利用二进制数算法寻找5个点的Ramsey图

用二进制数来表示完全图的各种组合,借助计算机编程可从完全图的各种组合中寻找出ramsey图。5个顶点的Ramsey图是最基本的Ramsey图,这种基本方法为寻找更复杂的Ramsey图提供了基础。     

系统

文件拷贝不完全 Windows7系统,从移动硬盘拷贝文件到硬盘中,例如有1000个文件,300MB,在拷贝完成后只有300个文件被拷贝过去,体积为100MB。请问这是什么原因？     

让本地发送的邮件完全备份在网页邮箱

很多朋友使用网易的闪电邮在本地处理邮件。默认设置下,闪电邮在本地发送邮件时,在保存到"已发送邮件箱"的同时,默认只会在网页邮箱保存小于1MB的邮件,出于安全角度的考虑,建议全部保存为好。     

星球大战铁杆游戏迷必备——雷蛇Star Wars：The Old Republic游戏外设套装

提起星球大战,无论是关注电影还是游戏的粉丝们都会激动不已。配合Star Wars：The Old Republic这款大型多人角色扮演游戏,雷蛇推出了相关主题的游戏外设套装——键盘、鼠标、鼠标垫和耳麦。套装在外形上采用具有未来感的菱角造型设计。各款外设也都有突破性特点一例如,键盘中加入高灵敏度多点触控的LCD触控面板：鼠标共有17个完全可编程按键等。     

完全子图的邻域重叠社团结构探测

为了能够更准确地对邻域重叠网络进行社团结构探测,对基于完全子图的社团探测算法进行了改进。在合并完全子图团簇时,计算每一对完全子图的重叠节点个数,设置合并完全子图的阈值,如果大于阈值,则合并。当处理不在团簇内的其他节点时,按照比例系数大小为划分规则进行划分。该算法可以应用于空手道俱乐部和科学家合作网当中,其验证算法可以更准确地探测邻域重叠社团结构。     

基于Baker映射的自适应樽海鞘群算法

为了克服樽海鞘群算法(Salp Swarm Algorithm,SSA)求解准确性不足和易过早收敛的缺点,提出了一种多策略改进的樽海鞘群算法(MISSA)。引入Baker混沌映射生成樽海鞘群的初始种群,以提高初始个体的均匀性;将T分布策略应用到食物源位置公式中,对原始位置进行随机干扰,引导樽海鞘个体向最优解空间运动;在跟随者位置更新公式中引入不完全Γ函数的自适应权重,以改善算法的局部和全局搜索能力。将改进算法在8个测试函数上进行仿真实验,并与不同的群智能算法进行了比较。结果表明,改进算法具有更好的全局和局部搜索性能以及更高的搜索精度。     

5G切片架构下具有重传机制的轮询系统研究

面对海量应用场景及客户需求,传统的轮询系统方案不能满足轮询系统中每个站点所需要的服务质量要求。为降低系统时延,适应更大的网络规模,提出基于5G网络切片的轮询方案。将5G网络切片划分为增强型移动带宽切片、海量机器通信切片和高可靠低时延通信切片,再将这3类切片各自划分出N个更低层子切片,构建3个独立的具有重传机制的完全服务轮询模型。信息分组按照先进先出的规则进入各子切片,由通用服务器进行统一发送。在此基础上,采用概率母函数及马尔可夫链建立非理想信道环境下基于5G网络切片架构的轮询系统数学模型,推导系统平均排队队长和平均等待时间的精确表达式,进行信息分组出错概率和重传阈值与轮询系统性能之间的定量关系分析。基于Matlab的仿真实验结果证明了该模型的正确性,其较重传门限服务时延更少,能够为非理想信道环境下基于5G网络切片架构的轮询系统分析提供一种快速评估机制。     

不完全信息下基于多代理深度确定策略梯度算法的发电商竞价策略EI北大核心CSCD

在电力现货市场中,发电商竞价行为受多种因素综合影响,且由于信息受限无法做出最优决策,难以实现自身收益最大化。将发电商竞价决策行为建模为马尔科夫博弈过程,提出了基于多代理模型的发电商日前市场竞价模型,应用多代理深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法,分别在IEEE-3节点算例和IEEE-30节点算例模拟发电侧竞价行为。算例分析表明,所提模型通信开销低、训练结果良好,可以在不完全信息条件下提高发电商收益,并实现发电侧报价的激励相容。     

连续时间两级完全轮询接入MAC协议分析

针对物联网中优先级业务和实时性的需求,提出一种连续时间两级完全轮询接入MAC协议。在连续时间的基础上,将用户划分为优先级用户和普通用户,采用完全服务规则对用户提供服务来降低平均等待时延。当优先级用户向普通用户切换时,将服务时间和切换时间并行处理来提高系统的服务效率。使用随机过程和概率母函数的方法建立数学模型,对该协议用户的平均排队队长和平均等待时延进行了精确解析,并通过仿真实验验证。实验结果表明,理论值与实验值一致,该协议能对不同优先级的业务进行区分,用户的平均等待时延较低。     

基于图像增强与改进Cascade R-CNN的钢轨表面缺陷检测

针对钢轨表面缺陷检测中,钢轨表面图像存在背景不均匀、缺陷尺度变化大且样本数据不足的问题,提出一种基于图像增强与改进Cascade R-CNN的钢轨表面缺陷检测方法.首先,采用改进Retinex算法处理钢轨表面图像,增强缺陷与背景的对比度.然后,采用改进Cascade R-CNN对钢轨表面缺陷进行检测,并应用交并比(IoU)平衡采样、感兴趣区域对齐和完全交并比(CIoU)损失分别解决训练样本IoU分布与困难样本IoU分布不平衡、感兴趣区域池化中取整量化导致的感兴趣区域与提取的特征图不匹配和回归损失Smooth L1对于预测边框回归不准确的问题.最后,采用翻转变换、随机剪裁、亮度变换和生成对抗网络等方法增广钢轨表面缺陷图像数据集,消除样本数据不足导致的网络训练过拟合现象.实验结果表明,该方法以ResNet-50作为特征提取器,平均精度可达98.75％,相对于未改进的Cascade R-CNN提高了2.52％,且检测时间缩短了24.2 ms.