基于MapReduce模型的分布式天文交叉证认*

交叉证认是实现多波段数据融合的关键技术,目前还缺乏对其分布式算法的研究。快速增长的数据规模使该问题必须要依赖分布式并行计算技术解决。提出了一种基于MapReduce分布式模型的新方法,根据Map-Reduce的要点,尽量减少了任务间的通信量,并通过合理设置划分粒度保证了效率与存储间的平衡。实验结果表明,该方法对海量数据交叉证认的效率提升明显,在大规模集群上达到了接近线性的加速比。该方法为交叉证认提供了一种快速有效的解决途径。     

基于身份的强指定验证人签名方案*

在有些情况下, 需要将验证者限定为某一个人。 利用基于身份的密码体制, 提出了一种强指定验证人签名和一种强指定验证人多重代理签名, 并对其安全性进行了分析。 在签名代价和验证代价上, 提出的强指定验证人签名比Kang等人的方案要低。提出的强指定验证人多重代理签名可以同时授权给n个代理人, 可以有效防止代理签名人对签名权的滥用。     

基于请求的多信道多数据项广播调度算法*

通过改进多信道单数据项请求的数据广播调度算法中的两层调度策略,提出了信道分配+QEM的算法;实现了用多信道广播来广播多数据项的请求;通过减少数据访问冲突和信道跳转减少了访问时间。分析证明此方法是可行和有效的。     

供应链失效风险识别与评估*

供应链风险是影响供应链实践应用的关键因素之一,供应链风险管理是供应链管理的重要内容。采用故障树理论和模糊理论对供应链风险进行了分析,构造了供应链失效风险故障树,该故障树由供应商、制造商、分销商三部分组成;分析了各个部分的失效原因,设计了正态模糊算子,阐述了供应链风险概率计算方法。针对一个供应链实例,采用上述方法对各个要素失效风险进行了定量计算,确定了供应链失效风险等级。     

基于纹理特征的自然图像鉴别方法*

采用图像的纹理特性建立模型,实现了自然图像和人工图像（主要是简笔画、表格、函数图像）的鉴别。首先,计算两类图像的纹理特征,统计并分析数据找出规律;其次,选择图像的平滑度、一致性和图像熵作为代表性的纹理特征,组建数学模型;最后,利用三个特征的线性组合构成鉴别函数,并用模拟退火算法确定权值。实验表明,该方法可以很好地鉴别两类图像,识别效率较高。     

基于CC2533的ZigBee技术智能小船测深防碰撞系统的设计

为减少船撞击事故的发生,提高野外水域工作的方便性,在ARM CortexTM-M4开发平台的基础上,设计以无线自组通讯网作为数据传递的测深防碰撞系统。本系统是以ARM CortexTM-M4芯片作为处理器,ZigBee无线通讯技术、GPS_RTK高精度定位技术和超声波测量技术作为拓展功能,最终搭建而成并实现测深、定位和防碰撞。测试结果表明,系统是拥有较强的可用性和拓展性能,有利于减少船撞击事故和方便野外水域工作。     

交通流检测自适应带宽的均值运动多目标跟踪

研究道路交通车辆目标实时跟踪问题,要求跟踪检测要实时有效,数据准确.针对传统的粒子滤波(Mean-Shift)跟踪算法计算量很大,难以实现道路交通检测中的车辆实时追踪等数据.为解决上述问题,提出了一种改进的Mean-Shift目标跟踪算法.首先算法引入了一个预测矢量,用来预测目标在下-帧可能出现的位置,在跟踪时算法从预测的位置开始迭代,直至收敛于目标真实位置.最后给出了-段道路交通视频仿真.仿真结果表明,所提出的算法从很大程度上提高了原有mean-shift算法的效率,有利于道路交通实时检测跟踪,为设计提供了参考依据.     

一种结合机器学习的移动边缘计算的切换预测方法

随着移动通信的发展,减少通信延时成为关键性问题,因此,提出了一种使用机器学习方法的移动边缘计算(MEC)移动性管理。移动性决策基于参考信号接收功率(RSRP)值和不确定性预测器。使用神经网络建立预测器,输出不同相邻单元的RSRP平均值和标准偏差,推导了切换概率的封闭表达式。基于这些可能性,MEC服务器能够提前缓存用户服务,以便将切换期间的中断降至最低。实验结果表明,提出的方法能够满足实际需求。     

基于Baker映射的自适应樽海鞘群算法

为了克服樽海鞘群算法(Salp Swarm Algorithm,SSA)求解准确性不足和易过早收敛的缺点,提出了一种多策略改进的樽海鞘群算法(MISSA)。引入Baker混沌映射生成樽海鞘群的初始种群,以提高初始个体的均匀性;将T分布策略应用到食物源位置公式中,对原始位置进行随机干扰,引导樽海鞘个体向最优解空间运动;在跟随者位置更新公式中引入不完全Γ函数的自适应权重,以改善算法的局部和全局搜索能力。将改进算法在8个测试函数上进行仿真实验,并与不同的群智能算法进行了比较。结果表明,改进算法具有更好的全局和局部搜索性能以及更高的搜索精度。     

基于自适应Kriging模型的不确定可靠性功能优化算法研究

产品研发中功能失效是一个复杂的系统性工程,失效过程包含大量不确定性因素。为此,构建了自适应Kriging的不确定可靠性功能优化算法,进行产品总体功能失效分析、认知集合可信任度、样本点的生成、自适应Kriging计算及优选功能组合,获取在指定的概率约束下的最优解。以大数定律及极限定理为基础,保证了样本点在重要区域及Kriging模型的收敛条件。以工程机械储能系统为例,说明算法的迭代性、收敛性、准确性及稳定性。结果表明,该算法能够得出准确的敏感度,节省计算时间,提高计算效率。