带有两个优先权M/M/s排队的通信网交换性能分析

目前 ,基于不同优先权的通信网交换的研究十分活跃 文中分析了通信网中输入为泊松到达 ,带有两个优先权的M/M/s排队交换系统 通过对状态转移方程和部分状态转移方程的分析 ,得出了到达交换器的两种信元 (分组 )的稳态队长 ,并利用指数分布和泊松分布的关系 ,给出了输出线上的平均队长     

优先权的N策略M/G/1排队在通信网中的应用

分析通信网中带有两个优先权的N策略M／G／1排队系统的性能，利用补充变量法对此排队系统的状态转移方程进行分析，获得了带有两个优先权的N策略M／G／1排队系统的队长分布母函数及通信网缓冲器中的平均队长，并对两个优先权排队进一步讨论，得出了不同优先权排队的队长分布母函数及稳态队长．     

拉格朗日乘子法在运筹学教学中的应用

拉格朗日乘子法是求解约束优化问题的经典方法.在运筹学教学中添加拉格朗日乘子法在求解线性规划、整数规划、二次规划和非线性规划等各种规划问题中的应用,将有助于加深学生对课程内容的理解,激发学生探索知识的兴趣,为学生进行后续求解复杂的约束优化问题打下理论基础.     

基于改进卷积神经网络的苹果叶部病害识别

针对苹果病害叶片图像病斑区域较小导致的传统卷积神经网络不能准确快速识别的问题,提出基于改进卷积神经网络的苹果叶部病害识别的网络模型.首先,将VGG16网络模型从ImageNet数据集上学习到的先验知识迁移到苹果病害叶片数据集上;然后,在瓶颈层后采用选择性核(selective kernel,简称SK)卷积模块;最后,使用全局平均池化代替全连接层.实验结果表明:与其他传统网络模型相比,该模型能更准确快速捕获苹果病害叶片上微小的病斑.     

基于支持向量值轮廓波变换的遥感图像去噪

提出了一种基于支持向量值轮廓波变换的遥感图像去噪算法。首先利用支持向量机构造支持向量值滤波器,并结合方向滤波器组,构建支持向量值轮廓波变换,再利用该变换将含噪声遥感图像分解成低频部分和高频方向子带部分,最后利用支持向量回归方法对子带系数进行去噪。实验结果表明,支持向量值轮廓波变换具有平移不变、泛化能力好、捕捉奇异性能强等特性,本文提出的去噪算法能在去除噪声的情况下有效保留源图像的边缘信息。     

基于椭圆-双曲线马氏度量的图像分类算法

为了进一步拓宽度量学习在图像分类中的适用范围,同时提高分类的性能,本文提出一种基于椭圆双曲线马氏度量的图像分类算法。该算法首先将颜色特征和局部二值模式描述的纹理特征相结合来表示图像特征;然后引入对样本数据具有更好的适应性的椭圆双曲线度量,根据数据统计特性定义椭圆双曲线马氏度量,给出椭圆双曲线马氏度量学习算法,从而获取最优的度量矩阵;最后利用椭圆双曲线马氏度量矩阵将样本变换到新的特征空间,从而降低特征各维度间的相关性,同时计算图像特征间的距离从而完成分类。实验表明该算法提高了图像分类的有效性。     

在线多输出支持向量回归及在投资决策中的应用

提出一种在线多输出支持向量机回归算法：对新到达的样本，利用梯度下降算法，最小化预测结果的带正则项的即时风险，给出回归函数权系数和偏置的迭代公式，完成在线情况下的多输出回归预测．将该算法应用于投资决策，可以在线预测最优投资组合．仿真实验结果表明，该算法计算简单，工作量小，因而更容易实现．     

基于小波核MSVR的IKONOS影像多分类

针对IKONOS影像波段和光谱特点,结合小波函数对非线性信号的良好描述能力和多输出支持向量回归(MSVR)在多维机器学习领域的优势,提出一种基于小波核MSVR的IKONOS影像多分类方法,并以安徽大学新校区的IKONOS影像进行仿真实验.结果表明,提出的多分类算法优于传统的有监督二分类方法和无监督K-Means分类方法,获得较好的分类效果.     

基于对偶树复小波变换的遥感图像薄云去除

在卫星传感器获得的遥感图像中,由于受气候影响,图像可能存在被云雾噪声覆盖的区域.提出一种基于对偶树复小波变换的薄云去除方法,利用该变换将含云遥感图像分解成高频和低频成分,通过对高频补偿和低频抑制处理,有效去除遥感图像中的薄云,恢复云覆盖区域的地物信息.实验结果表明,该方法优于常用的薄云去除方法,在去除薄云的同时能有效恢复云覆盖下的地物信息,此效果源于对偶树复小波变换具有的近似平移不变性和良好的方向选择性.