云环境下基于DPSO的任务调度算法

针对云计算任务调度问题,结合粒子群优化(PSO)算法的种群个体协作和信息共享特点,提出一种基于离散粒子群优化(DPSO)的任务调度算法。采用随机方法生成初始种群,利用时变方式调整惯性权重,并在位置更新中使用绝对值取整求余映射法进行合法化处理,提高PSO算法的离散化程度。搭建并重新编译了CloudSim云计算仿真平台进行实验,结果显示,当迭代次数为200时,DPSO、PSO、GA算法的所有任务最终调度时间分别为457.69 s、467.90 s、472.41 s,从而证明DPSO算法能够有效解决云计算环境下的任务调度问题,并且算法收敛速度优于PSO和GA算法。     

时间约束下的应急物流车辆调配模型及算法研究

应急物流车辆调配是一个非常重要而实际的研究课题,调配的首要条件是满足时间要求下的总费用最低。建立了满足应急时间约束下系统总费用最小的数学模型,采用一种新的基于模式搜索的变尺度混沌粒子群算法对其进行优化。算例通过与遗传算法和标准粒子群优化算法相比较,得出该算法具有更好的寻优速度和寻优效率,从而证明了提出的方法的可行性和有效性。     

异结构神经元模型的同步及应用

针对两个结构不同的神经元模型的混沌同步问题,文章分别研究了FitzHugh-Nagumo和Morris-Lecar神经元的动力学行为,根据Lyapunov稳定性理论,采用投影同步的方法设计了控制器,通过控制器实现了两个结构不同的神经元模型的混沌同步,并将所设计的神经元同步系统应用到了混沌保密通信中,进行了仿真实验,仿真结果表明,其在保密通信中具有有效性和可靠性。     

基于双“8”字型光纤谐振环的全光纤三端口Interleaver

为改善全光纤三端口Interleaver的输出特性,提出了一种基于双“8”字型光纤谐振环的对称结构三端口全光纤Interleaver.该谐振环由一个一字型3×3单模光纤耦合器和两个2×2单模光纤耦合器组成双“8”字型作为输入耦合器,而一个品字型3×3单模光纤耦合器作为输出耦合器.理论和实验分析了该波长交错器的输出特性,结果表明:与两级级联马赫-曾德尔干涉仪型(TCMZI)全光纤三端口Interleaver相比,其输出波形通带更加平坦,通带和阻带加宽,信道间功率旁瓣降低了约24 dB.通过实验用光纤熔融拉锥法制作了该器件,结果显示实验结果与理论分析吻合得很好,实验样品的信道间旁瓣值小于-30 dB,信道隔离度大于30 dB.     

基于深度学习的视频目标检测综述

视频目标检测是为了解决每一个视频帧中出现的目标如何进行定位和识别的问题.相比于图像目标检测,视频具有高冗余度的特性,其中包含了大量的时空局部信息.随着深度卷积神经网络在静态图像目标检测领域的迅速普及,在性能上相较于传统方法显示出了非常大的优越性,并逐步在基于视频的目标检测任务上也发挥了应有的作用.但现有的视频目标检测算法仍然面临改进与优化主流目标检测算法的性能、保持视频序列的时空一致性、检测模型轻量化等关键技术的挑战.针对上述问题和挑战,在调研大量文献的基础上系统地对基于深度学习的视频目标检测算法进行了总结.从基于光流、检测等基础方法对这些算法进行了分类,从骨干网络、算法结构、数据集等角度细致探究了这些方法.结合在ImageNet VID等数据集上的实验结果,分析了该领域具有代表性算法的性能优势和劣势,以及算法之间存在的联系.对视频目标检测中待解决的问题与未来研究方向进行了阐述和展望.视频目标检测已成为众多的计算机视觉领域学者追逐的热点,将来会有更加高效、精度更高的算法被相继提出,其发展方向也会越来越好.     

