一类快速模糊支持向量机

由H.P.Huang、C.F.Lin等人和T.Inoue,S.Abe等人提出的两类模糊支持向量机是两种类型的改进支持向量机,分别克服了过学习问题和减少了多类问题分类时存在的不可分区域。如何处理异常数据和加速训练大规模数据集是支持向量机中的急需解决的两个问题。针对这两个问题,提出了一类将两类模糊支持向量机集成的快速模糊支持向量机。训练时,根据每类数据与其类中心的距离,定义隶属函数,以加大对容易被错分样本的惩罚,利用合适的参数λ选取了每类数据中隶属度值较大的边缘数据构造模糊支持向量机,测试时,利用1-a-1和模糊支持向量机的决策函数判定未知样本的类别。含有异常数据的两类问题和机器学习数据集中手写数字识别的多类问题的实验结果,验证了提出的快速模糊支持向量机减少了训练时间同时提高了学习机的推广能力。     

基于HLA作战仿真成员设计参考模型

对当前HLA仿真机制功用的局限性进行了深刻分析,由此提出构架作战仿真成员设计参考模型的构想.对作战仿真成员的概念模型进行抽象分析,将作战仿真成员中的实体要素分为指挥实体、执行实体、战场环境要素实体三大类.应用MAS理论,构建了作战仿真成员的通用框架;并基于动力驱动机制设计了指挥实体Agent和执行实体Agent的通用模型框架.从建模方法和开发模式两方面对作战仿真成员的开发过程给出指导性建议.该参考模型可以为重构或开发新的作战仿真成员提供有益参考.     

自助式借还书系统中的多书侦测研究

为了尽可能减少自助式借还书过程中的违规操作,需要对操作中所借还的图书进行多书侦测进行研究,由于现有的基于磁场的多书侦测系统可靠性不够高,提出研究一种工作于可见光波段的多书侦测系统,该系统利用摄象头跟踪被借还图书,提取出图书的侧面图,并分析侧面图以判断是否存在违规操作.     

集体消耗公共资源的谋利行为的3种均衡及成员数量对效率的影响

在建立弱再生的资源的再生速度模型和谋利行为对资源的消耗模型的基础上,推导出在谋利行为下的弱再生的公共资源的均衡曲线与均衡模型;利用此模型分析了个人非理性、个人理性及集体理性时的不同均衡点,分析了这些均衡点之间的关系,并且提出引入惩罚函数来实现在集体最优均衡点,从而实现了有利于社会的行为控制.最后讨论了具有公共资源的集体中的成员数量对谋利行为收益的影响,主要得出3点重要结论:[1]在个体数量充分多的情况下,如果没有管理者进行控制,一般都会发展成过度谋利行为,从而对资源造成巨大的危害.[2]税收等惩罚函数的意义,不仅仅是养活政府和社会财富进行再分配,更在于能够对过度谋利行为具有抑制作用.[3]在不影响资源的功能的前提下,应当对公共资源尽可能细小的分割,使占有公共资源的集体尽可能的小.这样可以使保护资源管理成本达到最低,从而使人们的谋利行为的长远效益最大.     

自适应阈值的边缘检测算法及其硬件实现

传统Canny边缘检测算法的阈值需要人为设定,且计算量较大。为了克服传统Canny算法的这些缺点,提出了一种自适应阈值的边缘检测算法,并将其在硬件上实现。从图像的梯度幅值直方图分析出发,得出阈值的计算方法,自适应地动态生成阈值,克服了传统算法需要人为设定阈值的不足。介绍了自适应阈值的边缘检测算法在FPGA上实现的方法。实验结果表明,在FPGA上实现的自适应阈值边缘检测算法可以大大缩短算法所消耗的时间,具有实时性好、自适应性强的优点。     

论复杂性的基本根源——从系统科学的角度

从复杂性的一般性特征描述中分析出复杂性的产生根源：系统中多个子系统数目、子系统间的非线性相互作用、系统的进化机制、系统处于混沌的边缘、层级结构、自组织机制、适应性以及人类认识能力的局限性等。同时说明这些因素之间联系非常密切并不是彼此孤立的。     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

带有协作意愿感知的边缘协作中继机制

利用智能终端的协作转发可以缓解海量传感器数据的承载压力。然而,由用户携带智能终端的非合作行为会使转发性能急剧下降。为此,提出了一种带有协作意愿感知的边缘协作中继机制,以提高中继选择的合理性和激励机制的有效性。通过分析用户对转发数据的兴趣度感知用户的主观协作意愿,并考虑用户能量和缓冲的影响,综合选择协作状态最佳的用户作为中继。为了进一步激励中继用户参与协作转发,提出了一种基于讨价还价博弈的激励机制,充分地激励中继用户的客观协作意愿。仿真结果表明所提机制与其他中继机制相比,转发成功率和平均吞吐量分别提高了至少19.4%、17.9%,平均传递时延降低了至少18.6%。     

基于MEC的任务卸载和资源分配联合优化方案

面对时延敏感度不同的多种用户,如何有效利用频谱资源和计算资源受限的边缘节点来保障其时延能耗需求成为关键问题。为此,提出了基于移动边缘计算(mobile edge computing, MEC)的任务卸载和资源分配联合优化方案。首先,为最小化卸载任务在MEC的总计算时间,给每个用户分配最优的MEC计算资源。其次,基于时延敏感度、用户满意度和资源块(resource block, RB)质量,引入RB分配算法,以分布式执行。最后,用户通过比较本地计算开销和卸载计算开销做出卸载决策。仿真结果表明,所提算法在满足高时延敏感用户的需求前提下,通过有效地分配传输资源和计算资源,实现了最小的系统开销。     

飞机成员开发中编队调整问题的处理

在基于HLA的仿真成员开发中,成员中对象间的跨成员通信是通过RTI进行的,成员内部的对象间通信是通过对象间发送消息来实现的。但是,在某些情况下,对象间的通信方式可能会动态改变,高分辨率的飞机成员开发中的编队调整问题就属于这种情况。针对这一问题,该文提出了四种解决方案,包括:统一用跨成员交互进行通信,利用所有权转移来实现,重新划分成员和基于成员框架的实现,并对每种方案的可行性进行了分析,然后详细讨论了基于框架的解决方案。