基于重要度的矩形工件优化填充排样算法

大规模矩形件优化排样是一个典型的组合优化问题,属于NP2hard问题。矩形件优化排样已广泛应用于板材切割、瓷砖铺设、服装裁剪等行业。在实际排样工作中发现,决策者对工件的选择不仅要考虑大小、工件费用、铺设利用率等诸多因素,往往还需要考虑颜色、花式、铺设方式等因素。基于这种状况,引入排样属性重要度的概念,提出了基于重要度的矩形工件优化填充排样算法,使用计算机辅助排样。通过实例排样表明了该算法的有效性和实用性。     

基于改进蚁群优化的盲检测算法

文中针对基本蚁群算法在求解过程中容易出现收敛时间过长以及易陷入局部最优解的不足,对基本蚁群算法中的信息素更新方法进行改进,提出了一种新的算法:基于特种蚁群优化算法,并将其用于信号盲检测。文中提出的改进蚁群算法能更好地避免优化算法出现过早停滞现象,优化盲检测性能。对改进算法的仿真实验及复杂度分析结果表明:基于特种蚁群优化盲检测算法在具有与原算法相同复杂度的前提下,提高了算法的盲检测性能,具有可行性和有效性。     

基于蚁群优化算法的MapReduce集群调度策略

在云计算环境中,MapReduce集群已成为强大的大规模数据集处理平台。针对其在任务调度过程中存在用户QoS、集群资源利用率等方面的缺陷,提出了一种基于蚁群优化算法的调度策略(ACO-SS)。该调度策略同时考虑了优先级计算模型和任务调度过程,能有效地满足用户QoS,平衡集群节点负载,使分布在节点上的任务利用资源更加合理,提高了系统的调度性能。最后,通过CloudSim仿真实验表明,该调度策略在作业完成总体时间﹑资源利用率等重要指标上都具有明显优势。     

人工免疫算法与系统集成的研究

生物免疫系统是一个复杂、并行、鲁棒的自适应系统,以其智能的信息处理能力而逐渐备受关注。为使研究人员能全面了解人工免疫常用算法原理及其应用和免疫系统与其他智能系统的交叉融合研究,以及由此建立的人工免疫系统模型、算法。在简述免疫系统生物学原理的基础上,概括了不同的免疫算法和各自的特性,总结了当前人工免疫系统与人工神经网络、进化算法、模糊系统的集成情况及工程应用现状。最后讨论了人工免疫系统面临的问题及未来发展趋势。     

基于种子算法的三维导航图自动生成算法

导航图为人群模拟提供了对应的环境信息,为智能体的移动提供了导航基础。其准确与否对模拟结果的正确性至关重要,是反应智能体自主特征与智能行为的关键技术之一。而目前工作主要针对平坦的地面进行导航图的创建,对实际应用有很大的局限性。本文利用种子填充算法蔓延特性和碰撞检测技术,并根据场景的几何属性自动生成复杂地形的三维导航图,解决了起伏地形、复杂场景导航图自动生成困难的问题。所得结果可以利用到实际人群三维模拟或三维游戏开发中。     

基于Tri-Training半监督分类算法的研究

在实际应用中,容易获取大量的未标记样本数据,而样本数据是有限的,因此,半监督分类算法成为研究者关注的热点。文中在协同训练Tri-Training算法的基础上,提出了采用两个不同的训练分类器的Simple-Tri-Training方法和对标记数据进行编辑的Edit-Tri-Training方法,给出了这三种分类方法与监督分类SVM的分类实验结果的比较和分析。实验表明,无标记数据的引入,在一定程度上提高了分类的性能;初始训练集和分类器的选取以及标记过程中数据编辑技术,都是影响半监督分类稳定性和性能的关键点。     

基于改进K-Means算法的教学反思文本聚类研究

对教学反思内容的准确评估是教师基于教学反思过程提升其专业能力的重要保障。基于改进的K-Means算法对相同主题的教学反思文本进行聚类,通过给定初始聚类中心K的取值范围使其可以在给定范围内自动增加,在聚类过程中加入相似度阈值以限定文本间相似度的取值范围,实现对教学反思文本的分类和对自我反思文本的定位。实验结果表明改进的K-Means算法在反思文本聚类的准确率和稳定性方面比传统算法有所提高,且能根据教学反思内容准确地进行自动分类。     

