量子Baker映射的量子仿真及其干扰的动态抑制

量子信息处理系统中存在的各种干扰严重阻碍了量子计算技术的发展. 在比较静态干扰和随机噪声干扰对量子面包师映射(quantum baker’s map)量子仿真算法不同影响的基础上, 利用动态解耦法抑制量子计算中的静态干扰. 由于随机噪声干扰对量子仿真算法有较小的破坏作用, 因此利用随机动力学解耦的方法将静态干扰近似转化为随机噪声干扰能够有效抑制静态干扰的破坏作用, 提高量子仿真的稳定性. 量子态保真度衰减的数值仿真证实了理论分析的正确性.     

基于点云配准的多固态激光雷达标定算法

针对多个固态激光雷达协同工作时,需要准确地进行外参标定的实际需求,提出一种基于点云配准的多固态激光雷达自动标定算法。该标定算法由标定物分割、初始配准和精确配准三个阶段构成。在标定物分割阶段,首先通过叠加多帧非重复扫描数据制作标定点云,再使用半径滤波和体素下采样滤波分割出纹理特征明显的目标点云。在初始配准阶段,使用3D-HARRIS算法提取关键点,并使用方向直方图(SHOT)特征描述子进行特征描述,然后匹配对应点并使用采样一致算法完成初始配准;在精配准阶段使用迭代最近邻(ICP)算法进行精确配准,从而获得精确的外参标定效果。在Bunny兔数据集和现场获得的数据上进行实验,结果表明,当保证配准平均误差小于1 mm的前提下,所提出算法的性能优于多种现有算法。     

粒子群优化多处理机任务调度算法

提出基于粒子群优化的多处理机调度算法,采用列表调度,同时把粒子群的矢量表达方式转换为基于调度优先级的模型。调度结果显示能提高全局搜索能力,加快进化速度,优于模拟退火等启发式算法结果。     

应用禁忌搜索算法的动态自适应网格调度

提出基于禁忌搜索算法的动态网格调度算法，设计不同邻域结构，优化作业完成时间。兼顾网格动态特性，调度过程中采用分批调度，根据调度过程中上一次的部分调度信息动态调整下一次部分调度方案，自适应地修改算法参数。最后通过GridSim仿真环境和其他算法进行比较，获得较好结果。     

一种基于视觉特征区域建议的目标检测方法

虽然基于深度学习的目标检测器具有较高的检测精度,但是大多数检测器的检测速度不能满足实时性要求.此外,目前主流的实时检测算法如SSD(single shot multibox detector)和YOLO(you only look once),对小目标的检测精度不高.鉴于此,提出一种基于视觉特征区域建议的目标检测算法,能够综合平衡检测精度和检测速度.算法分为区域建议和网络分类,区域建议根据目标的特征信息提取候选区域ROI(region of interest);网络分类使用CNN(convolutional neural network)对区域建议中提取的ROI进行处理,计算每个ROI类别的置信度,置信度大于设定阈值的ROI即为目标检测结果.实验结果表明,所提出算法的检测精度明显高于Faster R-CNN、SSD和YOLO,并且具有接近SSD和YOLO的检测速度.     

多目标蚁群优化网格调度算法

提出基于蚁群算法的网格调度算法,优化作业完成时间。同时局部升级和全局升级采用不同策略,解决资源负载均衡问题,满足网格的多目标优化。最后通过Gridsim仿真环境和其他算法进行比较分析。     

基于谱聚类的两阶段颜色量化算法

颜色量化是进行图像处理和图像分析的重要技术之一,可以被广泛地应用到图像分割、图像压缩和图像识别中。首先利用高效的二分K均值聚类进行粗略量化,然后使用基于加权距离的谱聚类进行再次量化。实验结果表明,和其他常见量化算法相比,两者的结合使得新方法在运算速度和量化质量上都取得了不错的结果,而加权距离的引入,有效地解决了传统算法将包含像素个数少但重要的颜色进行错划分的问题。     

IP-SAN环境下RAID远程管理系统设计与实现

针对IP-SAN存储网络中磁盘阵列的实时管理需求，设计并实现了磁盘阵列的远程管理系统。该远程管理系统采用标准的客户辫抄服务器模式，结合Web动态交互技术、session技术、用户访问控制和面向对象的CGI编程等，使远程管理系统具有高效性和稳定性。利用该远程管理系统可以通过Web实时进行磁盘阵列的状态查看，逻辑磁盘分区，逻辑卷（分区）导出等操作，有效地提高了IP-SAN的存储管理性能。     

一种基于加权标志点的流形学习算法

近年来出现的一系列进行维数约简的非线性方法——流形学习中等距映射（Isomap）是其中的代表,该算法高效、简单,但计算复杂度较高。基于标志点（Landmark Points）的L-Isomap减少了计算复杂度,但对于标志点的选取,大都采用随机的方法,致使该算法不稳定。考虑到样本点和近邻点相对位置,将对嵌入流形影响较大的样本点赋予较高的权重。然后根据权重大小选择标志点,同时考虑标志点之间的相对位置,使得选出的标志点不会出现过度集中的现象,近似直线分布的概率也大大降低,从而保证了算法的稳定性。实验结果表明,该算法在标志点数量较少的情况下,比L-Isomap稳定,且对缺失数据的不完整流形,也能获取和Isomap相差不大的结果。