一种基于连通域标记的矿井巷道灯识别方法

针对本次项目中每帧视频图像中出现多个矿井巷道灯区域和标示牌区域,提出一种基于连通域标记的矿井巷道灯识别方法。此算法能很好地标记出图像的所有连通区域,并且通过计算各个连通区域的面积特征,很好地把目标识别出来,为下一步机车定位与跟踪打下了基础,此算法满足实时性要求。     

一种基于连通域标记的矿井巷道灯识别方法

针对本次项目中每帧视频图像中出现多个矿井巷道灯区域和标示牌区域．提出一种基于连通域标记的矿井巷道灯识别方法。此算法能很好地标记出图像的所有连通区域．并且通过计算各个连通区域的面积特征,很好地把目标识别出来,为下一步机车定位与跟踪打下了基础,此算法满足实时性要求。     

基于标号回传的二值图像连通体标记算法

提出一种基于游程标号回传的二值图像连通体标记算法,该算法以游程为处理对象,将目标结构中的标号传播到游程结构中,进行游程连通性判断,将与当前游程连通的游程中最小值回传到对应的目标结构中,确保在同一连通域中有相同的根标号,进而完成二值图像标记。该算法对二值图像可以实现一次性标记,同时完成连通区域的面积、质心等特征信息的提取。具有占用内存小、实现简单、能标记任意复杂连通区域的优点,可用于红外弱小目标的检测。     

基于多生成树和子网-节点度联合权重的MCDS构造算法

提出了一种基于多生成树和子网-节点度联合权重的静态无线网络极小连通支配集MCDS构造算法SWNMCDS。算法首先设定一个概率p,每个节点随机生成一个概率并与p对比后决定是否成为候选根节点。两跳范围内的候选根节点相互交换信息,确定最终的根节点。每个根节点基于节点权重的连通树生成算法生成多棵连通树。最后基于子网-节点度联合权重选择连通节点,将多棵连通树连成极小连通支配集。经分析,SWNMCDS算法近似比上限为2β(2+H(Δ)),时间复杂度为O(Δ2),消息复杂度为O(Δ2)(Δ为最大一跳邻居节点集合的大小,β为生成树数目)。仿真实验表明,与经典MCDS算法比较,SWNMCDS所构造的连通支配集具有较小的规模。     

新的连通域标记方法及其在医学图像中的应用*

为了提高诊断的准确率和效率,提出了一种新的连通域标记算法,同时对医学图像中感兴趣区域进行连通域标记和区域特征提取。该算法先对读入二值图进行边界提取,再对边界进行跟踪和标记,利用图像重构的方法对边界进行区域填充,并将属于同一连通域的边界进行归类,即重新排列标记号,最后对连通区域的形态特征进行提取。实验证明,该算法不但能正确标记任意复杂形状的连通域,运行速度较快,而且对连通区域进行了特征提取,现已应用到医学图像处理的多个方面,为下一步的图像处理奠定了更好的基础。     

完全多叉树的叶子节点构造搜索模型的算法与应用

设计了完全多叉树的存储结构和遍历算法,并设计了根据子节点搜索整个完全多叉树算法,最后给出了一个实际的完全三叉树的应用例子。     

完全多叉树的叶子节点构造搜索模型的算法与应用

设计了完全多叉树的存储结构和遍历算法,并设计了根据子节点搜索整个完全多叉树算法,最后给出了一个实际的完全三叉树的应用例子。     

任意多边形区域交的有效算法

为有效进行任意多边形区域的交运算,采用接缝技术消除多边形区域内部的孔洞,化复连通域为单连通域,通过单连通域的交集得到复连通域的交.改写Weiler-Atherton裁减算法的交点遍历方法,以便在跟踪时跳过接缝,同时借助队列保存这些接缝的节点,确保能正确得到交集区域的每条边界.算法无须包容性测试就能自然得到交集的外边界与孔洞的包容关系.与已有算法相比,该算法具有更高的稳定性和健壮性,特别适合计算带有孔洞区域的交、并、差运算.     

