多维数据的Z-Ordering存储映射算法及其缓存调度优化

多维数据以线性形式在存储系统中进行访问操作,二维及以上维度空间中的相邻节点被不同的映射算法映射到一维空间的不相邻位置。高维空间中进行相邻节点访问时,其一维存储映射位置有着不同的访问距离和访问延迟。提出了基于空间填充曲线Z-Ordering的存储映射方法及其访问距离的度量指标,并和常规优先算法进行了对比,发现能更好地将高维相邻的数据节点簇集到一维存储位置,加强了局部性。调整缓存空间中用于预取的空间大小,可以利用增强的局部性,提高了缓存命中率。实验结果表明,改善了多维数据的访问速度,优化了系统性能。     

一种斜视滑动聚束SAR子孔径处理成像方法

子孔径法是解决滑动聚束SAR成像方位频谱混叠的有效方法,具有内存占用量低、灵活性高的特点。子孔径的划分不仅影响成像 质量,还会影响成像效率;但目前子孔径的划分大多采用经验值,理论上并没有给出明确分析。因此在斜视成像过程中,未合理划分的子孔径会导致拼接谱出现“空隙”现象。本文首先介绍了斜视滑动聚束SAR工作模型,分析了其方位多普勒历程,提出了斜视下基于方位频域Scaling的子孔径成像算法。根据相邻子孔径的二维频谱,研究了子孔径频谱拼接的准则,推导了确定子孔径长度与重叠率的解析式,给出了子孔径划分的流程,最后通过仿真 实验和实测数据处理验证了子孔径划分方法及斜视下成像算法的有效性。     

前景划分下的双向寻优跟踪方法

目的 基于目标模型匹配方法被广泛用于运动物体的检测与跟踪。针对传统模型匹配跟踪方法易受局部遮挡、复杂背景等因素影响的问题,提出一种前景划分下的双向寻优BOTFP （Bidirectional optimization tracking method under foreground partition）跟踪方法。方法 首先,在首帧中人工圈定目标区域,提取目标区域的颜色、纹理特征,建立判别外观模型。然后,利用双向最优相似匹配方法进行目标检测,计算测试图像中的局部特征块与建立的外观模型之间的相似性,从而完成模型匹配过程。为了避免复杂背景和相似物干扰,提出一种前景划分方法约束匹配过程,得到更准确的匹配结果。最后,提出一种在线模型更新算法,引入了距离决策,判断是否发生误匹配,避免前景区域中相似物体的干扰,保证模型对目标的描述更加准确。结果 本文算法与多种优秀的跟踪方法相比,可以达到相同甚至更高的跟踪精度,在Girl、Deer、Football、Lemming、Woman、Bolt、David1、David2、Singer1以及Basketball视频序列下的平均中心误差分别为7.43、14.72、8.17、13.61、24.35、7.89、11.27、13.44、12.18、7.79,跟踪重叠率分别为0.69、0.58、0.71、0.85、0.58、0.78、0.75、0.60、0.74、0.69。与同类方法L1APG （L1 tracker using accelerated proximal gradient approach）,TLD （tracking-learning-detection）,LOT （local orderless tracker）比较,平均跟踪重叠率提升了20%左右。结论 实验结果表明,在前景区域中,利用目标的颜色特征和纹理特征进行双向最有相似匹配,使得本文算法在部分遮挡、目标形变、复杂背景、目标旋转等条件下具有跟踪准确、适应性强的特点。     

面向移动端基于社交关系的图片缓存替换算法

随着移动终端深入人们的生活,移动社交APP得到了广泛使用。在移动社交APP中往往会使用大量的图片资源,如微信朋友圈、Instagram的图片分享等。在APP中浏览图片会消耗较多的网络流量,影响加载速度,因此大部分APP采用首先显示缩略图,根据用户需求再加载原图的策略。在服务器端也采用缓存技术来加快缩略图产生时间,减少磁盘I/O。但是,当前的缓存机制更多关注的是缓存的访问频率、最近访问时间等因素,并没有过多关注数据生成用户之间的社交关系,也没有考虑移动用户对缩略图和原图的不同访问模式。把缓存划分为两个部分:缩略图缓存区和原图缓存区,提出了基于社交关系的图片缓存替换算法,在传统缓存替换算法的基础上增加用户的社交关系以及缩略图和原图的关联关系,通过计算图片的缓存价值进行缓存替换。实验表明,所提出的基于社交关系的图片缓存替换算法对于缩略图和原图的缓存命中率都有明显提高。     

Seepage and stress analysis of anti-seepage structures constructed with different concrete materials in an RCC gravity dam

