电磁环境仿真研究

电磁环境仿真具有很重要的意义 ,该文对电磁环境仿真的一些思想进行阐述。首先 ,对电磁环境进行分析和建模。随后 ,讨论了信号仿真和功能仿真两种仿真方法。在信号仿真中 ,对信号仿真的FDTD算法进行详细的推导 ,分析了该算法的稳定性以及局限性 ;在功能仿真中 ,介绍了部分仿真模型 ,并给出了系统框架。最后评估了两种仿真方法。     

分级调度的分布离散事件系统仿真策略

分布离散事件系统仿真中的仿真策略,是离散事件系统仿真领域研究的一个关键问题。文章提出了基于事件分级调度的仿真调度算法,并详细介绍了算法的基本思想,给出了算法的步骤和流程图,最后对算法进行了简要的分析。     

模糊定性仿真理论研究与算法实现

针对纯定性仿真方法的缺陷,通过采用模糊集、作者对定性仿真的模糊构造、仿真机制、算法等方面做了研究;在此基础上,开发了一个模糊定性建模与仿真的软件环境,实现了模糊构造、模型转换、仿真算法到结果输出等主要功能,并分析了一个简单的实例。     

一种层次的、混合并行离散事件仿真算法

并行仿真算法是并行离散事件仿真中心的核心问题，对于具体的应用系统，采用不同的并行仿真算法将导致其仿真性能大的差异，提出了一种针对于分布环境中特定应用系统仿真的层次的，混合并行离散事件仿真算法，测试和应用表明，和通常的保守机制或者乐观机制相比，能够较大地提高仿真效率，并且具有良好的可扩展性，首先给出了在通信开销不可忽略的环境下，保守机制和乐观机制的性能测试结果和两者适用情况的分析，然后根据测试结果和具体应用系统的特点，提出了层次的，混合并行离散事件仿真算法，给出了LP级和组级算法算，最后对算法进行了测试和性能分析。     

基于BLINK的DCS手自动操作站的仿真及应用

仿真支撑系统的内核主要有模型数据库,算法数据库,模型的执行与调度,进程、线程的管理与调度等部分构成。仿真支撑软件对仿真机的开发、维护是至关重要的。在开发仿真机时,可以根据被仿真的对象或系统开发新的算法加载到算法数据库。讨论了基于仿真支撑软件Blink的DCS手自动操作站控制算法的仿真过程及步骤,并阐述了此算法在仿真机开发中的应用方法。     

一种适用于过程系统仿真培训的仿真方法

针对工业过程系统仿真培训的要求和特点，提出一种新的仿真方法。该方法由构造最小仿真模型的调度算法与变帧速仿真算法两部分组成。将该算法应用于加氢裂化、制氢、铂重整等工业过程的仿真培训系统，取得了满意的效果。     

分布离散事件仿真的集中同步算法

分布离散事件仿真和一般的离散事件仿真不同,它没有公共的时钟和事件表,通过分布在多台主机上的仿真模型进行消息传递来实现世界中的事件的并发执行。同步算法是分离散事件离散事件仿真中确保模型之间发生的因果关系正确性的机制。文中提出了一种集中同步算法,它采用建立模型之间的关联关系和仿真控制节点的方法,来对仿真模型之间的交互事件和仿真模型内部事件进行调度。其实现机制简单,避免了死锁的产生,并能实现事件的并发执行。文中最后对在WindowsNT环境下实现该算法进行了探讨。     

时间驱动仿真及其在宽带网络仿真中的应用

宽带网络的主要设备是宽带交换设备 ,如高性能路由器 ,交换机等 .因此 ,对宽带计算机网络的仿真 ,主要是对网络的宽带交换设备进行仿真 ,其关键是仿真速度问题 .本文针对计算机网络离散系统 ,提出了基于时间驱动的适合于离散系统的仿真算法 ,并与离散事件驱动仿真算法进行比较     

基于软件无线电的MQAM调制及其仿真设计

本文基于软件无线电的思想,对MQAM调制进行算法和仿真的研究.采用System Generator搭建MQAM调制系统模型,将算法转换成了硬件可实现模块,对该系统进行了完整的仿真及仿真分析.由仿真结果可知.模型设计的正确性及MQAM调制良好的频谱特性.     