基于浏览器的用户身份识别系统

在现代社会生活中,互联网的运用空间不断拓宽,网络的安全也渐渐成为一个需要引起人们的重视的问题。在诸多网络安全问题的防范中,用户的身份认证是一个基本的安全机制。传统的用户认证是基于用户名和与其对应的密码之类的方式确认用户身份,在此基础上,本文考虑对其他一些同样可以用于身份认证的因素加以利用,希望认证方式可以有多样的,非单一的手段。本次课题研究的基于浏览器的用户身份识别系统就是通过收集浏览器的特征作为指纹对用户身份进行是别的,这就是一种新型的认证方式。     

基于改进型人工萤火虫算法的云计算资源研究

在研究人工萤火虫算法的基础上,提出了一种改进型的人工萤火虫算法。该算法通过对荧光素值获取方式的改进、能够有效地防止收敛过快、目标函数值极易陷入局部最优的情况,通过三个函数的仿真测试中,在搜索精度和性能上有了显著的提高。通过Cloudsim仿真平台发现,在云计算模型下,该算法可以有效地减少子任务的处理请求任务的平均完成时间,提高了任务处理的效率,达到了资源的合理分配。     

基于AccelDSP的LBP算法在人脸识别中的应用

针对人脸识别中实时性的要求,采用FPGA硬件方式实现人脸的实时识别,对传统的LBP算法在硬件实现上存在的问题进行了详细分析,并提出了一种符合硬件数据流处理的LBP优化算法。利用AccelDSP综合工具对该优化算法进行硬件设计,并在Dasal公司的Anaconda卡的IPU FPGA上进行实验验证,满足了人脸识别中实时性的要求。实验结果表明优化后的LBP算法不仅人脸识别率得到了提高,而且在硬件上特征值提取速度是软件上的19倍,能够满足实时性的要求,达到每秒处理100幅人脸图像。     

基于Hadoop的K-means聚类算法的实现

文中针对传统并行K-means聚类算法时间复杂度比较高的问题,结合Hadoop平台以及MapReduce编程模型的优势,提出了利用Hadoop及MapReduce编程模型实现大数据量下的K-means聚类算法。其中,Map函数完成每条记录到各个质心距离的计算并标记其所属类别,Reduce函数完成质心的更新,同时计算每条数据到其所属中心点的距离,并累计求和。通过实验,验证了K-means算法部署在Hadoop集群上并行化运行,在处理大数据时,同传统的串行算法相比,确实能够降低时间复杂度,而且表现出很好的稳定性和扩展性。     

特征选择方法与算法的研究

特征选择的主要思想是通过去除一些包含少量或不相关的信息的特征去选择特征子集。特征选择方法可分为三大类:一是过滤式,二是封装式,三是嵌入式。鉴于目前存在大量的特征选择算法,为了能够适当地决定在特定的情况下使用哪种算法,需要提出可以依赖或判定的标准。文中的主要工作就是综述一些基本特征选择算法,根据文献中已有的理论和实验结果对特征选择方法和算法进行比较分类,然后提出一种可以依赖或判定的标准。     

基于自调节粒子群算法的盲检测

以往基于粒子群优化的盲算法能成功实现信号盲检测,但具有算法收敛速度慢、容易陷入局部最小的缺点。文中通过分析粒子群算法的机能及参数的设置,提出一种改进的基于自调节粒子群优化的盲检测算法。算法构成思想是:基于MIMO系统的盲检测系统模型将盲检测问题转化为二次优化问题,利用改进的自调节粒子群优化算法对此优化问题进行寻优。仿真表明,改进算法具有全局收敛性好、收敛速度快、误码率低的优点,能够更好地解决盲检测问题。     

