满足帕累托最优的多目标云工作流调度算法

为了同步考虑用户的任务QoS需求和云资源提供方的收益,提出一种云环境中满足帕累托最优的多目标最优化DAG(Directed Acyclic Graph)粒子群算法MODPSO(Multi-objective DAG Particle Swarm Optimization)。综合考虑任务执行跨度、执行代价与执行能耗的三目标同步最优化,设计基于DVFS的离散PSO调度优化方法。重新定义PSO的种群粒子进化过程和更新规则,进而得到多目标优化工作流调度解。通过人工合成工作流和现实科学工作流进行仿真测试,并对算法性能进行分析。结果表明,该算法可以通过非支配集的方式实现冲突多目标的调度优化求解。在满足用户QoS的同时,得到最优解的Pareto边界集,实现调度性能与系统能耗的均衡。     

地方高校教学团队建设探索

地方高校教学团队建设是提高教学质量重要的措施。高水平的学术带头人、团队建设的长期性和多样性、适宜的团队规模、创新管理模式及科学的考核评价体系是教学团队建设的外部环境保证。共同的团队目标和和谐的团队文化是团队内涵建设的重要方面。     

基于ACIS几何平台的CAD软件开发的研究

计算机辅助设计(CAD)是近30年来迅速发展起来的新技术,是现代制造技术的重要组成部分.CAD技术的应用和发展,从根本上改变着传统的产品设计和制造模式,引起了产品设计和制造方式的根本性变革.其中数控加工编程技术是最能带来明显生产效益的环节.本文以工程应用为背景深入研究了基于ACIS几何平台的CAD系统开发的相关技术.     

基于点线投影模型与几何误差制约规则的图像匹配算法

当前较多图像匹配算法主要通过求取Haar小波的方法获取特征描述符进而完成图像匹配,忽略了特征点对应邻点的投影特性,当匹配图像之间存在旋转、缩放等变换时,易导致匹配图像中存在较多的错误匹配以及漏匹配等不足。对此,提出了一种基于点线投影模型耦合几何误差制约规则的图像匹配算法。首先,引入FAST算法用于准确、快速的检测图像的特征点。然后,利用像素点对应的梯度值构建点线投影模型,用以获取特征点的主方向。以特征点为原点构建极坐标,将特征点邻域进行区域分割,通过联合分割区域中的分布直方图以求取特征向量,从而形成特征描述符。最后,利用Euclidean模型求取特征点的最近邻与次近邻之比,完成特征点匹配。利用匹配特征点之间的映射关系,构造几何误差模型对特征点集的误差进行度量,根据度量结果构建几何误差制约规则,对匹配特征点进行优化,实现图像匹配。实验结果表明,与当前图像匹配算法相比,算法不仅具有较高的匹配精度,而且还具有较好的鲁棒性能。     

基于中智理论与方向α-均值的图像边缘检测算法

为了提高边缘检测算法对目标边缘细节的保持能力和降低噪声导致的伪边缘等问题,设计了一种基于中智理论与方向α-均值的边缘检测方案。首先,基于中智理论,将图像转换为中智图像,通过真实性、不确定性和虚假性3个要素来表示中智图像,提高了噪声等不确定性信息的表达能力;然后,为了有效地去除了噪声并保持边缘细节,计算中智图像像素的方向掩模,并通过方向平均函数定义了一种方向α-均值算子,并利用生成的方向α-均值算法对图像进行各向异性滤波;最后,构建了一种迭代方程,通过判断梯度的阈值来确定图像像素是否为边缘像素,从而完成边缘检测。实验表明,与当前流行的边缘检测算法比较,所提方法能够更为准确地检测出目标边缘,在不同噪声水平干扰下,其检测结果中所含的伪边缘与不连续边缘信息更少。     

一种高能效传感网路由控制算法

针对传感网络中节点能耗高的问题,提出了一种基于层次的多跳非均匀分簇路由算法UCER.该算法通过计算各层次中节点的平均剩余能量,挑选剩余能量高于层次平均能量的节点形成候选簇头集合,根据不同层次中候选簇头竞争半径的不同,在局部层次范围内竞争正式簇头,并建立非均匀簇结构.结果表明,与同类型分簇算法相比,UCER可以产生更加合理的簇头数量和簇头间距,并较好地均衡了各个簇及簇头的能耗,延长13. 4%的网络生存时间.     

基于融合鲁棒特征与多维尺度变换的紧凑图像哈希算法

目的为了增强哈希序列对任意旋转角度的鲁棒性与识别能力,提出一种基于融合鲁棒特征与多维尺度变换的紧凑图像哈希算法。方法首先,利用双线性插值来固定图像的哈希序列长度,获取规则尺寸的图像;借助高斯低通滤波对规则图像完成过滤操作,消除噪声污染和插值误差对哈希生成的影响;将滤波图像转换到YCbCr颜色空间,提取亮度Y分量,增强哈希对亮度调整的鲁棒性;利用极坐标变换LPT方法处理亮度Y分量,输出二次图像;引入SVD机制来分解二次图像,获取其抗旋转的鲁棒特征;同时,根据Fourier变换与残差机制,获取Y分量的局部显著特征;随后,将这2种特征组合,形成融合鲁棒特征,将其视为中间哈希序列;引入多维尺度变换,对中间哈希序列完成压缩,获取紧凑哈希;基于Logistic映射,完成紧凑哈希序列的加密,形成目标哈希;通过计算真实图像与待认证图像之间哈希序列对应的Hamming距离,根据预设阈值,完成图像识别。结果测试数据表明,较已有的哈希方案而言,所提方案拥有更高的鲁棒性和更紧凑的哈希长度,呈现出更为理想的ROC曲线,在多种攻击下,其稳定的正确识别率保持在96%以上。结论所提哈希方案拥有良好的鲁棒性与敏感性,在包装图标检索、信息水印等行业具备较好的应用价值。     

非计算机专业数据库应用课程教学中若干问题研究

数据库课程在非计算机类专业人才培养体系中有着非常重要的位置,本文就数据库课程教学中存在的几个问题进行了探讨,并提出解决方法,有效地提高了教学效果与学习效率。     

基于LE和DBN算法的轴承故障信号特征提取及诊断

为了提高机械传动系统的运行稳定性,提出了一种基于半监督拉普拉斯特征映射(semisupervised laplacian eigenmap, SLE)和深度置信网络(deep belief network, DBN)算法的故障信号特征提取方法。选择SLE算法提取高维振动信号的流形参数,在DBN内输入流形学习数据实现特征数据二次挖掘的过程,完成不同故障的分类。研究结果表明:采用SLE-DBN模型进行处理时达到了比其余模型更优性能。采用SLE算法可以显著缩短SLE-DBN组合模型运算时间。训练集样本进行识别得到的准确率接近100%,表明模型能够对训练数据起到良好的拟合效果。SLE算法相对MCA与PCA算法表现出了更优特征提取性能,当设置合适参数时可以获得近100%的准确率。当有标签样本数量介于60～120时,DBN网络相对CNN网络表现出了更优分类性能。SLE-DBN模型对于别轴承故障诊断方面都达到了理想分类精度以及实现快速识别的要求。