基于表面波激励的等离子体单极天线的研究

等离子体天线是一种新型的非金属介质天线,在电控、隐身等方面具有优异性能.在等离子体天线基本工作原理的基础七,利用非磁化冷等离子体理论,为了研究柱型等离子体表面波的产生方式,得出了维持稳定等离子体的能量关系.又采用等离子体表面波的色散关系理论,计算了不同激励功率下表面波波数沿等离子体天线轴向的变化,通过改变激励功率和碰撞频率来控制等离子体天线方向图.结果表明,等离子体天线具有良好的辐射性能,并且通过改变激励源功率可以实现等离子体天线参数的电控.     

共享片段自动检测模型

提出了一种可扩展的共享片段自动检测算法,介绍了共享片段自动检测模型的结构和实现方法。该模型可在线运行自动检测算法,将流行度高的网页集合作为检测对象。实验和分析表明,该模型在保证准确率的前提下,能检测出网页集合的最大共享片段集合,提高检测效率。     

基于流行度的自适应Web预测模型

目前基于局部匹配预测（PPM）模型的研究关注的焦点是在保证预测精度的前提下,尽量缩减PPM的空间占用,但缺乏自适应动态更新机制,难以实现在线预取。针对Web访问特点,提出了基于流行度的自适应预测模型。该模型的核心是基于Web对象流行度的PA PPM预取算法,通过模型构造、模型预测和模型更新三个过程实现了动态自适应的Web预取。讨论并实现了确定性上下文预测,最优阶估算以及上下文LRU替换策略等功能。在Web缓存与预取一体化条件下的实验表明,该模型具有较高的性能,适用于在线预取。     

计算机视觉对抗攻击与防御方法分析

大量的研究表明,由深度学习构成的计算机视觉模型容易遭受对抗样本的攻击。攻击者通过在样本中加入一些细微的扰动,可使深度学习模型出现判断错误,从而引发严重后果。本文主要总结了计算机视觉中对抗攻击手段与主动防御措施,分类与比较了一些典型方法。最后,结合对抗样本生成和防御技术发展的现状,提出了该领域的挑战和展望。     

基于GM(1,1)和人工蜂群的配电测试系统状态估计

为解决配电测试系统的关键量测点存在不良数据时状态估计准确度差的问题,提出一种基于GM(1,1)和人工蜂群的状态估计方法。在一定时间窗口内读取量测值,采用灰色累加生成方法进行初步检测。引入GM(1,1)模型获得序列预测值,按照判定条件对不良数据进行处理。在此基础上采用改进的人工蜂群算法对目标函数进行优化求解,在每一次的优化过程中利用当前最优解的适应度函数建立局部搜索策略。将33节点配电测试系统作为算例,结果表明该方法能够有效地修正不良数据,提高状态估计的整体准确度和单节点准确度。与加权最小二乘算法和人工蜂群算法相比,该方法有功功率的MAE分别减少69%和43%,NMRE分别减70%和63%;对于无功功率,其MAE结果分别减少60%和33%,相应的NMRE分别减58%和57%。     

多元随机回归系数和参数的线性估计可容许的几个结果

在两种矩阵损失函数下讨论随机效应多元线性模型中回归系数和参数的线性估计的可容许性,并且在齐次和非齐次线性估计类中分别得到了可容许估计的充要条件。     

用水成本不确定条件下生态工业园区全局用水网络综合研究

提出并建立园区层面全局用水网络的超结构模型,运用数学规划法,以用水成本最小化为目标,确定新鲜水用量及其对应的全局用水网络结构.以新鲜水价格变化为驱动力,提出新鲜水价格区间与其对应的用水网络综合的关系.以某园区为实例,当水价分别在0～0.7,0.7～2.58和大于2.58美元/10～3gal区间时,对应的新鲜用量分别为1829×103gaVd,529×10～3gal/d和0 gal/d.随着新鲜水价格的增加,新鲜水的用量会逐渐减少,相应的再生水处理单元数会逐渐增加.     

可靠的网格作业调度机制

针对网格环境的动态性特征,提出了一种可靠的网格作业调度机制(DGJS)。按照作业完成时间期限,DGJS将作业分为：高QoS级、低QoS级和无QoS级,不同QoS级作业有不同的调度优先权;基于资源可用性预测,DGJS采用基于可靠性代价的作业调度策略,将作业尽可能调度到可靠性高的资源节点;另外,DGJS对不同QoS级作业采用不同的容错策略,在保证故障容错的同时,节省网格资源。实验表明：在动态的网格环境下,较之传统的网格作业调度算法,DGJS提高了作业成功率,减少了作业完成时间。     

网格环境下可靠的可分割作业调度机制

针对传统可分割作业多路调度算法不能适应动态网格环境的不足,基于统一多路(Uniform Multi-Round:UMR)算法,提出一种可靠的可分割作业调度机制.系统动态地监控网格资源的变化,当资源发生变化时,通过性能预测与评估,及时地对剩余作业进行再调度.实验表明,较之传统的多路调度算法,该机制在动态的网格环境下,降低了作业完成时间,有效地利用了网格资源,提高了作业调度的可靠性.     

Web缓存优化模型研究

缓存模型研究的核心是替换策略的优化。分析并比较传统缓存模型IRM和MRM的思想,基于相对流行度以及字节代价的概念,提出满足命中率、字节命中率和延迟时间等不同性能指标要求的Web缓存优化模型,并给出相应算法。实验及分析表明,Web缓存优化模型替换算法的性能表现较传统算法有所提高。