基于HEVC的数字图像无损压缩算法

为了进一步提高数字图像无损压缩的效率,本文提出一种基于高效率视频编码(High Efficiency Video Coding,HEVC)框架的无损压缩算法。在该算法中,宏块中的像素不是作为一个整体来预测的,而是分成不同的部分先后进行预测。本文将像素分为3部分:第一部分的像素参考相邻宏块的像素来预测;其他部分的像素,利用前面已经预测的像素作为参考来进行预测,这样可以有效地去除空间冗余。另外,由于无损压缩中将HEVC框架中的变换量化去除,因此针对残差的分布特性,采用自适应扫描的方法将残差以合理的顺序进行熵编码,从而实现进一步提高压缩效率的目的。     

图的最优矩阵构建研究

为了提高图的最优矩阵的构建效率,文中通过对Floyd算法的研究,进一步提出了对其进行四层优化的方法,通过对图的矩阵中的特殊元素的删除和在计算前的判断减少了不必要的计算,加入贪心算法使其减少中间结果的生成,使中间结果更加接近图的最优矩阵。优化后的Floyd算法在很大程度上提高了执行效率,使其在实际应用中更加可取,经过逐步的优化使改进后的算法在运行时间上平均时间最多减少为原来的四分之一,而且随着图顶点数目的增加,修改后的Floyd算法效率有显著的提高,因此,在实际应用中是一个切实可行的算法。     

演化式果蝇算法及其应用研究

现实中的大量问题都可以转化为函数优化问题,而寻找优化问题的通用高效算法,是智能计算所要达到的主要目的之一。文中基于果蝇觅食行为的社会特性,设计了一种求解函数优化问题的演化式果蝇算法。该算法首先定义了果蝇味道浓度判定值及果蝇味道浓度判定函数,针对多维度问题,提出了距离分量及味道浓度判定值分量的概念,并将其用于引导果蝇搜索过程之中,得到了较理想的寻优结果。实验表明,算法具有较高的效率、良好的全局性能及普适性。     

分布式电源的双目标区域优化

为合理规划分布式电源的容量与位置,减少配电网有功损耗,提高静态电压稳定性,提出了分布式电源的双目标区域优化方法。首先建立双目标优化模型,为符合配电网分布式电源的实际配置要求,定义了区域优化矩阵与容量限制矩阵,进而应用量子粒子群算法统一优化得出优化区域内分布式电源的容量与位置;最后对IEEE 33节点配电网进行仿真优化,结果表明分布式电源区域优化方法能较为准确地优化配电网中分布式电源的容量与位置,且简单可行。     

基于USB的加密狗

由于现代社会飞速发展,知识产权已成为每个开发商或个人的保护重点。本加密狗依据USB接口的硬件加密装置与专用的加密程序互相配合来实现对应用数据的写入、保存、读取,从而实现知识产权保护。本加密狗主要实现的功能是增加安全性、文件加密、知识产权保护,是根据用户输入的数据,进行检测和校对并输出相应的结果。     

基于粒子群算法的PID神经网络解耦控制

基于粒子群的优化算法具有对整个参数空间进行高效并行搜索的特点以及PID神经网络的自调节和自适应特性,设计了具有PID结构的多变量自适应神经网络控制器。该算法采用粒子群算法优化 PID 神经网络初始权值,并将优化后的最优初始权值控制非线性耦合系统。系统仿真结果表明,粒子群优化后的 PID 神经网络控制器具有逼近控制目标更快,响应时间较短的显著优点。该控制策略可在大范围内克服系统的非线性和强耦合问题,具有一定的理论研究价值和工程实用价值。     

关联分析算法在安全管理平台中的研究与应用

为了解决安全管理中无效的重复安全事件以及事件之间独立分析的问题,需要对安全管理平台中的关联算法重新进行设计。结合当前安全管理平台并通过分析几种关联算法的优劣性,从中选择了概率相似度算法和先决条件算法作为研究的对象,提出了一种基于两者的混合关联算法,并对该算法进行了简单介绍。通过对混合关联算法应用于安全管理平台的方式进行探索,提出了基于此算法的关联模块的设计方案。混合的关联算法应用于安全管理平台后,能够有效的融合相似告警,消除重复告警,实现了攻击场景的灵活再现,使得管理员不仅能从整体掌握了网络安全状态,也能直观地做出决策,更好的维护网络安全。