融合标签预处理与节点影响力的重叠社区发现算法

针对节点初始标签散乱及标签传播随机性大的问题,提出一种融合标签预处理与节点影响力的重叠社区发现算法。首先,计算节点影响力,逐步选择影响力值最大的节点作为中心节点;然后,用中心节点的标签对同质的邻居节点进行标签预处理,减少了初始标签数量,降低了后续标签传播的随机性,并初步识别出了重叠节点;其次,通过标签隶属系数识别重叠节点,用节点影响力值选择非重叠节点标签,提高了算法的稳定性和准确性;最后,以最大化自适应函数增量为目标,对内聚度弱的社区进行合并,提高了社区质量。仿真实验结果表明：对于六个真实网络,所提算法在50%的数据集上具有最大的扩展模块度值;而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上,该算法在标准化互信息（NMI）指标上都具有最好的性能。综上所述,该算法对各类网络都具有较好的适应性,且具有接近线性的时间复杂度。     

融合整体与局部信息的武夷岩茶叶片分类方法

针对武夷岩茶鲜茶叶叶片图像分类问题,提出一种融合整体与局部信息的分类方法。该方法使用两分支并行结构构建了一个整体与局部信息融合的卷积神经网络模型。实验表明,在9个品种共计7330张武夷岩茶鲜茶叶叶片图像数据集上,基于ResNet18构造的两分支并行卷积神经网络模型的分类准确率为96.68%,超过了其他CNN模型的分类准确率。这表明通过融合全局信息、边缘形状信息和纹理局部信息能有效提高分类准确率。     

一种用于脸部特征检测的分层概率模型研究

脸部特征检测问题是计算机视觉领域的研究热点。因为脸部外观和形态随着条件的变化而变化,因此面部特征检测比较复杂。针对现有脸部特征检测算法的不足,提出一种已知图像测量数据后能够推断出真实脸部特征位置的分层概率模型。针对每个脸部子部位的局部形态变化进行间接建模;通过搜索模型的最优结构和参数设置,在更高层次上学习脸部子部位、脸部表情和姿态间的联合关系。该模型综合利用了脸部子部位自下而上的形态约束以及脸部子部位间自上而下的关系约束来推断出脸部特征的真实位置。利用基准数据库进行了仿真实验。实验结果表明,该方法的检测性能要明显优于目前最新的人脸特征检测算法。     

基于优化BP神经网络的物理量回归方法

在物联网实际应用系统的开发中,传统回归方法面对A/D转换物理量回归时存在表达方式不统一、非线性校正能力及动态适应性弱等问题。文中在分析A/D转换物理量回归要素的基础上,依据BP神经网络的非线性映射能力,提出了利用布谷鸟算法进行优化的BP神经网络,并利用其实现统一数学表达的A/D转换物理量回归方法。实践表明,该方法具有数学公式统一、非线性校正能力及动态适应性强等特点。该方法既适用于利用通信方式将A/D采集的数据直接送至PC机处理的物联网系统,也适用于利用PC机进行学习,将神经网络结构参数存储于MCU内的Flash中,在物联网终端直接将A/D值转为实际物理量的环境。     

超宽带系统的HDP-HMM-MTCS稀疏信道估计算法

给定超宽带（Ultra Wide-Band,UWB）信道的稀疏结构,利用压缩感知（Compressive Sensing,CS）进行UWB信道估计.作为CS实现的多任务CS（Muti-Task Compressive Sensing,MTCS）算法进行信号重建.信号参数和数据共享可以使用伽马-高斯先验来求解.在本文中,层次结构Dirichle进程（Hierarchy Dirichle Processing,HDP）提供了HDP的树结构,用于解决跨多个任务的数据共享问题.我们研究UWB通信的隐马尔可夫模型（Hidden Markov Model,HMM）HDP多任务CS（Hierarchy Dirichlet Processing Hidden Markov Model based Muti-Task Compressive Sensing,HDP-HMM-MTCS）的信道估计性能.首先,在视距（Line-Of-Sight,LOS）和非视距（Non-Line-Of-Sight,NLOS）环境下的标准化IEEE 802.15.4a信道的稀疏信道结构估计.其次,CS比率（CS Rate,CSR）对HDP-HMM-MTCS信道估计性能的影响.最后,利用SNR（Signal-to-Noise Ratio）,并将其与MTCS,STCS（Simple-Task Compressive sensing）,OMP（Orthogonal Matching Pursuit）,L1magic算法以及新的算法如改进的贝叶斯压缩感知（Bayesian Compressive Sensing,BCS）算法,多经字典自适应算法BCS和特征字典自适应算法BCS的信道估计比较时间复杂性.仿真结果表明,无论LOS和NLOS环境如何,HDP-HMM-MTCS具有最小可执行时间,其信道估计性能优于MTCS和其他算法.因此,HDP-HMM-MTCS是用于稀疏信道模式的有效且高效的UWB信道估计方法.     

