曲线拟合的逆向云改进算法

逆向云发生器是从定量数据到定性概念的转化模型。在逆向云生成算法中, Ex 的估计值对En和He的估计有比较大的影响,直接使用样本均值进行参数估计会导致较大的误差。本文通过深入研究云模型的相关算法,对逆向云生成算法进行改进。文中利用样本均值作为非线性拟合函数的初值,把拟合函数的返回参数作为Ex的估计值,改善了随机选取拟合初值造成结果不稳定现象,实现对逆向云参数优化。通过与其他几种逆向云生成算法进行对比,仿真结果表明：改进后的逆向云生成算法有较好的稳定性并且有较高的精度。     

无确定度逆向云模型新算法

针对现有结果未揭示决定云模型雾化特性的本质因素以及无确定度逆向云模型算法误差较大这两个问题进行研究。通过对正向云模型的数学分析, 指出云滴定量数据的标准差决定云模型雾化特性, 提出用熵和超熵的比值度量云滴离散程度, 称为雾化因子。分析和实验表明, 云分布对应雾化因子取值在3~18之间, 当其大于18时, 云分布退化为正态分布, 无确定度逆向云模型算法不再适用。在此基础上, 利用云分布四阶原点矩来估计云模型的数字特征, 提出一种新的无确定度逆向云模型算法, 不同雾化因子和云滴数量的对比实验结果表明, 所提算法在对云模型数字特征估计的准确性与稳定性方面优于现有算法。     

实现稳定双向认知映射的逆向云变换算法

人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来。本文基于云模型理论,提出一种新的稳定逆向云变换算法,通过实验对比分析说明该方法的稳定性;再根据正向云变换由概念内涵生成概念外延及逆向云变换由概念外延形成概念内涵的特点,利用正向云变换算法和逆向云变换算法模拟人们对概念的稳定双向认知计算过程,即概念内涵与外延之间的稳定双向认知计算过程。     

一维正态云的概率统计分析

一维正态云是一种非常重要并且具有普适性的云模型．为了进一步完善云模型的理论基础，基于概率理论对一维正态云的性质进行了较深入全面的分析，首次从不同角度形象直观地展示了正态云．此外，从统计学的角度揭示了原逆向云算法存在较大误差的根源，并构造了一种新的更精确的一维逆向正态云算法．     

一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转化,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。本文提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值的方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差提高算法精度。     

基于云模型的仿真可信度评估方法

针对云模型在非正态分布条件下不适用的问题,提出了基于均匀分布的一维逆向云算法,并将其应用于仿真系统的可信度评估体系。首先,阐述了仿真可信度的重要性,并以实际工程为背景建立了某型装备抗干扰能力评估结果可信度评估指标;其次,运用基于云模型的仿真可信度评估方法对系统进行评估,并对该评估方法进行改进;最后,为了完善该评估方法,推导出基于均匀分布的一维逆向云算法,并且设计实验验证了该算法的有效性。仿真实验结果表明,该逆向云算法在较大数据时平均绝对误差小于5%,具有较高实用性,为云模型理论的完善提供一种思路。此外仿真可信度评估结果表明,该评估方法精度高,包含数据的分散度和凝聚度信息,可以进行更全面评估和错误数据预测。     

基于云模型的电网统计数据质量评估方法研究

针对电网统计数据的质量评估问题,提出一种基于云模型的质量评估方法。利用云模型对评语进行软划分,借助逆向云发生器将评估结果转化为云模型,并由此构造一个评价综合云。最后通过基于云模型的相似度算法计算评价综合云与各评价等级云的相似度,借以确定统计数据所隶属的评价等级。通过实例分析,验证了该方法的可行性与有效性,同时能够较好地避免常规方法在定性评价时的主观随意性缺陷。     

基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂，机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则，实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究，分析样本加权对不同密度点云数据分类精度的影响，利用两组实验数据验证算法的精度和效率，并与随机森林分类算法进行比较。结果表明：基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强，平均F1值87.14%，且分类精度和效率均优于随机森林方法。     

Road Extraction Using Airborne LiDAR Data in Mountainous Areas

Based on the spatial distribution and characteristics of LiDAR points cloud of roads in mountainous areas，an effective method for road extraction from airborne LiDAR data is proposed in this research.First，the morphological filtering method is applied to remove above\|ground points cloud (such as buildings，transmission lines and vegetation etc.).Second，a region growing algorithm with multiple rules is used to extract and optimize the road points cloud.Finally，the road boundaries are located and tracked by using Freeman chain code method.Moreover，the mathematical morphology refining processing is used to extract the central line of mountainous road.The experimental results show that the proposed method is effective to extract road information in mountainous areas，and the completeness，accuracy and quality are 93.87%，93.84％，88.43％，respectively.     

