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。     

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.     

基于凸情形下在线设备更新问题的竞争分析

市场以在线的方式给出新设备,决策者必须决定是否更新现有的设备,并确定何时更新？即在已知现在和过去的设备信息和订单信息而对未来信息一无所知情况下,决策如何更新设备完成陆续达到的订单需求.优化目标是使设备更新投资成本与设备运行成本总和最小.首先讨论了离线设备更新问题, 给出了两种算法并分析了算法复杂度.其后, 讨论了凸情形下在线设备更新问题, 给出了临界值策略,得出了竞争比为6, 证明该策略要优于原有的策略.     

基于仿真的军用飞机保障设备利用率计算模型

介绍了军用飞机保障设备利用率难以有效计算的问题,在分析保障设备使用特性的基础上,通过引入资源工时的概念,提出了保障设备利用率的新定义和数学模型,建立了基于仿真方法的利用率计算模型和简化的工程计算模型.该方法充分考虑了保障设备的使用特性,能简单有效的计算保障设备利用率,并具有一定的通用性.     

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。     

基于时间优化的设备群维持随机模型

对于在工人完成任务效率具有随机性的情况下,如何合理组织一类可拆分设备维修以加快设备维修速度,从而增强企业竞争优势的问题,建立了基于时间优化的随机维修模型并对该模型进行讨论,最终形成了一个与之等价的可以进行求解的确定型模型。通过数值算例发现,在考虑随机性对维修效率的影响后,与认为工人完成任务效率固定的确定型模型相比,任务安排可能发生变化。