基于道路骨架性的城市道路等级划分方法

首先在总结现有城市道路分级理论存在的不足基础上,从道路在路网中承担的结构功能角度指出,道路骨架性是城市道路分级方法的重要依据.然后提出了道路骨架性的定义,采用介数中心度作为定量描述道路骨架性的计算指标,并建立了依据道路骨架性定量划分道路等级的计算分级法;最后采用多个城市的现状与规划道路网数据,比较了计算分级法和传统道路分级方法所得到的道路分级结果的相似程度,验证了所提出的计算分级法的合理性和可行性.     

基于元数据属性的数据价值分级及加密机制

针对云存储中对所有数据采用统一的加密算法造成数据加密高复杂度的问题,提出了一种基于元数据属性的数据价值分级及加密机制。首先,利用数据对象元数据的属性评定数据对象的数据价值,并对数据进行分级,而后,根据数据的价值级别选择相应的加密算法,给出数据加密的解决方案。通过对实验数据的分析与比较,验证了该机制能够获得更好的加密效果,大大减少了数据加密的时间复杂度。     

分级缩放技术在实时视频网络传输中的应用

针对高清视频信息的网络化传输存在高计算复杂度和图像还原质量较差的问题,提出一种基于分级缩放技术的视频网络化传输方案．该方案中,在发送端对视频信息进行分级缩小处理,经网络传输后,在接收端根据用户需求对视频信息进行分级放大处理．仿真结果表明该技术方案能够适应现有网络带宽条件,无需改变现有网络布局及路由交换设备等基础设施即可工程化应用．     

判断运动复杂度的快速运动估计算法

为了提高视频压缩编码中运动估计算法的效率,提出了一种判断运动复杂度的快速运动估计算法(MC-FME算法).首先利用单帧图像的纹理信息与宏块匹配残差自适应地判断帧级运动复杂度,再利用当前宏块运动向量预测集中预测值的差异性自适应地判断宏块级运动复杂度,最后根据运动复杂度进行相应的运动估计.实验结果表明,与菱形搜索算法和分级运动估计算法相比,MC-FME算法可以在保证图像质量的前提下,匹配点数降低5%～21%,运动估计时间缩短3%～5%,从而达到加快运动估计的目的.     

基于DCT域的质量可分级编码方法

无线网络以及视频技术的发展,导致了视频可分级编码技术的需求。提出了一种视频质量可分级编码的方法,该方法是在频域对每个编码块的DCT系数进行处理,将视频分成九个质量等级,该方法的算法思想简单并且有很低的计算复杂度。算法可在AVS的RM52k参考软件中实现,实验结果表明:本文的方法能够克服网络带宽的限制,实现低码率传输。     

线性方程组分级行处理法贪心方法

给出了在分布式存储的MIMD树机模型上求解任意相容性线性方程组的分级行处理法贪心方法,证明算法收敛并分析算法的通信复杂度。     

单层模糊智能控制系统模型与应用

系统决策基于系统的属性信息,这些信息有定性的也有定量的.综合定性与定量信息,基于模糊推理理论建立了一个普适的单层属性的模糊智能控制系统.将决策信息分级并模糊化,建立模糊推理规则库;依据模糊化的决策信息搜索推理规则库,进行模糊合成得到控制信息.实现对系统的智能化控制.讨论了系统运行的时间复杂度和空间复杂度,并进行了证明.最后给出了单层模糊智能控制系统的一个应用实例.     

一种基于浮动车移动轨迹与电子地图融合的道路匹配算法

在对城市道路网进行网格划分的基础上, 提出一种利用参考历史数据和前瞻数据的三段式匹配思想与权重模型思想相融合的地图匹配算法. 该算法可减少浮动车GPS定位点待匹配路段的搜索范围, 从而极大降低算法的复杂度, 实现较高的匹配精度.     

基于S变换与PNN的电磁环境复杂度评估

针对复杂电磁环境定性分析和定量分级问题,提出基于广义S变换与PNN(概率神经网络)的电磁环境复杂度评估方法.应用广义S变换对电磁环境中受干扰的样本信号进行时频分析,同步提取时频域时域占用度,频域占用度和能量占用度评估参数,分析了各参数的物理意义,并给出了各评估参数的计算公式.同时增加频率重合度、调制格式相似度和背景噪声强度等评估参数,利用获取的参数训练PNN,并进行分类.仿真实验证明基于广义S变换与PNN的电磁环境复杂度评估方法在背景噪声大、训练样本数少的条件下能有效提取评估参数,并对电磁环境复杂度进行有效合理评估.     

CMOS 组合逻辑电路的功耗分析研究

功耗分析是低功耗逻辑综合的一个重要步骤。ＣＭＯＳ组合逻辑电路的功耗分析由于电路节点之间存在相关性而变得复杂。采用两两相关的方法对电路内部节点的相关性进行建模,并且对相关性进行划分强弱分别进行处理,从而提高了计算的精度。同时为了降低计算的空间复杂度,对电路采用了按逻辑深度分级计算的方法,使计算的复杂度并不与电路规模直接相关。对ＩＳＣＡＳ’８５基本测试电路（ｂｅｎｃｈｍａｒｋ）的实验结果说明此方法可以有效地用于较大规模的组合逻辑电路的功耗分析。     

改进的基于相关相似性的协同过滤推荐算法

分析了传统CF算法和基于项目评分的CF算法中存在的问题,对其相似性计算和推荐集选取方法进行了改进,并提出了一种优化的CF算法。实验结果表明,该算法同传统CF算法相比能显著提高推荐精度,同基于项目评分的CF算法相比能够有效减少计算复杂度。     

基于突变级数法的突发自然灾害风险等级评价

基于突发自然灾害风险等级评价的复杂性和及时性特点,从受灾地区的自然情况、受灾人数、受灾面积与经济损失角度建立评级的指标体系,采用突变级数法,对汶川地震影响的四川省部分地区的受灾风险等级进行评价,并与实际情况相比较,验证了所提方法的有效性.     