融合标签预处理与节点影响力的重叠社区发现算法

针对节点初始标签散乱及标签传播随机性大的问题，提出一种融合标签预处理与节点影响力的重叠社区发现算法。首先，计算节点影响力，逐步选择影响力值最大的节点作为中心节点；然后，用中心节点的标签对同质的邻居节点进行标签预处理，减少了初始标签数量，降低了后续标签传播的随机性，并初步识别出了重叠节点；其次，通过标签隶属系数识别重叠节点，用节点影响力值选择非重叠节点标签，提高了算法的稳定性和准确性；最后，以最大化自适应函数增量为目标，对内聚度弱的社区进行合并，提高了社区质量。仿真实验结果表明：对于六个真实网络，所提算法在50%的数据集上具有最大的扩展模块度值；而在不同混合度、节点重叠度和节点最大归属社区数的人工基准网络上，该算法在标准化互信息（NMI）指标上都具有最好的性能。综上所述，该算法对各类网络都具有较好的适应性，且具有接近线性的时间复杂度。     

A novel scheme for image sharpness using inflection points

It is useful to increase the sharpness in medical images. This improvement can help medical diagnoses and treatment outcomes for patients. Noise overshoot and oversharpening effects are common artifacts of conventional sharpening algorithms. In this work, we propose an adaptive sharpness algorithm that achieves better sharpening effects than standard methods. As the pixel value changes abruptly at an edge, a method that adequately emphasized sudden variations in pixel values is effective for use in the sharpening process. Measurement of the gradient norm value of each pixel is calculated and compared to a threshold value to produce a curve. The curve quickly drops at the initial stage and then decreased more slowly for higher norm values. To distinguish the edge, an inflection point is determined by taking the second derivative of the curve and identifying the turnover point (where the curvature changes sign). Norm values higher than the inflection point are identified as belonging to the edge, and a simple sharpness filter is adaptively applied to these points. The proposed approach yielded better results than global filtering and a conventional unsharp masking approach when evaluated using Pratt's figure of merit.     

基于网络社区发现的标签传播聚类算法

高维数据的聚类特性通常难以直接观测. 将其构建为复杂网络, 节点间的拓扑结构可以反映样本之间的关系. 对网络中的节点进行社区发现, 可实现对数据更直观的聚类. 提出一种基于网络社区发现的低随机性标签传播聚类算法. 首先, 用半径和最近邻方法将数据集构建为稀疏的全连通网络. 之后, 根据节点相似度进行节点标签预处理, 使得相似的节点具有相同的标签. 用节点的影响力值改进标签传播过程, 降低标签选择的随机性. 最后, 基于内聚度进行社区的优化合并, 提高社区的质量. 在真实数据集和人工数据集上的实验结果表明, 该算法对各种类型的数据都具有较好的适应性.     

实时操作系统mbedOS启动流程剖析

mbedOS是ARM公司于2014年开始推出的一款面向智能终端与物联网节点的实时操作系统,它提供了线程管理与调度、内存管理、时钟管理、队列管理等基本功能要素。在深入分析mbedOS的功能要素和函数调用关系的基础上,简要给出了KL36芯片的启动流程,重点剖析了mbedOS堆栈的设置、中断向量表的重定向、内核的初始化、主线程的创建以及内核的启动,最后对mbedOS启动过程中存储使用情况进行了分析,为mbedOS在不同微控制器上的移植提供了技术基础,也可为分析其他RTOS的启动提供参考。     

GEC架构下RTOS对外接口函数重映射机制

实时操作系统(RTOS)是嵌入式人工智能与物联网终端中重要工具, 不同的机构开发的RTOS其实时性、调度规则、任务间通信机制等稍有差异, 但基本要素相同. 基于通用嵌入式计算机(GEC)架构研究了RTOS在BIOS驻留方法及对外接口函数重映射机制, 以NXP的KL36芯片为例给出了mbedOS在BIOS中的驻留实现, 并给出对外接口函数重映射实例. 实践表明RTOS驻留在BIOS中, 不仅缩短了编译链接时间, 同时通过对外接口函数的重映射, 简化了对RTOS调度机制的理解, 降低了编程难度, 为有效地实现不同RTOS下应用程序的可移植性提供了技术基础.