基于线性 Bregman 迭代的结构化噪声矩阵补全算法

通过采样部分元素补全低秩矩阵的缺失元素是许多实际应用如图像修复、无线传感网数据收集和推荐系统等经常遇到的一个颇具挑战性的难题。在机器学习领域,这类问题通常能刻画成矩阵补全问题。虽然现有研究针对矩阵补全问题已提出了许多有效算法,但这些算法通常仅限于采样元素要么无噪要么仅含少量随机高斯噪声的补全情形,难以处理实际问题中常见的行结构化噪声。为了解决这个问题,该文首先借助分类器设计中流行的 L2,1范数正则化技术来平滑此类噪声,并将该问题建模为一类基于 L2,1范数正则化的凸约束优化问题。其次,为了快速有效地求解,我们将向量空间的线性 Bregman 迭代算法和近邻算子技术拓展到矩阵空间,进一步设计了一种鲁棒的基于线性 Bregman 迭代的结构化噪声矩阵补全算法（LiBIMC）。严格的理论分析证明了 LiBIMC 迭代算法的不动点正是结构化噪声矩阵补全问题的全局最优解。数值实验结果表明,和已有的矩阵补全算法相比,LiBIMC 算法不仅能更好地恢复结构化噪声矩阵的缺失元素,还能精确地辨识出采样矩阵中被污染的元素所在行的位置信息。     

卫星网络链路传输协议的性能分析*

深入分析了卫星网络链路的基本特性,在分析目前卫星网络数据链路传输控制协议性能的基础上,提出了卫星链路最佳帧长的概念,并结合GoBackN和SRARQ协议,从理论上计算出了给定链路环境下最佳帧长的取值。仿真结果表明,采用理论最佳帧长能显著提高数据链路传输协议的吞吐率,提高卫星网络链路带宽利用率。     

基于移动代理的天基综合信息网络管理研究

针对天基综合信息网络的特点和发展的前景,提出了分层分域的管理体系结构,即对于地面网络的管理,借助现有的网络管理系统及结构进行分层次的管理;而对于空域网络的管理,借鉴Ad Hoc网络管理中簇的概念,采用一种动态的分域的管理.在此基础上,将移动代理融入天基综合信息网络的管理,同时与新的多元网络管理协议MNMP相结合,在地面对中间管理层进行管理时采用的是移动代理的管理方式,中间管理层对被管节点层采用MNMP协议管理方式.充分发挥移动代理和MNMP各自在天基综合信息网络管理中的优势,有效平衡网络负载,降低网络的高动态、高时延等影响.     

卫星网络传输层协议分析与改进

TCP/IP协议的成熟极大地促进了地面网络的发展,然而传统TCP/IP协议难以直接高效地应用于卫星网络.文中针对卫星网络固有的大带宽时延积、高误码率等特点以及卫星网络中UDP流的资源争用问题,深入对比分析了传统TCP协议在卫星网络中的缺点,并针对多媒体数据流引入TFRC机制,从而实现卫星网络TCP流量和UDP流量竞争情况下带宽的公平分配.实验表明:TFRC机制的引入可以有效解决流量带宽竞争问题,较好地实现卫星网络带宽的公平性.     

多关联性虚拟现实系统的设计与实现

在介绍虚拟现实系统位置关联、时间关联、焦距关联和虚化关联的基础上,研究了基于图像的多关联性虚拟现实系统的设计。针对虚拟场景焦距关联的需要,在考虑场景真实性和实时性的基础上,采用基于熵变分分辨率增强和线性插值相结合的方法生成任意焦距下场景对应图像;对于时间关联,采用基于颜色传输的光照变化图像生成方法,实现不同光照条件下场景图像的生成;针对场景虚化关联的需要,结合非真实感绘制技术,采用真实感全景图像和波动感虚化特效图像相结合的方法,实现超越现实时空的场景虚化关联。在此基础上,给出了多关联性虚拟现实系统的构建框架。     

企业测试题研究及其对编程教育的启示

编程能力测试是企业衡量人才水平的重要手段,编程测试题也在一定程度上代表了企业的人才需求。对测题进行了研究,分析了测试题的基本特征和现有编程教育的不足之处,并提出要加强对测试题的研究,以此来指导编程教育改革,使得学校培养的人才更符合社会的需求。     

信息化试题库自动组卷策略的研究与实践

本文基于改进的遗传算法,通过相似个体淘汰和新个体补充扩大试题解的范围,稳定可能解的多样性,在此基础上建立了包含试卷知识点、难度系数、区分度等特征的智能组卷模型,在保证自动组卷精度的同时,提高了系统运算效率.     

基于三角模糊数的高校教学质量鲁棒评价体系

本文将三角模糊数引入到高校教学质量评价体系中,提出了一种鲁棒的高校教学质量评价方法,客观合理地完成对教学者的评价,从而为引导教师进行教学改革、提高教学质量和水平提供依据。     

基于等密度映射和纹理重构的分层图像变换

图像变换包括图像映射和图像重构两个重要部分,而现有重构方法存在计算量较大、容易产生视觉误差等问题,并不能真正快速有效地实现图像变换。本文通过建立等密度映射的方式将重构转化为一个可以依赖纹理硬件快速完成的纹理映射过程,从而改进了传统的图像变换模型,并在此模型基础上设计了一种分层图像变换的方法。分层图像变换,首先将参考像素以相近的分辨率映射到对应的密度层以避免形成大量空洞,然后通过背景层设置、密度层合并等操作将对应的目的像素存储在一个可控长度的双向链表上,最后从后向前遍历链表逐层生成和合成纹理得到目的图像。实验结果表明,分层图像变换在有效避免视觉误差的基础上,大大提高了计算效率。     

一种基于非线性扩散的图像放大算法

针对传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了Tikhonov模型、全变差模型和高阶偏微分模型在图像处理中的优缺点,提出了一种全变差和高阶偏微分模型自适应结合的图像放大模型及推导算法。该模型对图像非平滑区域采用全变差模型处理,而平滑区域则采用高阶偏微分模型处理,最终新插入的图像点象素值由该点邻域象素自适应地各向异性加权得到,在保持图像边缘锐度的同时有效克服了平滑区域的阶梯效应。4种模型的实验比较验证了本文算法的有效性。