基于(2D)~2PCA的受限玻尔兹曼机图像分类算法及其并行化实现

为解决受限玻尔兹曼机(restricted Boltzman machine,RBM)理论对高分辨率图像分类的时间复杂度高的问题,提出了一种基于双向二维主成分分析(two-way 2-dimension principal component analysis,(2D)~2PCA)的RBM图像分类算法.该算法首先应用(2D)~2PCA对待处理图像在X和Z两个方向上进行降维处理,从而提取出图像的主成分,将主成分作为RBM网络可见层的输入数据,应用对比散度算法训练构建玻尔兹曼机网络,达到对图像进行分类的目的.该算法有效解决了RBM处理高分辨率图像时网络训练速度慢,甚至整个网络训练状态无法收敛的问题.通过在Hadoop并行数据处理平台的实验表明:该算法不仅能有效提高处理高分辨率图像的速度,而且具备良好的并行性,在具有4台处理机的并行集群下,其加速比达到了3.13.     

支持优先级约束任务的容错调度算法

为了解决异构分布式系统中可靠调度问题,提出一种考虑处理机链路通信竞争的,支持优先级约束任务的容错调度(FSPCT)算法。该算法使用通信竞争模型描述处理机之间通信,在备份成本最小化和备份任务最早完成之间寻求平衡点。对主副版本任务的最早开始时间进行分析,并限定了所执行的处理机,在处理机出现故障后任务可以顺利执行。实验结果表明FSPCT算法的综合性能优于现有一些算法。     

基于Markov链的容错系统可靠性评估

计算机可靠性是衡量计算机系统性能的一项重要指标,评估计算机系统的可靠性在系统的设计和实践阶段有着十分重要的意义。针对较为常见的双机冗余容错系统,该文给出了一种基于Markov模型的评估容错系统可靠性的方法,该方法通过故障注入来加速系统失效、模拟容错系统运行时的事件、对系统运行状态进行划分,使用Markov链对系统状态进行建模来评估容错系统的可靠性。实验测试结果表明:该方法能有效地对容错系统可靠性进行评估。     

基于BOVW和SVM的城市土地类型遥感变化监测研究

【目的】研究城市土地类型的变化，分析城市进化过程对环境气候、城市发展以及政府决策产生的影响。【方法】以15～30 m分辨率的NWPU-RESISC45标准数据集和哈尔滨城区Landsat 8遥感影像为实验数据，制作了包含城市建筑及道路、水体、植被、裸地4种土地类型的遥感影像数据集。在实验数据中加入纹理信息，提取SIFT(scale-invariant feature transform, SIFT)特征点。通过K-means聚类算法获取包含大量语义信息的视觉词典，从而构造视觉词袋模型(bag of visual words, BOVW)。然后将BOVW提取的特征点与支持向量机(support vector machine, SVM)分类器结合，对制作的数据集进行分类。最后，利用2013年、2019年同一季节Landsat 8影像，以哈尔滨市松北区为例计算各土地类型的位置及面积变化信息。【结果】基于BOVW和SVM的分类结果与5种单一分类模型和3种“特征提取+分类器”模型对比，发现使用尺寸为550个词汇的视觉词典时，本研究模型的分类与变化监测精确度分别为79.40%、79.29%。结合哈...