动态多DAG调度的改进算法

工作流调度问题通常可以描述为一个活动与数据传输约束组成的有向无环图(directed acyclic graph,DAG),基于Planner-guided算法框架,采用新的基于多有向无环图节点合并的优先级计算方案改进原有算法,改善了系统中已存在未执行的DAG结点优先级过小而被滞后的问题,从而使得任务在机器上排布相对比较密集,提升了多个DAG结点间调度公平性。结果表明,提出的改进算法优先级计算更加合理,在资源利用率和执行时间上优于Planner-guided算法,调度整体性能得到一定提升。     

基于文学作品语料库因果复句“カラコソ”的日汉对比研究

本文以表示原因、理由的"カラコソ"复句为研究对象,将其用法分为"必然性判断""行为要求"两类并借助《中日对译语料库》考察了其汉译倾向。经考察发现,表示"必然性判断"时的汉译形式主要为"正因如此,才"的形式,表示"行为要求"时的汉译形式呈现多样化,无倾向性的特点。此外,从句末的情态助动词类型来看,表示"必然性判断"的主要为"のだ"的形式。而表示"行为要求"的则呈现无倾向性的特点。     

一种基于深度信息的图像雾效模拟算法

在已知的图像场景深度信息和大气散射模型的基础上,提出了一种基于深度的图像雾效模拟算法。算法引入了最大能见度概念,通过场景深度与雾透射率之间的比例关系将深度图直接转化为透射率图,使用引导滤波对透射率进行优化,最终通过大气散射模型生成雾效模拟图像。实验表明,算法所生成的雾效场景符合空间透射原则,在不同的能见度和大气光结合的条件下可获得变化丰富的有雾效果,具有较强的真实感。     

基于广义Ricci曲率及深度信息的图像采样方法

随着采样技术的提高、数据量的剧增,给数据的存储及传输造成了一定困难,因此对数据进行重采样,以压缩数据量是解决该问题的一个有效手段.针对灰度图像采样问题,利用密度流形的广义Ricci曲率提出一种采样点之间相关性的衡量方法.首先,将图像看做是对二维流形的着色,通过处理目标物的深度或构造其深度,保留需要着重采样区域的深度信息;其次,结合深度与灰度信息计算密度流形的Ricci曲率;最后,根据相关性原则筛选采样点并重建图像.此外,针对采样过程提出了全局采样及加速的局部采样2种方式,用于权衡速度与精度.采用大量的标准测试图进行实验结果表明,该方法可以有效地应用于灰度图像的压缩;与已有方法相比,该方法在灰度变化剧烈、复杂的边缘采样点分布更为密集,同时对灰度变化平缓的区域采样点也相对更少.     

深度可分离卷积和标准卷积相结合的高效行人检测器

行人检测器对算法的速度和精确度有很高的要求.虽然基于深度卷积神经网络(DCNN)的行人检测器具有较高的检测精度,但是这类检测器对硬件设备的计算能力要求较高,因此,这类行人检测器无法很好地部署到诸如移动设备、嵌入式设备和自动驾驶系统等轻量化系统中.基于此,提出了一种更好地平衡速度和精度的轻量级行人检测器(EPDNet)....     

基于C-V主动轮廓模型的“陡峭”边界的微藻图像分割

采用Chan和Vese的C-V主动轮廓模型以及本文中改进的C-V主动轮廓模型对几类典型的海洋微藻图像进行了分割。当微藻图像的主要边界曲率变化较大,即主边界"陡峭"时,直接使用C-V主动轮廓模型难以获得微藻图像的边界。在改进的C-V主动轮廓模型中,通过人机交互绘制粗略的初始边界,并将其设定为初始零水平集,将符号函数引入到初始水平集中定义内外能量,再通过适当的参数调整进行图像边界的演化。将采用两种模型算法获取典型的海洋微藻图像边界的过程进行对比可知,对于带"陡峭"边界的微藻图像,采用C-V主动轮廓模型难以获得或以较慢速度获得图像边界,而采用改进的C-V主动轮廓模型不仅图像边界获取速度快,而且边界信息量大。实验结果验证了改进的C-V主动轮廓模型算法的有效性,为微藻图像的分割提供了新的技术手段。     

美国小型研究型大学的计算机学科发展启示

我国大多数重点大学的计算机学科资源相对紧缺,发展还较为缓慢,与国际知名大学差距明显。本文以美国佛蒙特大学计算机系为例,介绍美国高校如何在有限资源内合理安排教学及学术资源,以获得人才培养和学术研究的显著成果。     

基于协同演化的随机柔性制造系统的建模与优化

柔性制造系统在实际生产系统中占有重大比例,而实际生产系统中会出现多种突发状,所以随机环境下柔性制造系统则更符合实际生产系统的特性。它将协同进化策略引入到混合进化算法中,使用粒子群算法作为基础进化算法,并增加参数自适应调整策略,在进化过程中动态地调整参数,更好地解决了随机柔性作业车间的调度问题。通过实验,取30次均值作为最终结果,验证了所提算法能够在大规模解空间的随机调度问题上得到更好的最优解,提高最优解的鲁棒性。     

应用型通信工程专业人才培养方案改革新探

以大连理工大学城市学院为例，结合其应用型人才培养的目标，对通信工程专业人才培养方案中的人才定位、培养目标、理论体系、执行体系等进行了深入探索，并在实践中取得了良好的效果，为应用型人才培养奠定坚实的基础。     

双目标优化的RDF图分割算法

分布式存储是解决大规模数据存储的一种比较有效的方法,而数据分割是实现分布式存储的前提。面对不断增长的RDF数据,提出一种基于双目标优化的RDF图分割算法（RDF Graph Partitioning algorithm based on Double Objective Optimization,RGPDOO）。RGPDOO将边割和分割平衡两项图分割指标融合到一个目标函数,并依据此目标函数,实现了RDF图的静态和动态分割。其中静态图分割通过对图进行初始划分,将图中顶点分成内核顶点、交叉顶点和自由顶点三类。然后通过计算目标函数增益对交叉和自由顶点进行分配。动态图分割部分,针对RDF元组的插入和删除给出相应的解决方案。同时,为了满足图分割目标,算法每隔一段时间[T]会根据子图的平衡性和紧密性进行一次动态调整。实验选择合成和真实数据集进行测试,并分别与几种通用的静态和动态图分割算法进行比较。实验结果表明提出的算法能够有效地实现RDF图的静态和动态分割。