业务相关性对排队性能的影响及其意义

以ＴＥＳ法和洗牌法为依据，通过一系列计算机模拟实验，分析了业务相关性与排队性能之间的关系，指出：业务的相关性对排队性能有着重大的影响，对于无限排队系统，业务的长时相关性决定着排队系统的性能；而在有限排队情况下，短时相关性的影响相对大一些，且起作用的主要是相邻数据的相关性的强弱，因此短时相关性和长时相关性都不容忽略。     

一种新的ATM网业务模型

提出一和中新的ＡＴＭ网业务模型，它去除了ＭＭＰＰ等信源业务模型中的泊松到达假设，更符合ＡＴＭ中业务的性质，它可以用于描述数据，语音、视频，甚至它们的复哈 业务流。给出了对这种模型进行排队分析的流体流分析法。     

一种新的ATM网业务模型

提出一种新的ＡＴＭ网业务模型，它去除了ＭＭＰＰ等信源业务模型中的泊松到达假设，更符合ＡＴＭ中业务的性质。它可以用于描述数据、语音、视频，甚至它们的复合业务流。给出了对这种模型进行排队分析的流体流分析法。最后以视频与话音业务的复合为例给出分析结果，并与仿真实验进行了对比，结果是令人满意的。     

基于深度学习的图像抠图技术

图像抠图(image matting)技术是图像编辑技术的基础, 广泛应用于影视后期制作和日常生活. 基于深度学习的图像抠图网络, 通过输入的原图和三元图来估计每个像素的 $\alpha$ 值. 在原下、上采样的图像抠图技术基础上, 针对抠图数据集图像差异较大容易造成网络收敛较慢的问题, 在每个卷积层后加入了批量标准化(batch normalization, BN)层, 对输入数据进行归一化操作, 加快模型收敛速度, 同时参数更新方向更符合数据集整体特性; 针对抠图任务需要更关注物体边缘部分的特点, 使用可变形卷积(deformable convolution)层替换普通卷积层. 可变形卷积层会根据不同输入数据自适应学习卷积核形状, 有效扩大感受野范围, 在细节部分有更好的预测效果.     

一种利用年龄编辑改进年龄估计的方法

人脸年龄估计(face age estimation)作为一种新兴的生物特征识别技术, 是计算机视觉中一个经典的学习问题. 基于生成对抗网络(generative adversarial network, GAN) 强大的数据生成能力, 提出了一种利用年龄编辑改进年龄估计的方法, 并 通过分阶段联合训练年龄编辑网络 StarGAN 和年龄估计软阶段回归网络 (soft stagewise regression network, SSR-Net), 扩增适用于年龄估计的训练数据. 实验证明, 在非受限条件下, 该方法取得了年龄估计较好的结果.     

业务相关性对排队性能的影响及其意义

以TES法和洗牌法为依据，通过一系列计算机模拟实验，分析了业务相关性与排队性能之间的关系．指出：业务的相关性对排队性能有着重大的影响，对于无限排队系统，业务的长时相关性决定着排队系统的性能；而在有限排队情况下，短时相关性的影响相对大一些，且起作用的主要是相邻数据的相关性的强弱，因此短时相关性和长时相关性都不容忽略．     

一种基于仿射不变特征的飞机识别方案

研究了利用单幅图像中包含的形状信息识别三维空间中物体的方案，提出用对形状畸变不敏感的仿射不变特征表示形状，在此基础上发现了一种飞机识别方案；给出了两种简便的ＡＩＦＤ构造方法，用散布矩阵法评价形状特征，与相似不变特征对比。实验结果表明上述方案的鲁棒性。