宽带计算机网络的快速时间驱动仿真算法

本文针对离散事件驱动法仿真宽带网络仿真速度慢的缺点，提出了一种适合于网络离散系统的快速时间驱动仿真算法，该算法容许仿真误差存在，但极大地提高了仿真的速度，而且仿真误差可以控制在一定的范围内，其影响随时间的推移而消失，与离散事件驱动仿真算法的比较证实了该算法的有效性。     

肝脏及肿瘤图像分割方法综述

肝脏肿瘤是一种发病率高且恶化概率高的疾病,为了快速地诊断肝脏疾病,需要从计算机断层扫描(CT)中准确地分割出肝脏及肿瘤。为了分析肝脏及肿瘤图像分割领域的现状及发展趋势,针对肝脏及肿瘤图像的分割方法进行了研究,总结了近些年肝脏及肿瘤图像的分割方法。肝脏及肿瘤图像分割方法包括传统方法以及深度学习方法。传统方法需要较多的人工参与,不能实现完全自动化。深度学习方法从分割网络的维度可分为2D、2.5D以及3D方法,这些方法分割精度高,硬件需求高。在考虑深度学习与传统方法优缺点的同时,它们的结合也被不断探索,图割法和条件随机场等传统方法经常被用于细化深度学习方法的分割结果。     

人脸画像合成研究的综述与对比分析

人脸画像合成通常是在给定一些训练画像-照片的前提下,将一张输入的人脸照片转换为画像的过程.目前并没有一个系统性的实验对比分析揭示当前此过程面临的挑战以及可能的解决思路.文中对具有代表性的各类方法进行综合深入对比与分析.人脸画像合成方法归纳为2类:数据驱动类方法(即基于样本的方法)和模型驱动类方法.数据驱动方法由3类方法组成:基于子空间学习的方法、基于稀疏表示的方法和基于贝叶斯推断的方法.模型驱动方法直接学习照片到画像的映射关系.文中给出一些之前文献中并未发现的有意义的结论和展望.     

视频检索中镜头分割方法综述

视频序列的镜头分割亦称镜头变化检测是视频检索中的关键技术之一。镜头变化是指视频序列中场景内容的变化。该文介绍了目前镜头分割的常用方法,包括灰度分割法、边缘分割法、彩色直方图分割法、MPEG视频的分割方法、块匹配镜头分割方法、统计判决镜头分割方法、基于聚类的镜头分割方法、镜头渐变的检测等,指出了研究场景内容的表征方法、特征提取方法、特征的检测尺度以及稳健可靠的实用镜头分割方法是目前主要的研究方向。     

图像轮廓提取方法研究

对现有的轮廓提取现状进行分析,把主要的轮廓提取方法划分为先验知识法、数学形态法、基于梯度的方法、水平集方法、活动轮廓模型方法、以及神经动力学方法六大类,并研究这些方法的主要特点。对轮廓提取方法研究进行展望,提出神经动力学方法是轮廓提取方法的发展方向。     

室内定位中非视距的识别和抑制算法研究综述

针对存在非视距(non-line-of-sight, NLOS)的室内定位算法进行研究.首先描述室内定位中的常用技术和算法(航迹推算、指纹识别定位、邻近探测、极点定位、三角定位、多边定位、质心定位),概括其原理、优缺点和适用场景;其次,通过仿真测试说明研究NLOS识别和抑制的必要性;再次,分别介绍NLOS识别和NLOS抑制的几类算法, NLOS识别算法包括统计学方法、几何关系法、机器学习法、信道特征提取法和虚点密度识别法, NLOS抑制算法包括模糊理论法、引入平衡参数法、几何关系法、小波去噪法、机器学习类算法、凸优化类算法、残差类算法、最小二乘类算法和多维缩放类算法;最后,对全文进行总结并指出NLOS室内定位亟待解决的问题.     