This study used the finite element method(FEM) to analyze the stress field and seepage field of a roller-compacted concrete(RCC) dam, with an upstream impervious layer constructed with different types of concrete materials, including three-graded RCC, two-graded RCC, conventional vibrated concrete(CVC), and grout-enriched vibrated RCC(GEVR), corresponding to the design schemes S1 through S4. It also evaluated the anti-seepage performance of the imperious layer in the four design schemes under the normal water level and flood-check level. Stress field analysis of a retaining section and discharge section shows that the maximum tensile stress occurs near the dam heel, the maximum compressive stress occurs near the dam toe, and the stress distributions in the four schemes can satisfy the stress control criteria. Seepage field analysis shows that the uplift pressure heads in schemes S3 and S4 descend rapidly in the anti-seepage region, and that the calculated results of daily seepage flow under the steady seepage condition in these two schemes are about 30%e50% lower than those in the other two schemes, demonstrating that CVC and GEVR show better anti-seepage performance. The results provide essential parameters such as the uplift pressure head and seepage flow for physical model tests and anti-seepage structure selection in RCC dams.     

Protecting data: a fuzzy approach

Privacy issues represent a longstanding problem nowadays. Measures such as k-anonymity, l-diversity and t-closeness are among the most used ways to protect released data. This work proposes to extend these three measures when the data are protected using fuzzy sets instead of intervals or representative elements. The proposed approach is then tested using Energy Information Authority data set and different fuzzy partition methods. Results shows an improvement in protecting data when data are encoded using fuzzy sets.     

一种基于频繁值和位变换感知的数据总线节能方法

深亚微米工艺下,片上数据总线能耗占嵌入式多核芯片能耗的比重越来越大.FV-MSB（Frequent Value-Most Significant Bits）方法降低了片外数据总线的能耗,但对于非频繁值和频繁高位值的低位部分未做处理,为进一步降低片上总线动态能耗,设计了一种基于频繁值和位变换感知的片上总线节能方法.利用频繁值和对位变换数的感知选择编码方式,大幅减少了数据总线上的位变换,有效降低了总线动态能耗.70nm工艺下,仿真实验结果显示,本文的方法最大节能比例可达17.76%,平均节能比例达16.91%,较FV-MSB方法使节能比例提高了6.28%.并且节能比例随λ的变化趋势表明本方法在未来工艺尺寸缩小时仍能发挥作用.     

面向目标检测基于稀疏表示的波段选择方法

随着高光谱成像技术的发展,日益提高的光谱分辨率在提高目标检测和识别能力的同时,其较高的数据维度和较大的数据量也为数据分析和处理带来了很大的挑战.波段选择作为一种有效提高处理效率的技术受到广泛关注,但却鲜有专门针对目标检测设计的方法.针对上述问题,本文在分析约束能量最小化（CEM）检测算法特点的基础上,提出了一种面向目标检测,基于稀疏表示的波段选择方法.该方法首先基于数据的对称KL散度分布情况,将原始高光谱数据划分为若干波段子空间.然后在各子空间内稀疏重构检测结果,利用选择波段与稀疏向量非零项的一一对应关系,通过求解最优化问题实现波段选择.实验结果验证了该方法的有效性.     

自动确定聚类个数的模糊聚类算法

本文通过集成多次FCM(Fuzzy C-Means)聚类结果以及采用软化分方式,提出一种新的自动确定聚类个数的模糊聚类算法.本算法首先利用不同的聚类数目对数据进行FCM聚类,然后充分利用多次FCM聚类得到的隶属度信息构建一个累积邻接矩阵,最后采用迭代方式对累积邻接矩阵进行图切分以获取最终聚类结果.大量的仿真实验表明,相对现有集成聚类方法,本文方法能够有效减少FCM的聚类次数,并且在图切分过程中的迭代次数为现有方法的1/2左右.     

面向分布式光伏虚拟集群的有源配电网多级调控

受外界环境影响,分布式光伏出力具有间歇性、波动性和不确定性,其分散、高渗透接入给配电网调控带来了高维数、高复杂度等问题,故提出面向分布式光伏虚拟集群的有源配电网多级调控。首先,提出虚拟集群概念,并基于社团理论提出适应调控目标变化的虚拟集群动态划分方法。然后,针对含高渗透分布式光伏配电网的运行特点和调控需求,具体研究包含全局优化调度级、集群趋优控制级、本地消纳控制级的多级调控模型与实现方法。最后,在MATLAB/Simulink中搭建仿真模型并进行算例分析,验证了所提调控方法可适应有源配电网运行状态变化,提高调度控制的快速性和有效性。