云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

"互联网+"背景下高校MOOC互动教学模式框架研究

基于在“互联网+”背景下,对构建的高校MOOC( Massive Open Online Course) 互动教学模式进行完善,健全其平台功能框架,解决当前该平台运行过程中所存在的问题,及时指导使用者的实践过程,简化资源下载难度和协作交流等。侧重对综合B/S 架构的服务器和浏览器,J2EE 开发环境,采用集成架构SSH( Secure Shell) 的分层设计原则进行研究,在划分平台时将其分为控制器层、数据层、用户视图层以及业务逻辑层4 层,实现开发效率的显著提升。该研究对当前已有的MOOC 平台展开更加深入的分析,进一步完善了其不足之处,增强了其交互性和实用性,二者的耦合提高了教学效果,为学生提供一个能使课前学习高效完成的平台。     

基于小波分析与Boll改进谱减法的普米语语音增强算法

小波分析和Boll改进谱减法具有很好的减噪效果,但同时也存在"音乐噪声"和语音失真.为了解决这2个问题,基于这2种算法,研究了一种它们的联合算法并对加噪后的普米语进行语音减噪实验.通过对减噪后语音的试听和波形图的观察以及信噪比的对比,对实验的结果进行分析.实验结果表明,针对叠加了随机高斯白噪声的普米语,算法能有效地减少这2种方法单独使用时所产生的"音乐噪声"和语音失真.     

基于 OpenStack 的中小企业服务云平台架构研究

根据中小企业信息服务平台建设需求, 解决传统中小企业信息系统竖井式部署带来的管理分散、 资源利用率低等问题, 提出中小企业服务平台的整体框架, 并基于 OpenStack 开源云框架对中小企业云平台进行实验部署, 最后对中小企业服务云平台的高可用性技术进行初探。 结果表明, 基于基础资源层、 数据中台层、 业务中台层和应用层等 4 层的平台框架, 解决了传统信息系统竖井方式部署产生的信息孤岛问题, 基于 OpenStack框架搭建的原型系统验证了OpenStack 较适合于建设中小企业私有云平台。     

从局部到全局的规则模型：粒聚合研究

顾名思义,多视图模型是从不同的视角捕捉现实界系统的模型,通常包含本地可用的特性(如属性、输入变量)。综合考虑时,必须对一群多视图模型进行聚合。当建立一个包含所有属性的整体模型不可行且不能通过合理的计算实现时,多视图模型也会出现在包含大量变量的数据中。基于模糊规则体系结构,考虑和讨论2种情形。在构建多视图模型的聚合时,一个重要的任务是为整个全局模型设置一个可靠的质量度量,使用该度量可以有效地评估由规则模型生成的单个结果的相关性。提倡用输出的信息粒来量化结果的质量,而不是一个单一的数字结果。在上述2个情形中,使用合理粒度增强原理(粒计算的基础之一)聚合了一系列多视图模型产生的结果。认为多视图模型传递的结果多样性可以通过生成结果的粒度形式进行捕获和量化。最后,讨论了相关的优化准则和优化过程。     

坚持创新核心地位，建设世界科技强国

 推动高质量发展、实现人民高品质生活、构建新发展格局、顺利开启全面建设社会主义现代化国家新征程对加快建设世界科技强国提出了更为迫切的需求。面对新发展阶段科技创新和创新发展的新形势与新任务,必须坚持创新在现代化建设全局中的核心地位,坚持自立自强、全面创新、系统治理、开放融合原则,增强科技创新系统供给、支撑、引领能力,提升科技自立自强水平,进而强化科技自立自强对国家发展的战略支撑。     

基于关键 $n$-grams 和门控循环神经网络的文本分类模型

提出一种基于关键 $n$-grams 和门控循环神经网络的文本分类模型. 模型采用更为简单高效的池化层替代传统的卷积层来提取关键的 $n$-grams 作为重要语义特征, 同时构建双向门控循环单元(gated recurrent unit, GRU)获取输入文本的全局依赖特征, 最后将两种特征的融合模型应用于文本分类任务. 在多个公开数据集上评估模型的质量, 包括情感分类和主题分类. 与传统模型的实验对比结果表明: 所提出的文本分类模型可有效改进文本分类的性能, 在语料库 20newsgroup 上准确率提高约 1.95%, 在语料库 Rotton Tomatoes 上准确率提高约 1.55%.     

基于虚拟机迁移的能量收集MEC系统资源分配策略

针对现有研究没有考虑用户移动性对移动边缘计算（mobile edge computing,MEC）服务器反馈计算结果影响的情况,提出一种基于虚拟机迁移的能量收集MEC系统资源分配策略。考虑用户移动性影响,分别给出用户移动性模型和能量收集模型;采用虚拟机迁移方式,把用户卸载给初始MEC服务器的计算任务转移到当前MEC服务器,由当前MEC服务器完成计算任务,计算结果直接反馈给用户;综合考虑用户卸载计算任务和MEC服务器反馈计算结果,将功率和子载波分配问题建模为混合整数非线性规划问题,在满足能量消耗、子载波分配和发射功率的约束条件下,最大化系统能量效率。为了降低求解复杂度,通过引入遗传算法,获得次优解。仿真结果表明,与基于遗传算法的局部功率或子载波分配方法相比,提出的方法具有更高的能量效率。     

移动边缘计算中的无人机群协同任务卸载策略研究

针对应急灾害中通信受限的场景,研究了基于移动边缘计算(mobile edge computing, MEC)的无人机群(unmanned aerial vehicles,UAV)协同任务卸载问题。在对系统通信过程和计算过程的延时与能耗分析的基础上,设计联盟效用函数和回报函数,并基于享乐博弈模型提出联盟分割形成算法。理论分析证明,该算法最终收敛于某个稳定的联盟分割。仿真结果表明,相比其他典型策略,提出的策略具有更低延时和能耗,能够提升用户服务体验、增加设备续航时间,解决通信受限问题。