WSN中一种规则区域最优覆盖与连通算法研究

在满足一定覆盖条件下,使用最少传感器节点完成对区域的覆盖与连通已成为无线传感器网络研究的一个具有挑战性的核心问题之一。为此,提出了一种规则区域最优覆盖与连通算法,该算法利用双重正方形将目标节点规划到内正方形区域内,通过传感器节点与目标节点求出关联模型,对于整个覆盖区域则利用概率期望值求出满足覆盖条件的最少传感器节点数,同时给出了外正方形区域边缘节点的连通概率模型及推理过程。实验结果表明,该算法的理论值与模拟结果之间的误差小于5%,验证了该算法是有效的,降低了网络资源的配置,可以更好地评估网络覆盖和连通性能。     

一种基于区域分裂与合并的势博弈网络拓扑控制算法

现有无线传感器网络拓扑控制算法在传感器节点部署密集或稀疏区域存在网络拓扑链路冗余、个别节点负载过重、瓶颈节点和网络生命周期短等问题。针对这些问题,提出一种基于区域分裂与合并的势博弈网络拓扑控制算法,该算法首先划分目标区域并随机抛洒传感器节点,在每个子区域内进行博弈并选出簇首节点,利用区域分裂与合并思想,在节点密集区域进行分割再博弈,防止部分节点负载过大,在节点稀疏区域利用权重链路进行合并,防止出现瓶颈节点以保障网络连通;然后对所有簇首节点实施二次势博弈生成簇首拓扑结构连接各子区域。仿真结果表明,该算法能够有效缓解节点负载,均衡节点能耗,延长网络生命周期。     

基于生成树的无线传感器网络时钟同步算法

考虑到无线传感器网络时钟同步多跳误差累积问题,提出一种基于动态生成树的全网时钟同步算法,只需由根节点开始沿树边广播一次同步消息,全网待同步节点即可采用时钟偏差补偿,并结合贝叶斯后验估计算法对时钟进行准确估计。一个同步轮次内每个节点至多广播两次消息即可完成全网同步。使用OMNeT++软件进行仿真实验表明算法有效降低了多跳累积误差,提高了同步精度,且具有较快的收敛速度和较低的开销。     

能量高效的传感器网络数据查询路由*

提出一种能量高效的传感器网络数据查询路由EEDQ(energy-efficient data query),EEDQ以sink节点为根节点,构造最小路由生成树,由sink节点发出查询任务,查询结果由叶子节点向sink节点传输,传输过程中进行数据汇聚.实验表明,EEDQ相比direct transmission,大大提高了传感器网络的生命周期.     

融合神经网络的布料碰撞检测算法

目的 针对当前在虚拟环境中布料柔体碰撞检测效率慢和准确性低的问题,提出一种根节点双层包围盒树结构和融合OpenNN （open neural networks library）神经网络加速预测碰撞检测的算法。方法 首先改进了碰撞检测常用的包围盒技术,提出根节点双层包围盒算法,减少包围盒的构造时间。其次使用神经网络优化碰撞检测技术,利用神经网络可以处理大量数据的优势,每次可以检测大量基本图元是否发生碰撞,解决了碰撞检测计算复杂性高的问题。最后准确地找到碰撞粒子并做出碰撞响应。结果 在相同的复杂布料模型情况下,根节点双层包围盒算法在运行速度上比传统混合包围盒算法快,耗时缩减了5.51%~11.32%。基于OpenNN算法的总耗时比根节点双层包围盒缩减了11.70%,比融合DNN （deep neural network）的自碰撞检测算法减少了6.62%。随着碰撞检测难度的增大,当布料模型的精度增加84%时,传统物理碰撞检测方法用时增加96%,融合DNN的自碰撞检测算法用时增加90.11%,而本文基于神经网络的算法用时仅增加了68.37%,同时表现出更高的稳定性,满足使用者对实时性的要求。结论 对于模拟场景中简单模型的碰撞,本文提出的根节点双层包围盒算法比传统的包围盒方法耗时短。对于复杂模型,基于OpenNN神经网络的碰撞检测算法在效率上优于传统的包围盒算法和融合DNN的自碰撞检查算法,而且模拟效果的准确性也得以保证,是一种高效的碰撞检测方法。     

改进随机森林算法的图像分类应用

针对随机森林算法中节点分裂方式单一且相似的问题,提出一种改进节点分裂方式的优化算法,将算法中独立的节点分裂方式ID3与CART进行重新组合,通过自适应参数选择得到新的分裂规则,用于最优属性的选择划分并应用于图像分类问题.首先以词袋模型为基础,加入空间金字塔结构来提取图像特征,并将其量化成视觉词汇,最后结合Spark平台用改进节点分裂方式的随机森林算法实现图像分类.实验结果表明,通过选择组合算法的最优系数,该算法有效提高图像分类准确率,并保证算法运行效率.     

