基于排队论综合指标评估的动态负载均衡算法

互联网通信、计算机集群和云环境均具有一定的复杂性和动态性,极易发生负载失衡,从而降低服务效率、增加能耗。因此,负载均衡技术成为重点研究课题。现有的负载均衡策略均是以 CPU、内存、进程等参数的占用率来评估服务器当前的负载情况,但服务器负载情况的复杂性往往使其难以得到准确评估。针对该问题,提出了一种基于排队论综合指标评估的动态负载均衡算法,首先引入排队论模型评估各服务器的实时负载情况,然后根据各服务器的负载综合指标,将输入队列中的任务逐一分配给各服务器。实验结果表明,该方法可有效平衡各服务器的负载且减少任务请求的平均等待时间。     

静物之美——浅谈静物摄影心得

小仙：看到那些精美的静物创意图片，很多朋友都望洋兴叹般地问：拍静物一定很困难吧？其实不然，摄友陆志华就是在家里利用简单的灯光设备，拍出了很多精彩的图片，下面就让他给大家讲讲静物拍摄的心得体会吧。     

松花江哈尔滨段河道内生态需水研究

随着社会经济的发展,人与自然的冲突加剧,生态环境问题日益突出,水与生态系统研究成为普遍关注的热点。以松花江哈尔滨段为例,基于哈尔滨水文站1898～1987年实测逐日流量资料,运用次最小(大)值、频率排位法和四种适宜生态径流计算方法分别计算研究区河道逐月最小(大)生态需水量和适宜生态需水量,并采用Tennant法对计算结果进行评价和对比。结果表明,频率排位法更适合研究区最大(小)生态需水计算,四种逐月频率法计算的逐月适宜生态径流过程评价效果较理想,年内各月保证率均取50%的计算结果更适合适宜生态需水计算。     

基于卷积编解码器和门控循环单元的语音分离算法

在大部分基于深度学习的语音分离和语音增强算法中,把傅里叶变换后的频谱特征作为神经网络的输入特征,并未考虑到语音信号中的相位信息。然而过去的一些研究表明,尤其是在低信噪比（SNR）条件下,相位信息对于提高语音质量是必不可少的。针对这个问题,提出了一种基于卷积编解码器网络和门控循环单元（CED-GRU）的语音分离算法。首先,利用原始波形既包含幅值信息也包含相位信息的特点,在输入端以混合语音信号的原始波形作为输入特征;其次,通过结合卷积编解码器（CED）网络和门控循环单元（GRU）网络,可以有效解决语音信号中存在的时序问题。提出的改进算法在男性和男性、男性和女性、女性和女性的语音质量的感知评价（PESQ）和短时目标可懂度（STOI）方面,与基于排列不变训练（PIT）算法、基于深度聚类（DC）算法、基于深度吸引网络（DAN）算法相比,分别提高了1.16和0.29、1.37和0.27、1.08和0.3;0.87和0.21、1.11和0.22、0.81和0.24;0.64和0.24、1.01和0.34、0.73和0.29个百分点。实验结果表明,基于CED-GRU的语音分离系统在实际应用中具有较大的价值。     

太湖流域治水实践回顾与思考

系统治理和综合治理是流域治理中至关重要的思想,是解决流域性水问题的有效方法论。太湖流域因湖得名、因水而兴,在我国经济社会发展中占有举足轻重的地位。流域治水始终围绕兴水利、除水害、保发展、惠民生,先驱们为之进行了长期艰苦的实践与探索,逐渐形成了系统治理和综合治理的治水思想,并成为流域各地治水的重要遵循,未来也将不断传承与发展。新世纪以来,太湖流域防洪减灾、水资源配置、水生态环境改善三位一体的综合治理工程布局逐步完善,初步形成了流域的治理与管理框架,造就了江南水乡的繁荣昌盛。在气候变化与快速城镇化背景下,太湖流域全方位水安全保障也不断面临新的压力与挑战。本文系统总结太湖流域治水历程、治水思想、治水现状,分析新时期流域治水需要解决的关键技术,探讨未来流域治水方向,为进一步建设美丽幸福太湖提供借鉴。     

水工混凝土建筑物补强加固技术综述

对水工混凝土建筑物补强加固中缺陷的成因、加固材料的分类、加固处理技术的分类及应用进行了综述介绍,对加固理论和已有的规范、规程做了归类介绍,并对加固技术进行了展望.     

基于拟合型弱分类器的AdaBoost算法

针对AdaBoost算法通过最小化训练错误率来选择弱分类器造成的精度不佳问题以及单阈值作为弱分类器训练过程较慢难以收敛问题,提出了一种基于拟合型弱分类器的AdaBoost算法。首先针对每个特征,在特征值与标记值之间建立映射关系,引入最小二乘法求解拟合多项式函数,并转换成离散分类值,从而获得弱分类器。其次从获得的众多弱分类器中,选择分类误差最小的弱分类器作为本轮迭代的最佳弱分类器,构成新的 AdaBoost 强分类器。与传统训练算法相比,极大地减少了待选弱分类器的个数。选取 UCI 数据集和MIT人脸图像数据库进行实验验证,相较于传统Discrete-AdaBoost算法,改进算法的训练速度提升了一个数量级,人脸检测率可达96.59%。     

基于双麦克风的室内语音分离与声源定位系统

为了探究利用两个麦克风进行多声源分离和二维平面定位的可能性,提出了一种基于双麦克风的室内语音分离与声源定位系统。该系统根据麦克风采集的信号,建立了双麦克风时延-衰减模型,然后利用DUET算法估计了模型的时延-衰减参数,并绘制了参数直方图。在语音分离阶段,建立了二进制时频掩膜（BTFM）,根据参数直方图,结合二值掩蔽的方法对混合语音进行了分离;在声源定位阶段,通过推导模型衰减参数与信号能量比之间的关系,得到了确定声源位置的数学方程组。利用Roomsimove工具箱模拟室内声学环境,通过Matlab仿真和几何坐标计算,在对多个声源目标分离的同时完成了二维平面中的定位。实验结果表明,该系统对多个声源信号的定位误差均在2%以下,有助于小型系统的研究和开发。