排序方式: 共有12条查询结果,搜索用时 703 毫秒
1.
对于信息物理融合系统状态转移实时过程会影响系统性能及其正确性的问题,针对执行器的输出事件驱动系统状态转移过程,提出一种基于信息熵与数据质量的执行器输出事件的价值评价调度策略——VE-IE&QoD。首先,以超致密时间模型表达事件的实时性,定义输出事件的自信息量、执行器的信息熵及其数据质量分别为价值评价的函数指标;然后,对执行器执行任务的过程进行价值评价,并考虑适当增加加权系数;最后,利用Ptolemy Ⅱ平台建立包含价值评价调度策略、传统最早截止时间优先(EDF)调度算法以及考虑信息熵的IE*调度策略的离散事件模型。分析不同算法模型的运行情况,对比价值评价的变化以及执行时间,实验结果表明,价值评价调度策略可降低系统平均执行时间,提高内存使用效率与任务价值评价。该策略能在一定程度上提高系统性能及其正确性。 相似文献
2.
在传统时空上下文目标跟踪过程中,为了自适应目标尺度变化,以及解决目标跟踪失败的跟踪无法恢复问题,提出了一种自适应目标变化的时空上下文抗遮挡跟踪算法
STC ALD。首先,在初始框采取TLD中值流算法初始化跟踪点,并利用F B误差算法预测下一帧跟踪点位置。其次利用STC算法计算得到目标框并计算其保守相似度,
当超过设定阈值即跟踪有效,将跟踪点与目标框进行运动相似度计算以便进行窗口调整。相反,利用检测器进行检测,对单一聚类框直接输出,而对多个检测聚类框学习其时空上下文模型,利用当前空间模型逐个计算其置信度,输出置信值最大者。最后,进行在线学习更新分类器的相关参数。对不同的测试视频序列进行实验,结果表明,STC ALD算法能够适用于目标尺度变化、遮挡等复杂情景下的跟踪,具有一定的鲁棒性。 相似文献
3.
4.
AAC算法(Advanced AC)是使用最为广泛的多模式串匹配算法,匹配性能高,匹配时间稳定。针对AAC算法为判定转移目标状态是否为终结状态,在匹配时每读入一个字符都要访问output表,代价较高的问题,通过两种方法改进了AAC算法。第一种方法为拷贝自动机中的终结状态,将其附加在AAC自动机后,并将原自动机中指向终结状态的转移目标修改为附加状态,直接根据转移目标位置判断当前状态是否是终结状态,从而提出Advanced AC with Additive state(AACA)算法。第二种改进方法为将自动机中指向终结状态的状态转移值置为负数,根据转移目标的值直接判断目标状态是否为终结状态,从而提出Advanced AC with Negative state(AACN)算法。以上两种改进算法只有在发现模式匹配时才需进行output表的访问。实验数据表明:AACA和AACN算法性能均高于AAC算法,特别在中小规模匹配上,性能提升更为明显。 相似文献
5.
6.
CPS作为一个混合系统,是计算系统和物理系统的集中体现,注重计算进程和物理进程行为一致性分析与刻画。传统建模方式只针对物理进程和计算进程进行单一建模,难以满足CPS物理实体状态转移时空一致性的要求,在此基础上提出一种新的建模方法。将CPS时空状态转移融合成一个状态转移实时时空事件,并在时间Petri网基础上引入空间标签,建立时空Petri网模型,利用时空Petri网对物理实体状态转移过程进行分析。最后通过列车控制系统实例进一步分析了时空模型的有效性,从而例证了该方法的可行性。 相似文献
7.
一种高速精确单模式串匹配算法 总被引:1,自引:0,他引:1
串匹配问题是计算机科学的基础问题之一,是网络安全、信息检索与过滤、计算生物学等众多领域的核心问题,其中,高速精确单模式匹配算法设计又是各种串匹配问题的基础.基于SBNDM2,通过修改位掩码有效位到无符号整数的高位,将BNDM算法核心循环化简至最简形式(5指令/字符),并引入越界保护机制,提出S2BNDM系列精确单模式匹配算法.实验结果显示,S2BNDM系列算法在任何情况下都快于SBNDM2,对于英文语料(m<32)和DNA序列(m<8),S2BNDM系列算法为现有已知最快算法. 相似文献
8.
9.
注意力机制是目前神经机器翻译的主流技术,目 前已提出了多种注意力生成机制,各 机制生成的注意力各有优劣,但每种机制都不能充分利用全部已知信息,其结果和理论上的 真实注意力具有一定差距,影响翻译质量。本文提出一种基于民主决策的合并注意力生成方 法,将多种注意力生成机制所产生的注意力进行加权叠加与归一化后,所生成的值作为新的 注意力,用于指导解码器的翻译过程。类似民主决策会比独断专行的决策获得更好的决策准 确度,该机制可以获得相对更为准确的注意力,进而提升翻译质量。基于上述方法,本文在 CNN、Transformer、Tree Transformer三个算法的基础上,生成合并注意力,提出MA-CTT 算 法,在开放德英语料(IWSLT14)上,MA-CTT获得了32.61的BLEU, 翻译准确度明显高于各基础算法。 相似文献
10.