NET平台下Ajax在网站建设中的问题及解决方案

Ajax技术可以简化Web开发，通过将页面高度模块化，使数据与表现分离，从而可以使服务器端和客户端都可以很好的解耦，降低开发的复杂度。．NETFramework提供了对于Ajax的支持，但所提供的功能模块需要特殊处理才能实现需要的功能。该文通过实际网站构建试验，．Net平台，依照处理方案重新整合模块相信会对．Net平台上Ajax功能扩展起到更好的支持作用。     

一种改进的混合推荐算法

基于用户的近期行为能够更好地反映其潜在的兴趣偏好的思想,提出了一种基于有限时间窗口的改进混合推荐算法.在标准数据集Netflix上的实验结果表明,只采用大约31.11%的用户近期历史记录,所得到的推荐结果准确性可以平均提高4.22%,而推荐列表多样性可以提高13.74%.另外还发现新提出的算法适用于不同活跃程度的用户,这可以极大地降低大规模数据所引发的计算复杂性问题.     

TLRank:一种新的社会化协同排序推荐算法

已有的社会化协同排序推荐算法的研究只是简单地融入用户的社交网络信息,没有考虑用户之间社会化信任网络的传递性;同时,该推荐算法的性能面临数据高度稀疏性问题的挑战.为了进一步解决这些问题,在传统的协同排序推荐算法(ListRank, List-wise Learning to Rank)和最新的社会化协同过滤算法(TrustMF, Social Collaborative Filtering by Trust)的基础上,提出了一种新的社会化协同排序推荐算法(TLRank),融合均高度稀疏的用户的显式评分数据和社会化信任网络数据,以进一步增强协同排序推荐算法的性能.实验结果表明:在各个评价指标下,TLRank算法的性能均优于几个经典的协同排序推荐算法,且复杂度低、运算时间与评分点个数线性相关;TLRank算法的推荐精度高、可扩展性好,适合处理大数据,可广泛运用于互联网信息推荐领域.     

PROMETHEE方法在城市环境空气质量评价中的应用

针对国内各大城市环境空气质量污染状况的差异性和复杂性,许多评价方法在对其进行质量评价时不能显示较强的优越性,尤其不能方便快捷地对其数据进行处理等问题,采用PROMETHEE法并结合国家空气质量评级标准对样本城市的空气质量进行了综合评价.引入信息熵的理论来计算各评价指标的权重以避免权重确定的主观性,在此基础上建立的基于熵权的PROMETHEE法大气质量评价模型所得到的评价结果不仅符合实际情况,而且使得数据处理的计算过程变得简单.研究结果显示了所建模型及其方法的可靠性和适用性.     

HBD: Towards Efficient Reactive Rule Dispatching in Software-Defined Networks

Most types of Software-Defined Networking(SDN)architectures employ reactive rule dispatching to enhance real-time network control.The rule dispatcher,as one of the key components of the network controller,generates and dispatches the cache rules with response for the packet-in messages from the forwarding devices.It is important not only for ensuring semantic integrity between the control plane and the data plane,but also for preserving the performance and efficiency of the forwarding devices.In theory,generating the optimal cache rules on demands is a knotty problem due to its high theoretical complexity.In practice,however,the characteristics lying in real-life traffic and rule sets demonstrate that temporal and spacial localities can be leveraged by the rule dispatcher to significantly reduce computational overhead.In this paper,we take a deep-dive into the reactive rule dispatching problem through modeling and complexity analysis,and then we propose a set of algorithms named Hierarchy-Based Dispatching(HBD),which exploits the nesting hierarchy of rules to simplify the theoretical model of the problem,and trade the strict coverage optimality off for a more practical but still superior rule generation result.Experimental result shows that HBD achieves performance gain in terms of rule cache capability and rule storage efficiency against the existing approaches.     

IPTV大数据收视分析优势

本文分析阐述了利用IPTV大数据做收视分析的优势。首先介绍了传统收视分析及IPTV收视分析的特点,指出IPTV因其双向互动的特性,可以做到全样本的收视行为采集,再借助大数据技术优势,所做出的分析结果更客观、更及时、更精细、更准确。未来随着IPTV用户范围的扩大,用户具象化问题的解决,IPTV收视分析的结果将形成新的多维度全方位的收视指标,影响广播电视行业的发展。     

国际信用评级机构的功能异化及对中国的启示——欧洲主权信用危机的反思

欧洲主权债务危机使人们认识到由美国评级模式控制的现行国际信用评级体系存在严重问题。通过分析三大信用评级机构在欧洲主权债务危机中所起的作用,说明国际信用评级机构的信用缺失和对国际金融秩序的危害。在此基础上,指出为了国家的金融安全和金融稳定,我国应建立在国际上有权威的信用评级机构。     

债券评级的一种方法--主成分分析法

当前信用风险的度量是比较热门的研究课题,而信用评级作为其中的一部分起着不可忽视的作用．为了增强评级的准确可靠性,给投资者提供更详细的信息,该文在总结前人对信用评级方法研究的基础上,提出了用主成分分析法对债券进行评级,模拟结果表明主成分分析法是有效的。