基于改进期望最大化算法的分布式视频编码

目前,分布式视频编码(DVC)由于具有低复杂编码特性而成为视频编码领域的研究热点。DVC中,边信息性能对系统性能影响很大,一般而言,边信息性能越好,则整个系统压缩性能越好。本文研究了一种基于贝叶斯准则的期望最大化(Expectation Maximization,EM)边信息产生方法,并从运动搜索模板和初始概率模型两方面对EM算法提出了改进。实验表明,在几乎相同的率失真性能下,两种改进算法的学习时间分别缩短了30%和16%。     

电子商务网站中的利润驱动请求优先级

客户的服务质量期望对于电子商务服务供应商来说是一项很艰巨的任务,在Web服务体验过多的情况下,将增加响应时间,遭到响应拒绝,使客户失望,减少对此服务的使用并减少收入.文章提出了服务器端的请求调度机制,RDRP（利润驱动的请求优先级）算法给了有可能带来更高利润的那些客户的Web请求较高的优先级.通过比较客户端信息到目前为止的请求,预测未来,使用这些预测对Web服务器进行优先分配.实验在JBoss Web应用服务器使用了RDRP技术的TPC-W基准测试应用程序,表明了RDRP能显著提高服务的利润,提供好的QoS给客户带来更多的利润.     

一种新的基于多示例学习的场景分类方法

多示例学习是近年来才出现的一种新的学习框架,并以其对多义性对象的出色表示能力而被成功地运用在图像分类任务中。首先提出了一种新的图像多示例包生成方式,采用特征的概率分布表示图像,并对图像像素分布提取一个高斯混合模型,将每个高斯分布作为一个示例,生成图像的多示例包。然后,在对图像进行分类时,采用了信息瓶颈聚类把多示例包转化成单示例,从而将传统的单示例分类器用在该问题上。为了提高分类器的泛化能力,对多个分类器进行了集成。选取了5类自然场景图像进行试验,结果显示所提出的方法平均性能优于当前常用的一些多示例学习算法。     

浅谈设备点检管理

现代化的企业是以＂经济效益最大化＂为最终目标,在现代企业中,设备管理已经成为关系到企业经济效益,关系到企业生存与发展的重要一环。     

改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

工程质量成本的探讨与研究

对任何一个项目部。在施工中其承担的质量、安全、效益等各项指标中,降低施工成本、实现盈利最大化是其最终目的。但质量与成本又是一对不可回避的矛盾体。如何解决这个矛盾,既提高工程质量,又能使质量成本控制在一个合理的范围内则是我们在施工中要探讨、解决的重点。     

基于回报函数逼近的学徒学习综述

回顾了基于回报函数逼近的学徒学习的发展历史,介绍了目前的主要工作,总结了学徒学习的一般方法,讨论了线性和非线性假设条件下的回报函数求解,比较了逆向增强学习(IRL)和边际最大化(MMP)两类逼近方法.基于IRL的学徒学习是一种通过迭代的方法用基回报函数的线性组合来逼近真实回报函数的过程.MMP方法可以看作是一类基于梯度下降的最优化方法.综合采用滤波及将策略函数概率化等方法可以降低对专家演示的最优要求.最后指出了该领域存在的问题,提出了未来的研究方向,如在部分可观察马尔可夫决策过程框架下的学徒学习及对不确定策略的学习等.     

绝对离差风险控制下log-最优资产组合模型

本文提出了基于绝对离差风险控制下的log-最优资产组合模型,讨论了其最优解的存在性与唯一性,设计了求解此模型的遗传算法,并进行了数值模拟。     

政策要营造企业技术创新的“逐利”空间

高科技企业也具有一般企业的本质属性,那就是追求利润最大化。目前科技政策虽然不遗余力地支持企业成为技术创新的主体,强调创新资源向企业集中。但事实上,技术创新只有成为企业实现利润最大化的最有效途径时,才可能成为企业的自觉行为。企业原动力是逐利。目前企业技术创新动力和能力不足的主要原因是来自现行政策体系内部的障碍和不利于企业...     

财务管理目标的再思考

财务管理目标无论是对财务管理理论界还是实务界都有重要作用,本文在分析有关财务管理目标局限性的基础上,指出财务管理目标无优劣之分．且财务管理目标具有层次性和阶段性。