基于NSCT和自适应PCNN的遥感图像融合方法

以全色和多光谱遥感图像为研究对象,提出一种基于非下采样Contourlet变换(NSCT)和自适应脉冲耦合神经网络(PC-NN)的遥感图像融合方法;该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;然后采用以各带通子带系数的梯度作为PCNN的链接强度β的PCNN图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换和IHS逆变换得到融合图像;实验结果表明,此方法更好地保留了原遥感图像中的有用信息,并提高了融合图像的质量。     

网络最大流问题求解的符号ADD增广路径算法

本文通过对网络及网络最大流问题的符号代数判定图（ADD）描述,将网络中的结点和边用ADD隐式表示,并利用Gabow的容量变尺度算法的主要思想,将一般网络最大流问题化为一系列的单位容量网络最大流问题,结合Hachtel等的单位容量网络最大流问题的求解算法,给出了网络最大流问题求解的符号ADD增广路径算法,简称为符号ADD算法.与Dinic算法、Karzanov算法相比,本文算法的空间复杂度得到了改善.实验结果表明,本文算法是切实有效的,且可处理更大规模的问题.     

寮时系统非周期任务的可预测调度研究

提出了一种实时系统任务模型,分析了该模型中周期和非周期任务可调度的条件,并给出了一种强实时非周期任务的可预测调度算法,该算法按照RMS算法的原则统一调度系统任务,保证系统周期和非周期任务满足各自的时限约束,实现了强实时非周期任务的可预测调度。     

基于注意力机制的信息预处理多智能体强化学习算法

多智能体强化学习在群体控制领域具有广泛应用,然而传统的强化学习方法(如 Q-Learning 或策略梯度)在多智能体 环境中表现不佳。在训练过程中,每个智能体的策略不断变化。当一个智能体基于环境信息做出决策时,其他智能体的决策 可能已经影响了环境信息,导致智能体感知的转移概率分布和奖赏函数发生变化,使得环境变得非平稳,训练无法有效进行。 为了缓解这一问题,研究了一种基于多头自注意力的多智能体强化学习算法。该方法考虑了其他智能体的行动策略,利用多 头自注意力算法使智能体能够学习对决策影响最大的因素,成功地学习了复杂的多智能体协调策略。在实验结果中平均回 报达值到了0.82,远高于传统算法的表现。实验结果表明,所提出的基于多头自注意力的多智能体强化学习算法能够有效解 决环境不平稳导致的多智能体学习困难问题,提高了多智能体强化学习算法的收敛速度和平稳性。     

浅谈探究式教学中若干思想误区

知识经济和市场经济的发展给高等教育教学质量的提高提出了严峻挑战。实施探究式教学是应对该挑战的一种积极尝试。从对待教师的正确态度、知识的掌握和学习目标三个方面阐述了探究式教学中大学生学习的若干思想误区,指出了转变大学生某些错误的思想观念对提高教学质量的重要作用。     

网络最大流问题的一种新的符号ADD求解算法

通过对网络及网络最大流问题的符号代数判定图描述,在Trff算法的基础上,给出了网络最大流问题的一种新的符号ADD求解算法。与Dinic、Karzanov算法相比,本文算法的空间复杂度较低。实验结果表明,该算法可处理更大规模的问题。     

基于对象的分布式实时系统调度模型研究

为了解决分布式实时系统有关分配和调度等问题，给出并用形式化方法描述了一种基于对象分布式实时系统调度的通用模型。该模型包括表示时限的绝对时间约束，表示周期属性的周期约束，表示各种前趋关系和同步要求的相对时间约束以及保证资源使用一致性的一致性约束，此外该模型克服了以往模型不能在应用系统的逻辑和功能部件上描述系统实时的约束的不足，允许从方法和活动上描述所需的约束，降低了单一约束描述的繁杂程度，为了能够使用现有调度算法进行任务调度，讨论了约束转换的问题，给出了高层约束到底层约束的转换规则和相应的转换算法。     

基于对象分布式实时系统约束的一致性研究

在分布式实时系统中,时间约束规格的一致性是解决任务分配和调度等关键问题的必要前提。该文给出了一种基于对象分布式实时系统调度的通用模型,并对该模型进行了形式化描述。该模型克服了以往模型不能在应用系统的逻辑和功能部件上描述系统实时约束的不足,允许从方法和活动上描述所需的约束,降低了单一约束描述的繁杂程度。为了解决使用该模型进行约束规格的一致性问题,该文给出了绝对时间约束、相对时间约束、一致性约束以及相对时间约束和一致性约束之间的一致性判定的必要条件。     

基于抽象解释的C程序信息保密性研究

在分析程序具体语义的基础上,提出一种信息保密性检测方法。构造具体语义和抽象语义的对应关系,根据待测程序性质构建抽象语义,同时在抽象基础上,采用限界思想来优化检测的效率。通过该方法降低程序检测的复杂性,减少时间和空间的浪费,提高了检测的效率和准确度。     

无圈与或图搜索的符号OBDD算法研究

与或图搜索是人工智能领域一项重要的问题求解技术.基于传统数据结构的与或图表示技术极大地限制了与或图搜索算法可求解问题的规模.在无圈与或图符号OBDD表示的基础上,给出了一种求解无圈与或图最小代价解图的符号搜索算法.实验结果表明,与 AO*算法相比,该算法可处理问题的规模有较大的提高.