重载电力牵引系统馈线保护及故障点测距苦干问题与对策

本文分析了重载电力牵引供电系统在机车再生制动、机车过电分相等运行工况及接触线／正馈线断线接地故障时,馈线保护的动作行为,提出了一种自适应距离继电器。同时分析了目前ＡＴ供电系统采用的“ＡＴ中性点吸上电流比”原理的故障测距装置在经济性、可靠性、适用性和精确性等方面的不足,介绍了一种新型的故障点测距装置。     

表达式的覆盖、分解与划分

本文把简单表达式（项和原子）视为语言Ｌ的Ｈｅｒｂｒａｎｄ域或Ｈｅｒｂｒａｎｄ基中的集合．作者提出覆盖表达式的概念,得到２个表达式之间覆盖关系的判别准则．对多个表达式,作者提出表达式的分解概念及相应的分解算法,在此基础上,本文给出卫个表达式覆盖多个表达式的等价条件．根据集合的划分公式,得到划分表达式的方法．最后定义１个变换把合取式转换为简单表达式,从而方便地把简单表达式的结果推广到合取式．本文是作者提出的一种标记逻辑程序的过程语义的理论基础．     

多核处理器共享资源管理技术研究

现代多核处理器结构的设计使得集成在同一块芯片上的多个执行核共享各种硬件资源,如片上最后一级Cache、内存控制器、前端总线以及硬件预取单元等,而多线程的并行执行导致核与核之间其享资源的争用,造成系统整体性能的下降,如何有效地解决多核共享资源冲突来提升系统的整体性能以及应用程序的服务质量成为当今研究的热点.文章首先概要介...     

基于可重构系统的时域划分技术的研究

可重构计算是一种介于ASIC和通用微处理器之间的新的提升计算机性能的方法,对于数字信号处理、流媒体技术、图像压缩、密码学、生物信息处理等计算密集型方面的应用,可重构计算技术可以发挥巨大的优势。基于具有较少重构时间的实时可编程逻辑器件(如FPGA)的用户可编程性,其可作为多种硬件资源使用。如果其配置信息可以迅速更改,则由逻辑器件实现的硬件功能也可实现迅速切换。硬件资源的大小是有限的,那些超过器件有效硬件资源的较大任务需要通过时域划分来解决。该文对可重构计算以及时域划分的定义、分类,国内外研究现状和常见的研究方法做了详细的描述,并综合分析了一系列时域划分算法并进行了相关比较。     

基于时间序列相似性聚类的应用研究综述

在综合分析近年来时间序列数据挖掘相关文献的基础上从时间序列分割、相似性度量、时间序列聚类等方面对时间序列数据挖掘进行了综述,简要分析了基于时间序列相似性聚类的研究现状,对比较流行的算法进行了比较分析,对当前一些未解决的问题进行了简要介绍,并在此基础上对未来的发展趋势进行了展望,为研究者了解最新的基于时间序列相似性聚类研究动态、新技术及发展趋势提供了参考.     

基于位平面的超光谱图像无损压缩算法的实现

分析了超光谱遥感图像的特征,根据它对压缩算法的特殊要求,提出了基于位平面的无损压缩算法.对于相关性较高的高位位平面采用计算位平面的差值矩阵直接去相关,而相关性较差的低位位平面则采用四叉树划分的方法重组各个像块的大小、位置、灰度信息,从而得到图像的混合编码.实验结果表明,该算法与其它常用无损压缩算法压缩比相当,但压缩时间提高了50%左右.该算法简单实用,适合有实时性要求的超光谱遥感图像压缩.     

Multicut问题参数算法的改进

Multicut问题即在一个图上删除最少个数的顶点,使得预先给定的一组顶点对均不连通.该问题是NP难的.在深入分析问题结构特点的基础上,运用集合划分策略和相关问题的最新研究结果,对它提出了一种时间复杂度为O*的参数化算法,其中,l为给定的顶点对数目,k为需删除的顶点个数.该算法明显改进了当前时间复杂度为O*的最好算法.     

d-子树划分问题

边赋非负权无向简单图的一簇顶点两两不相交的子树称为它的一个d-子树划分(d为非负实数),如果这些子树的顶点集的并等于此图的顶点集,且每棵子树的直径不超过d.图的d-子树划分问题就是求它的一个含子树数最少的d-子树划分及其所含的子树数.d-子树划分问题在有线通信网络、道路交通网络、城市供水网络、电力传输网络等网络的运行管理、维护与测试中具有很强的应用背景.文中证明了对任意正实数d,边赋非负权二分平面图的d-子树划分问题是NP-完全问题;提出了求解边赋非负权树d-子树划分问题的一个线性时间算法,详细地讨论了算法的实现策略.所提出的算法具有简明易实现、耗费时间少等特点.     

硬实时系统在强分区约束下的双层分区调度

文中研究了硬实时系统在强分区约束下的双层分区的调度问题,合理建立了强分区约束下的双层分区调度模型,给出了最坏情况下的分区任务集可调度的判定条件.同时,在此基础上,提出了与分区利用率匹配的分区设计方法,导出了该方法下的系统可调度利用率的最小上限.仿真实验表明,在严格实时的条件下,文中提出的方法相对于现有方法更具优越性,并提高了分区可调度利用率的最小上限.     

关于模糊C-均值（FCM）聚类算法的改进

针对模糊C-均值（FCM）聚类算法的容易收敛于局部极值的不足,提出了一种改进的模糊FCM聚类算法,此新算法在聚类中心选取和优化过程中进行了充分的考虑,是一种用于确定最佳聚类数的聚类算法,并且利用了分阶段思想,结合动态直接聚类算法和标准聚类算法,来尽量避免模糊C-均值（FCM）聚类算法的不足。新算法与传统（FCM）聚类算法方法相比,提高了算法的寻优能力,并且迭代次数更少,在准确度上也有较大的提高,具有很好的实际应用价值。