一种基于纠删码的多节点失效修复算法

纠删码作为分布式系统中重要的数据容错技术,在失效数据的修复领域有着广泛应用。但现有的纠删码算法大多针对单节点修复,修复成本较高,且未考虑新生节点间的信息传递,给多失效节点的修复带来不便。基于此,提出一种基于纠删码的多节点失效修复算法,该算法在新生节点中利用节点选择策略选取中心节点为根节点,并依据链路带宽分别与供应节点和剩余新生节点构建最大修复树,从而降低数据修复时长。实验结果表明,与现有的BHS和SSR串行修复等方法相比,该算法能有效提高多失效节点的修复效率,验证了算法的有效性。     

分布式融合算法在WSANs中的性能分析

在无线传感器执行器中,执行器节点接收传感器节点传来的信息并执行相应的动作。为了满足执行器节点及时地采取行动,无线传感器执行器网络对时延有严格的限制。构建了一种一般性的分布式融合算法并与集中式融合算法比较。通过从网络传输时延、节点能量消耗、网络寿命、有效传输次数等方面分析了这种算法在无线传感器执行器网络中的特性。在三种典型拓扑结构下的仿真实验表明,在相同条件下,分布式融合算法比集中式融合算法具有更小的网络传输时延,更长的网络寿命,同时节点的能量消耗更加均匀。     

基于Docker swarm集群的动态加权调度策略

针对目前的Docker swarm内置的调度策略无法很好地实现Docker集群的负载均衡并且对集群资源的使用率不高的问题,提出了一种动态加权调度算法。所提算法对资源设置权重系数,引入参数bias针对不同服务对资源权重进行动态调整,根据各个节点的实际资源利用情况,对节点资源按照权重进行加权计算,用权值反映节点负载,并将此作为调度依据。在和Docker原始调度策略以及无参数调整的加权调度策略的对比实验中,该算法使得集群中各个节点上的各项资源利用率更加均衡;同时,在集群负载比较高的情况下,该算法实现了更快的服务运行速度。     

基于自注意力机制的局部与全局特征融合的评分预测算法

为了完全挖掘异质信息网络中节点的特征并且更好地融合这些特征,提高推荐算法的性能,提出一种基于自注意力机制的局部与全局特征融合的评分预测算法（rating prediction algorithm based on self-attention mechanism and fusion of local & global features,AMFL&GRec）。首先基于LeaderRank算法提取目标节点的全局序列,基于元路径带偏置的随机游走算法提取节点的局部序列,通过skip-gram模型分别学习节点的全局特征与局部特征;通过自注意力机制学习目标节点对局部与全局特征的偏好,从而得到在单一元路径下节点的特征表示;再通过自注意力机制融合不同元路径下同一节点的表示,从而得到节点在不同元路径下的最终的特征表示;最后基于多层感知器实现评分预测任务。在两个真实数据集进行了大量实验,实验结果验证了AMFL&GRec算法不仅能够捕获具有密集连通节点的微观（局部）结构,而且还能够捕获该节点在网络中的全局结构,从而使其得到的节点特征得以体现节点的整体（局部+全局）特征。同时,实验结果也证明了AMFL&GRec算法评分预测性能优于对比算法,从而证明利用自注意力机制考虑异质信息网络中节点对于局部、全局特征以及元路径的偏好能够提高评分预测的准确性。     

一种改进的煤矿井下无线传感器网络定位算法

针对煤矿井下巷道狭长,传感器节点分布不均匀,环境恶劣,井下人员定位不明确。传统算法定位精度不高。为此,提出一种改进DV-Hop的煤矿井下节点定位方法,利用无线信号同种介质中传播速度不变性,并利用节点间数据包传送时间对未知节点的估计距离进行修正。实验结果表明,改进算法有效地提高了无线传感器网络节点的定位精度,减少了定位误差,更加适合于类似于煤矿井下场景的定位需求。     

一种多媒体传感器网络容错分簇算法

在无线多媒体传感器网络分簇算法设计中,针对如何满足QoS需求并尽可能提高能量效率问题,提出了一种容错分簇算法。根据节点的剩余能量和质心选举簇头,采用容错机制和能量有效策略组织成簇,并动态调整数据包在簇头间的传输速率。仿真实验结果表明该分簇算法满足多媒体数据传输的可靠性和实时性需求,能有效延长网络的生命周期。