基于云模型的图像区域分割方法

基于区域的图像分割方法由于其高效、稳健的特点成为自动或半自动图像分割方法的研究热点之一。针对区域分割方法中存在的不确定性问题,提出了一种基于云模型的区域分割方法。首先以云变换为基础确定了区域生长过程中的生长准则,然后以逆向云算法实现分割区域由定量的像素集合到定性的云概念的转换过程,最后以云综合算法为基础将相邻区域进行合并,实现了基于区域的不确定性图像分割。两组图像分割实验表明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

基于云遗传算法实现自动组卷问题

使用遗传算法进行自动组卷容易使搜索结果陷入局部最优解,采用云遗传算法来实现自动组卷问题,根据正态云模型的随机性和倾向性,使算法在搜寻最优解的时候更具稳定性,减少算法陷入局部最优解或早熟的机会,在组卷中既可以逐步定位到最优解,又使得搜索具有全局性。     

基于特征融合的三维人脸点云质量判断

针对使用双目结构光扫描仪获取的三维人脸点云，提出了一种特征融合网络（FFN）来完成人脸点云质量判断任务。首先，对三维点云预处理切割出人脸面部区域，使用点云和对应的二维平面投影得到的图像作为输入；其次，分别训练用于点云学习的动态图卷积神经网络（DGCNN）和ShuffleNet两个模块；然后，提取出两个网络模块的中间层特征进行特征融合，对整个网络进行微调；最后，使用三层全连接层，实现三维人脸点云的5分类（优秀、普通、条纹、毛刺、变形）。所提FFN的分类正确率为83.7%；分类正确率比ShuffleNet提升了5.8%，比DGCNN提升了2.2%。实验结果表明，加权融合二维图像特征和点云特征可以达到不同特征之间的优势互补效果。     

基于云理论的可信技术研究

针对云计算环境下信息的安全性和可靠性方面的欠缺, 为了建立灵活多适应性的安全机制, 将云与可信的概念相结合, 是现今安全领域的一个主要研究方向。为进一步解决云计算安全问题, 对云计算环境下的一些可信技术进行了研究, 并在此基础上提出了一种新的逆向云生成算法。该算法基于原一维逆向云算法, 使用主观信任云的期望和超熵对信任客体的可信度进行了评价, 为网上交易的信任决策提供了依据。对实验数据的分析表明, 与传统的算法相比, 此算法在信任度的可靠性和稳定性上存在比较明显的优势。     

Profit maximization based task scheduling in hybrid clouds using whale optimization technique

ABSTRACT

In cloud computing system, task scheduling plays an important key role. The tasks provided by the user to allocate in cloud have to pay for the share of resources that are used by them. The requirement of task scheduling in the cloud environment has become more and more complex, and the amount of resources and tasks is growing rapidly. Therefore, an efficient task-scheduling algorithm is necessary for allocating the task efficiently in the cloud, which can achieve minimum resource utilization, minimum processing time, high efficiency, and maximum profit. In hybrid clouds to maximize the profit of a private cloud while guaranteeing the service delay bound of delay-tolerant tasks is studied in this article. Here, a new metaheuristic technique inspired from the bubble-net hunting technique of humpback whales, namely whale optimization algorithm (WOA), has been applied to solve the task-scheduling problem. Then WOA algorithm is compared with existing algorithms such as artificial bee colony algorithm (ABC) and Genetic algorithm (GA). The experimental result shows that the proposed WOA algorithm greatly increases the efficiency and achieves maximum profit for the private cloud.     

质心粒子群优化算法在云计算路径规划中的应用

云计算是一种为了解决海量数据处理要求的新型技术,云端数据资源的路由规划一直是研究的重点。粒子群优化算法具有智能搜索、全局优化、收敛速度快等特点。为了提高在云数据库路径选择的效率,在标准粒子群算法的基础上,提出了一种改进型的基于质心的粒子群优化算法模型,该算法能够在云中快速、合理地找到所需访问的数据库。仿真实验结果表明,该算法在采用合适的参数情况下具有良好的吞吐量,能有效地提高云计算的效率。     

一种交互式的云模型图像分割方法

论文针对图像分割中存在的不确定性问题,通过研究不确定性人工智能中定性和定量的转换模型—云模型,提出一种新的基于云模型的图像分割方法。该方法采取交互式的方式选择训练样区,利用训练样区中的像素生成云模型,并通过泛概念树生成算法生成泛概念树,最后通过极大判定法判定像素所属类别,实现图像分割。这种方法能较好地描述图像目标的不确定性。通过几组实验,证明该方法可以准确地分割出目标,并优于传统的图像分割算法。