面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

基于有效路径统计网络的群组命令传输模型

Internet在动态环境及资源有限条件下,其尽力而为的服务模式在支持群组命令传输过程中,容易产生路径过期无效及路径竞争问题.对此,定义出有效路径统计网络,并提出基于有效路径统计网络的群组多约束多目标优化问题.针对该问题,提出基于有效路径统计网络的群组命令传输模型.为解决路径无效过期,该模型基于动态追逐解的思想提出基于动态环境下群体激励算法.为解决路径竞争,该模型分别从竞争选择策略以及避让选择策略两个角度分析了路径竞争问题.最后,本文分别证明模型的收敛性和有效性.实验分别从响应延迟率及传输成功率等方面,验证了该模型在支持群组命令传输的合理性.     

面向企业应用的“算法设计与分析”课程建设改革探索

“算法设计与分析”是计算机科学与技术专业的一门核心课程,是一门理论性与实践性相结合的课程.学生在这门课程的学习过程中过分注重基础理论的学习,动手能力差,不具备算法创新的思想,无法适应世界著名的IT公司大对软件人才的要求.文章讨论了企业用户对员工算法分析与设计能力的需求,针对目前该课程教学中存在的问题,就教学目标、教学内容、教学方法及考核评价等方面进行教学改革,以提高学生的综合能力和教学质量.     

面向大规模数据流处理的偏最小二乘法

用光谱分析鉴别生物特征,导致数据量大,而实际需要必须实时处理。偏最小二乘法是使用最广泛的鉴别算法,但是对于大规模数据流该算法无法达到实时性。为了解决这个应用矛盾,提出了一种基于NVIDIA CUDA架构下的并行计算策略,利用具有大规模并行计算特征的图形处理器（GPU）作为计算设备,结合GPU存储器的优势实现了偏最小二乘算法。实验的测试结果表明,在GPU上使用CUDA实现的偏最小二乘算法比在CPU上实现该算法快了47倍,性能得到了显著提高,从而使偏最小二乘算法应用于大规模数据流处理成为可能。     

采用动态缓冲池的SOAP并行通信模型

为了提高simple object access protocol（ SOAP）的通信性能,有效地支持多机群网格上的并行计算,提出了SOAP并行通信模型．利用并发数据流、动态缓冲池技术、压缩编码技术和并行流水机制,通过内存储器实现了通信资源和计算资源的并行运行．描述了模型的主要部件、体系结构和通信过程．分析和实验表明,该模型具有良好的通信效率并可有效支持并行计算,能满足网格并行计算的需求．     

翻转教学在算法设计与分析中的应用研究

"算法设计与分析"是计算机科学与技术专业的一门核心课程,是一门理论与实践相结合的课程。传统教学中,该课程主要以教师课堂授课,学生听讲为主,对于基础参差不齐的学生,其授课效果大打折扣。为此提出在算法设计与分析课程的教学过程中,采用翻转课堂代替传统课堂,强调以学生为主体,调动学生的学习积极性,不搞一刀切模式,以问题为导向,引导学生自主学习,课堂互动解疑。文章就教学目标、教学内容、翻转课堂、考核形式四个方面提出了策略。教学实践证明,该教学方法可以明显提高教学效果。     

一个数据并行型计算的网格资源的管理模型

在由多计算机集群构成的数据网格环境下，挖掘网格计算节点的空余资源来支持数据并行型计算（Data Parallel Computing，DPC），提出了一个基于分类、统计机制的数据网格管理模型。根据不同时间的网格资源的空余、各类DPC以及逻辑计算机机群，研究了支持DPC的网格资源管理模型。实验表明，该模型有效地解决了网格环境下数据并行型计算所需的空余资源优化使用问题。     

基于强化学习的多机群网格资源调度模型

在由多个计算机集群构成的多机群网格环境下，为了解决数据并行型计算（DPC）与计算资源的有效匹配问题，提出了一个基于强化学习机制的网格资源调度模型；给出了由多个计算机机群组成的多机群网格、逻辑计算机机群、数据并行型计算和一系列Agent的定义；利用多Agent的协作做竞争机制、基于强化学习的匹配知识库的修正方法，研究了逻辑计算机机群与DPC资源供需之间的有效匹配问题；描述了网格的资源调度模型。理论分析和实践表明，该模型有效地解决了多机群网格环境之下数据并行型计算所需的资源优化使用问题。该模型适合于基于多机群网格的数据并行型计算。     

基于SOAP的多机群网格通信机制的研究与实现

为了在由多计算机机群构成的多机群网格环境下利用SOAP协议进行并行计算,提出了一个采用SOAP的多机群网格并行计算通信模型。根据Adhoc的自组织机制、容错机制和压缩机制实现了该模型。通过SOAP与TCP传输性能对比的结果表明,该模型可以有效支持多机群网格的构建及其上的并行通信。