数控加工中路径规划与速度插补综述

数控技术在现代制造工业中被广泛使用,相关研究一直为学界和业界共同关注。数控技术的传 统流程主要包含刀具路径规划和进给速度插补。为实现高速高精加工,人们通常将路径规划与速度插补中的若 干问题转换成数理优化模型,针对工程应用问题的复杂性,采用分步迭代优化的思路进行求解,但所得的结果 往往只是局部最优解。其次,路径规划与速度插补都是为了加工一个工件曲面,分两步进行处理虽然简化了计 算,但也导致不能进行整体优化。因此,为了更好地开展路径规划与速度插补一体化设计与全局最优求解的研 究,系统性地了解并学习已有的代表性工作是十分有必要的。所以将逐次介绍数控加工中刀具路径规划与速度 插补的相关方法与技术进展,包括基于端铣的加工路径规划;刀轴方向优化;G 代码加工以及拐角过渡;参数 曲线路径的进给速度规划等国内外相关研究以及最新提出的一些新型加工优化方法。     

行程时间预测方法研究

行程时间预测,有助于实施高级旅行者信息系统.自20世纪90年代起,已经有多种行程时间预测方法被研发出来.将行程时间预测方法分为模型驱动方法和数据驱动方法两大类.介绍了两种常见的模型驱动方法,即排队论模型和细胞传输模型.数据驱动方法被分类为参数方法和非参数方法：参数方法包括线性回归、自回归集成移动平均和卡尔曼滤波,非参数方法包括神经网络、支持向量回归、最近邻和集成学习方法.对现有行程时间预测方法从源数据、预测范围、准确率、优缺点和适用范围等方面进行了分析总结.针对现有方法的一些缺点,提出了可能的解决方案.给出了一种新颖的数据预处理框架和一个行程时间预测模型,最后指出了未来的研究方向.     

ASP.NET页面间传值综述

对ASP.NET中各种页面间传值方法进行综述,阐述实现这些方法所必需的对象的概念、作用和特点,讨论这些方法的优缺点,通过实例代码给出这些方法的基本应用,并从生命周期、应用范围、可传递的数据类型和数据量4个方面对这些方法进行比较和分析。介绍了实现这些方法时常用的2种页面重定向方法。     

Learning with partly labeled data

Learning with partly labeled data aims at combining labeled and unlabeled data in order to boost the accuracy of a classifier. This paper outlines the two main classes of learning methods to deal with partly labeled data: pre-labeling-based learning and semi-supervised learning. Concretely, we introduce and discuss three methods from each class. The first three ones are two-stage methods consisting of selecting the data to be labeled and then training the classifier using the pre-labeled and the originally labeled data. The last three ones show how labeled and unlabeled data can be combined in a symbiotic way during training. The empirical evaluation of these methods shows: (1) pre-labeling methods tend be better than semi-supervised learning methods, (2) both labeled and unlabeled have positive effect on the classification accuracy of each of the proposed methods, (3) the combination of all the methods improve the accuracy, and (4) the proposed methods compare very well with the state-of-art methods.     

Cooperative control and communication of intelligent swarms: a survey

Individuals exchange information, experience and strategy based on communication. Communication is the basis for individuals to form swarms and the bridge of swarms to realize cooperative control. In this paper, the multi-robot swarm and its cooperative control and communication methods are reviewed, and we summarize these methods from the task, control, and perception levels. Based on the research, the cooperative control and communication methods of intelligent swarms are divided into the following four categories: task assignment based methods (divided into market-based methods and alliance based methods), bio-inspired methods (divided into biochemical information inspired methods, vision based methods and self-organization based methods), distributed sensor fusion and reinforcement learning based methods, and we briefly define each method and introduce its basic ideas. Based on WOS database, we divide the development of each method into several stages according to the time distribution of the literature, and outline the main research content of each stage. Finally, we discuss the communication problems of intelligent swarms and the key issues, challenges and future work of each method.