基于注意力和卷积特征重排的图像修复

近年来,基于UNet与GAN（生成对抗网络）的深度学习网络模型在图像修复领域展现出了独特的优势,但是修复结果中仍然存在伪影、模糊、纹理细节退化、对于大面积破损难以修复、修复后的孔洞与背景图像不相容等现象。为了解决现有模型对大面积破损图像修复不友好以及修复后的图像存在退化现象等问题,通过对现有方法进行研究,改进了Shift-UNet（移位网络）模型：在UNet与GAN的基础上,在每一层编码器和解码器之间增加了改进之后的注意力机制Attention-UNet并融入shift-UNet,形成Attention-Shift-UNet;并且通过研究,将原来下采样部分的激活函数由Leaky_ReLU改为了SiLU函数。改进模型不仅在64×64的中心遮罩上取得了较好的效果,还实现了随机遮罩,遮罩面积由20%增加到80%。通过实验结果证明,该模型的修复效果更优,特别是针对大面积破损图像的修复。在CelebA、ParisArchitecture以及Paris Streetview数据集上经过测试,各评价指标都有明显的提高,其中结构相似性（SSIM）由原来的0.944 5提高到0.947 1,峰值信噪比（PSNR）由原来的27.992 7提高到28.553 6,L2损失由原来的0.001 7降低到0.001 5。     

混合规划在解可交互多层决策问题中的应用

在同一个决策系统中的决策者有着一定的等级结构,由于决策者处于不同等级层,因此其追求的决策目标不同,且相邻两层之间的决策者制定的决策目标相互影响,提出了使用混合规划方法解可交互的多层决策问题.根据每层的决策函数设定该层决策者的模糊目标值和最小满意度值,然后根据模糊目标值的可信度调整上层决策者的满意度值,通过相邻两层决策者之间满意度值的交互使各决策层的决策者得到一个有效解,最后通过一个三层0-1规划的例子用改进的遗传算法表明了提出方法的可行性.     

基于RGB色彩平衡方法的沙尘降质图像增强

针对沙尘环境下室外图像存在的色差,低对比度以及低清晰度的问题,提出一种基于RGB色彩平衡方法的沙尘降质图像增强算法,该算法主要包括色彩校正、对比度提升两个任务。针对沙尘图像色彩分布的特殊性以及灰色世界算法的启示,提出了保持颜色分量均值的RGB色彩平衡方法（RGBCbm）,使得RGB三通道分量根据颜色分量的均值进行拉伸,有效去除了图像中沙尘造成的色幕问题,进一步采用带色彩恢复的多尺度视网膜增强算法提高色彩校正结果;利用相对全局直方图拉伸算法结合Lab颜色模型对图像的对比度、色彩以及明亮度进行最后的增强和校正。对实验数据进行测试,结果表明,该算法可以有效解决各类沙尘降质图像的色差问题,并在提高图像色彩丰富性和对比度的同时增强图像细节的清晰度。与其他先进算法相比,水下图像质量指数和图像对比度指数分别达到了0.602和0.994,分别提高了0.140和0.018。     

基于改进型时间分段网络的视频异常检测

视频异常检测是计算机视觉领域的一个重要研究课题,广泛应用于道路监控、异常事件监测等方面。考虑到异常行为的外观、运动特征与正常行为存在明显差异,提出一种改进型时间分段网络,利用该网络学习视频中的外观和运动信息,从而对视频异常行为进行预测。为了提取更多的视频信息,将RGB图和RGB帧差图相融合作为输入,以提取RGB图中的外观信息并通过RGB帧差图获得更有效的运动特征。将卷积注意力机制模块加入到时间分段网络模型中,从空间和通道2个不同的维度学习注意力图,利用学习到的注意力权重区分异常和正常的视频片段,同时运用焦点损失函数降低大量简单负样本在训练过程中所占的权重,使得模型更专注于难分类的样本,从而解决视频异常检测中正负样本比例不平衡的问题。实验结果表明,改进型时间分段网络在UCF-Crime和CUHK Avenue数据集上的AUC值分别达到77.6%和83.3%,检测性能优于基准方法TSN（RGB流）以及ISTL、3D-ConvAE等方法。     

带时间窗的多车场车辆路径优化的粒子群算法

带时间窗的多车场车辆路径问题在基本车辆路径问题的基础上增加了“多车场”与“时间窗”两个约束条件,是一个典型的NP难解问题。将粒子群算法应用于带时间窗的多车场车辆路径优化问题,构造了一种适用于求解车辆路径问题的粒子编码方法,建立了相应的数学模型,在此基础上设计了相应的算法。算例通过和遗传算法、蚁群算法进行比较,证明了其搜索速度和寻优能力的优越性。