基于线性动态系统稀疏编码的异常事件检测

线性动态系统模型结合稀疏编码实现异常事件检测。线性动态系统可有效地捕捉动态纹理在时间和空间的转移信息,描述视频的时空小块。然而,线性动态系统属于非欧氏空间,无法直接用传统的稀疏编码进行异常检测。基于约束凸优化公式,将相似性变换与稀疏编码结合,可实现线性动态系统稀疏编码的优化求解。实验表明,所提出的方法具有更好的性能。     

一种基于改进的动态能量管理的无线传感器节点节能技术研究

针对无线传感器节点的结构特点,以动态能量管理技术为出发点,结合实际应用场合,提出了一种改进的动态能量管理节能模式,建立了不同工作模式下的无线传感器节点能耗模型,并对不同工作模式下的能耗进行了量化分析。分析结果表明,改进后的动态能量管理技术能够有效地降低无线传感器的能量损耗。分析结果为下一步无线传感器节点的节能改进设计打下了良好的基础。     

基于细胞自动机的动态云实时模拟

具有真实感云的实时模拟应用非常广泛。基于细胞自动机技术建立云模型,明确了边界网格点的处理方法。通过改进变换规则,引入了上升气流的作用,加快了运行速度并反映了云的真实特性。在光照计算过程中,将多重前向散射光照运用于细胞自动机方法中,并将近似米氏散射的Henyey-Greenstein相位函数嵌入到前向散射光照模型。仿真实验表明,该方法提高了云的外观的真实性,可以实现云的实时绘制。     

UPSO:基于划分空间粒子群优化的WSN动态覆盖优化算法

针对WSN动态覆盖问题为多目标优化问题,提出一种划分空间粒子群优化动态覆盖算法UPSO(Uniform Particle Swarm Optimization,UPSO)。该算法首先定义出基于传感器平均分布和不平均分布的区域划分过程,然后分别在不同子空间利用粒子群进行子区域内搜索Pareto最优解,最后分析算法复杂度。实验表明,在不同网络规模、迭代次数和划分子空间下,区域覆盖度和网络寿命相对于传统经典算法有较好改进。     

面向低功耗共享Cache路适应划分算法研究

如何提高多核处理器的性能和降低多核处理器中Cache的功耗已经成为下一代多核处理器的研究热点。为了降低片上多核处理器的功耗,基于路适应算法可以采用一种新的动态划分机制,该机制主要由路分配模块和动态功耗控制模块组成。路分配模块在程序运行过程中根据处理器核所运行线程的工作集的大小调整处理器核所分配的Cache路。动态功耗控制模块利用程序运行的局部性原理,将处理器核所运行线程的工作空间控制在少数Cache路中。关闭剩余的Cache路,从而达到降低Cache功耗的目的。该机制使用Simics全系统模拟平台模拟多核处理器,并用SpecOMP测试集测试了系统的性能和功耗。与传统的Cache(Conventional L2Cache,C-L2)相比,其IPC提高了9.27%,功耗降低了10.95%。     

基于改进卡尔曼滤波的RFID数据清洗方法研究

采用RFID(radio frequency identification)技术在阅读器和动态电子标签之间进行通信,采集到的数据通常存在大量的脏数据。为更好支持高层应用,必须对原始数据进行清洗。针对标签频繁移动这一特点,将滑动窗口技术引入卡尔曼滤波模型,给出了一种改进的卡尔曼滤波模型,进而提出了一种基于改进卡尔曼滤波的RFID数据清洗方法。该方法在保证数据清洗准确率的基础上能有效解决标签动态跃迁带来的时间延迟问题,从而更加适用于标签频繁移动的场景。实验结果表明,该算法提高了清洗效率及准确率。     

一种改进的活性边表区域填充算法

为提高区域填充效率,对三种常见的区域填充算法进行了介绍和分析,并对其中优势较为明显的活性边表区域填充算法进行了进一步改进。改进算法针对原始算法的不足,充分利用多边形顶点信息,建立了活性边动态发现机制,使得算法时间效率和空间效率都得到提高;同时,为填充自相交多边形,又提出一种简单有效的基于扫描线的多边形自相交点探测方法,使得算法的适用性得到进一步增强。实验结果表明,算法的改进取得了很好的效果。     

循环流化床中流动结构的动态变化

采用激光相位多普勒粒子分析仪（ＰＤＰＡ）测量了二维循环流化床中局部颗粒运动行为及流动结构．通过将ＰＤＰＡ采集的数据进行动态图形化处理，研究了稀、密相的结构以及颗粒聚团的形成和分解．研究结果表明：在循环流化床中不仅存在稀、密两相的不均匀流动结构，而且密相和稀相自身内部也存在不均匀性；颗粒聚团的形成和分解是一个动态过程，颗粒间不同速度造成颗粒相互碰撞，密相能够分解形成稀相，稀相能够合并成为密相．在流动过程中稀相、密相及介于稀、密相间的乳相以动态的形式存在和分解，形成复杂的动态流动结构．     

一种瓦斯涌出量系统预测辨识模型的研究

针对煤与瓦斯突出灾害中瓦斯涌出量的辨识预测问题,结合采煤工作面瓦斯涌出量系统的现场实际特点,提出了混沌免疫遗传优化算法(CIGOA)与Elman神经网络相结合的耦合算法(CIGOA-ENN)。利用GIGOA的全局寻优能力替代梯度下降法,以克服Elman神经网络固有的缺陷。并根据输入的数据,构造基于CIGOA和ENN耦合算法的瓦斯涌出量系统辨识预测模型。利用矿区采集的现场监测数据进行仿真预测,实验表明该预测模型与BPNN,GA-ENN等神经网络预测模型相比,其收敛速度更快、收敛精度更高、鲁棒性更强,为解决煤矿瓦斯涌出量的预测问题提供了一个行之有效的方法。     

动态数学形态学轮廓提取算法在ARM上的实现

提出一种新的基于动态数学形态学的动态腐蚀轮廓提取算法。该算法以动态数学形态学中的约束条件为判断准则,通过定义评价函数来动态确定结构元素的移动方向,直接对感兴趣的目标进行轮廓提取。该算法引入自适应滤波门限,进一步增强了其抗噪处理能力。通过在ARM上对算法进行实现,得到了清晰的人体轮廓图像。该算法对实时目标的轮廓提取具有快速性和准确性的特点。