的像素集合视为超像素,并作为分类算法的基本处理单元.利用极化参数Span及Pauli基对极化SAR数据进行迭代分类,以实现适用于高分辨率SAR影像的非监督分类.采用X波段高分辨率SAR数据进行实验,结果表明:基于超像素的分类方法能有效抑制分类结果中的椒盐现象,将总体精度提高到了73.81%;在准确区分水体、道路的基础上,提高了复杂的农作物类别的分类精度.     

两种智能值排序启发式研究

为提升约束满足问题求解效率, 对最受推崇的智能值排序启发式Look-ahead 和Survivors-first 进行深入研究。比较两种值排序启发式在常规和自适应两种环境下的效率表现。结果显示, 在多数问题类上, 常规情况下Survivors-first效果更好, 而在自适应环境下效率有所下降; 在不同环境下使用不同启发式可提升约束满足问题求解效率。     

采用圆投影和序贯相似检测的图像匹配技术

针对现有的高精度匹配方法复杂度较大,现有的圆投影匹配方法在实际应用中计算量高、速度慢的缺点,提出了一种新的图像匹配算法.该算法基于序贯相似检测原理,采用由粗到精的匹配策略,应用步长自适应的跳跃式搜索方法,在不影响匹配精度的前提下,跳跃了大量匹配点,减小了在非匹配点处的计算量.实验结果表明,与已有的基于不变矩的匹配算法、圆投影匹配算法相比,该算法具有较高的匹配精度,且匹配速度快.     

多准则排序中的路径问题及层次分析法推广

本文指出,在多准则排序中层次分析法用矩阵乘法实现排序度量转换是不正确的.实际上排序度量转换与把排序指标的重要性传递到目标的路径有关,多准则排序是多路径的,多路径排序度量转换不是线性转换,不能用矩阵乘法实现.为此,将排序度量映射到高维状态空间上、用不确定性隶属度向量表征,进而把排序度量转换转化为隶属度转换.通过揭示指标隶属度中包含着确定目标隶属度的冗余值来论证隶属度转换是非线性转换,用区分权滤波算法实现隶属度非线性转换.由此建立多准则排序的非线性排序模型.     

基于离散阵列广义同步的彩色图像加密算法

为设计出具有较高安全性能的图像算法,提出了一种基于离散阵列广义同步系统的彩色图像加密算法。首先利用离散阵列广义同步定理,在3D-Lorenz映射的基础上构造了一个具有16×16×6的阵列广义同步系统。其次,结合二维离散分数阶傅里叶变换设计了一种彩色图像加密算法。该算法对像素矩阵进行了新混沌序列的位置变换,提高了密钥空间。加密算法的密钥敏感性、直方图和信息熵的仿真实验表明:该加密算法安全性高,能够达到较好的加解密效果。     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.