散乱点云分割技术研究与实现

点云分割是根据空间、几何和纹理等特征对点云进行划分,使得同一划分内的点云具有相似的特征。首先对获取的散乱点云数据进行去噪、填补空洞和畸变等预处理,然后计算最小包围立方体分割点云空间并构建八叉树加速邻域点的搜索,为每个点构造最小二乘邻域,分析散乱点云数据的高斯曲率和平均曲率,再通过区域生长法得到低噪声的精确分块,自适应、智能化地对点云进行分块。经实验验证,该方法可以获得较好的分割效果。     

面向汽车产业链的云服务平台数据交换研究

针对汽车产业链大规模企业群的多源异构数据交换需求,提出了基于第三方云服务平台的数据交换解决方案。在分析数据交换交互关系的基础上,构建了一套通用的第三方 Web 服务数据交换授权认证机制。为解决数据交换内容动态可变的难题,设计了一套柔性化、动态可配置的数据交换规则框架。通过分析数据交换状态转移模型,研究了云服务平台与整车制造企业的数据交换过程体系。分析了交换过程的数据同步性与一致性问题,并采用算法给出了级联耦合关系数据实体的处理方式,保障了关联数据交换的完整性。应用表明研究成果解决了云服务平台与多源异构数据源的数据交换问题,支撑了汽车产业链大规模企业群的多业务协同信息交互。     

一种基于云环境的文件存储策略的研究

云存储是云计算技术的重要组成部分,包括存储位置的选择和文件的传输,文件传输环节包括上传和下载。传输作为存储的重要组成部分,对于存储效率有较大的的影响。近年来针对云存储技术的研究主要集中在数据存储和数据传输的效率上,针对大量流媒体文件上传至云存储服务器过程中传输效率低的问题,在私有云环境下提出了一种针对大量流媒体文件的传输机制THU,在该机制中提出了一种对于不同的云平台环境和传输客户端存在文件大小值fk的思路,将小于该值的文件无损打包成一定数量的大小为fk的文件进行传输,而将大于fk值的文件切割成一定数量大小为fk的文件进行传输,相比较打包或者切割成其他大小的文件进行传输时消耗的时间较少。本文在私有云环境下进行了大量的流媒体ftp传输实验,实验结果显示这样的fk值是存在的,当文件打包大小或等于该值时,打包、解包和传输消耗的总时间处于相对优化的水平,从而证明了THU机制的正确性和有效性。     

面向云计算的虚拟机动态迁移框架

根据云计算平台的特点,提出一种新型虚拟机动态迁移框架,并在Xen和KVM这2种典型的开源虚拟机监控器基础上,实现原型系统。测试结果表明,在不同类型计算资源的环境下,该动态迁移框架具有良好的性能,能够对动态迁移进行实时控制,从而满足服务等级协议的要求。     

Satisfactory control of discrete-time linear periodic systems

In this paper satisfactory control for discrete-time linear periodic systems is studied. Based on a suitable time-invariant state sampled reformulation, periodic state feedback controller has been designed such that desired requirements of steady state covariance, H-infinity rejection bound and regional pole assignment for the periodic system are met simultaneously. By using satisfactory control theory, the problem of satisfactory periodic controller can be transformed into a linear programming problem subject to a set of linear matrix inequalities （LMIs）, and a feasible designing approach is presented via LMI technique. Numeric example validates the obtained conclusion.     

认知无线电网络频谱分配与协作集划分算法

针对协作认知无线电网络中较为复杂的多主用户与多次级用户共存场景,提出联合频谱分配与协作集划分问题,并将该问题形式化描述为整数0-1非线性规划问题,证明其是NP-hard的.首先,设计了集中式的遗传算法CGA(centralized genetic algorithm)对问题求解,对该算法进行齐次有限马尔可夫链建模并对其全局收敛性进行了分析;随后,提出了一种包含两阶段的分布式遗传算法DGA(distributed genetic algorithm),包括基于最小支配集的分簇与频谱预分配阶段和簇间协作集协商与簇内适应值精化阶段.此外,还提出一种快速收敛的DGA算法(fast-convergent DGA,简称FDGA)缩短分布式算法运行时间.仿真实验结果表明,根据能反映出算法性能的适应值结果对各算法进行比较:(1)小规模网络下CGA获得的解平均为通过穷举算法得到的最优值的92％;(2)随着网络规模的扩大,由于CGA搜索空间增大,DGA,FDGA在达到相同停机条件时获得的适应值比CGA提高约20％;(3)与DGA相比,FDGA虽能得到与DGA相近的结果,但却大大缩短了算法收敛的时间,更适应于大规模网络应用.     

多种群粒子群优化算法

将一定规模的粒子群平分成三个子群,并分别按基本粒子优化算法、ω自线性调整策略的粒子群算法和云自适应粒子群算法三种不同规则进化,既保持各个子群和算法的独立性和优越性,又不增加算法的复杂性,并提出“超社会”部分,重新定义了速度更换式子,同时还引入了扩张变异方法和扰动操作。实验仿真结果表明,给出算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高。     

使用移动平均线预测云平台服务性能趋势

系统性能预测为有预见性的资源调度提供依据,是云平台管理的重要方面。从数据收集、数据处理和预测方法三个方面总结性能预测方法。提出采用移动平均线方法来预测服务性能的长期发展趋势。针对性能小范围波动时会频繁改变预测信号的问题,进一步改进此方法,引入标准差以有效过滤抖动信号。在亚马逊弹性计算云环境下验证了方法的有效性。     

网络效益最大化的认知无线电频谱分配算法

首先介绍了认知无线电系统中频谱分配的图论着色模型。针对该模型以网络效益最大化为目标,设计了自适应的交叉和变异算子,并在此基础上引入小生境技术,提出了基于自适应小生境遗传算法的认知无线电频谱分配算法。通过仿真实验比较了本算法、颜色敏感图论算法与经典遗传算法的性能。结果表明基于自适应小生境的遗传算法不易陷入局部最优,在较少的代数内就可以找到理想最优解,能更好地实现网络频谱效益最大化,其性能优于颜色敏感图论算法和经典遗传算法。     

零件点云法向量估计的多尺度特征融合网络

为了解决机械零配件点云处理中非均匀采样干扰、尖锐特征损失等难点,提出一种基于深度神经网络多尺度融合的点云法向量估计方法.该网络在不同邻域尺度下集成了采样点细节与点云块整体两种特征.为了使该多维回归输出网络的训练更稳定且能缓解梯度爆炸问题,重新设计了一个光滑的损失函数.实验结果表明,该方法性能优于传统的方法以及HoughCNN、PCPNet等方法,能够更准确地估计尖锐边缘的法向量,对点云各种噪声和采样方法鲁棒性都更强.