多重H—分裂并行AOR算法

在Frommer A．和Szyld D．B．提出的H-分裂的基础上，进一步讨论了矩阵的H-分裂，对传统求解线性方程组Ax＝b的AOR算法进行改进，利用并行思想构造去研究了并行多分裂AOR算法，建立了相应的收敛性理论。该算法把大型问题进行分解，对各子问题并行求解，与已有算法相比较，具有计算速度快、计算量小等特点，因而特别适合于求解大规模问题。数值实验的结果说明了这种算法的有效性。     

基于计算机视觉的排爆机器人半智能作业模式

为提高排爆机器人的智能性和易操作性,提出了排爆机器人的两种半智能作业模式:基于计算机视觉的目标物自动抓取模式和联动操作模式.在基于视觉的目标物自动抓取模式中,操作者只需在传回的现场图像中标出目标物,机械手臂就能自动抓取;在联动操作模式中,操作者能对机械手臂进行"整体"的联动控制,控制机械手臂的手爪的各个方向运动,很方便地抓取目标物。抓取实验表明,这能提高机器人的智能性和易操作性,及作业的抓取精度.最后,对误差的各种原因进行了分析。     

数据库应用与开发(C#)课程的教学做一体化研究与实践

通过对印度软件人才培养模式进行深入研究的基础上,借鉴北大青鸟专业培养机构的人才培养思想和教材特点,以案例为核心,以项目驱动为主线,由浅入深的展开教学内容。摸索出“教、学、做”一体化的教学模式,从学习目标出发,以一个典型案例为依托,循序渐进、目标明确的组织各知识点的学习。阐述了“教、学、做”一体化教学模式的内涵和教学过程中一些具体的实施方法与注意事项。     

线性互补问题的二级多重分裂并行算法

运用二级迭代方法与矩阵多重分裂理论,同时考虑并行计算,提出了求解线性互补问题的二级多重分裂并行算法。在一定条件下证明了算法的收敛性,分析了算法的收敛速度。该算法与已有算法相比,具有计算量小、计算速度快等特点,因而特别适于求解大规模问题。数值结果表明,该算法是十分有效的。     

基于计算机双目立体视觉的排爆机器人自动抓取的研究和实现

研究和开发一个双目视觉系统用于智能排爆机器人的自动控制。该系统利用计算机双目视觉原理,采用Matlab 7作为运算引擎,调用机器视觉软件eVision 6.2进行立体匹配,实时捕获图像,进行摄像机标定、图像预处理和匹配,确定可疑目标物的坐标,把图像实时显示在控制台,并通过xPC目标系统实现该机器人实时控制系统,自动控制手臂靠近并准确抓取可疑目标物。排爆机器人的抓取实验表明,该双目立体视觉系统在精度上能满足排爆要求。     

虚拟机资源概率配置的云计算SEFFD算法

摘要：为增强虚拟机资源分配过程性能,有效解决云计算环境下虚拟资源分配的NP hard问题,利用模拟进化算法结合首次下降算法构建虚拟资源分配优化过程（SEFFD）。首先,构建全新的虚拟资源分配的评估方式,并结合模拟进化过程较强的算法寻优爬坡效果,采用迭代方式实现虚拟资源分配过程的个体选择、评估以及排序进化;其次,以模拟进化（SE）过程所获得资源分配结果为基础,结合首次下降（FFD）算法准则,实现物理主机及虚拟机资源的二次分配,从而获得资源分配效果和效率的同步提升;最后,利用CloundSim及Gridbus云计算仿真平台对算法性能进行对比测试,实验结果表明所提策略的内存利用率高于60%,处理器利用率大于55%,可有效减少所需物理主机数量,从而降低能耗。     

逆向学习耦合多属性查询的图像排序/检索优化算法研究

目的提出逆向学习耦合多属性查询的图像同步排序/检索优化算法,以解决当前算法检索效率与精度不高等问题。方法引入逆向学习概念,利用复杂无损函数,设计图像检索机制,优化训练误差。考虑查询项属性相关性,将训练图像分割成多个子集,联合权重因子,构造图像排序模型。对于给定的多属性查询,文中算法可以利用查询项中隐含的单词属性完成检索。结果文中算法支持多标记查询,与当前图像排序搜索机制相比,在多属性查询条件下,文中算法具有更高的检索精度(当查全率为80%时,精度较对照组分别提高了8.3%和13.2%)与效率。结论文中算法能够支持多属性查询,能进一步增加检索精度。     

多重H-分裂并行AOR算法

在FrommerA.和SzyldD.B.提出的H-分裂的基础上,进一步讨论了矩阵的H-分裂,对传统求解线性方程组Ax=b的AOR算法进行改进,利用并行思想构造去研究了并行多分裂AOR算法,建立了相应的收敛性理论。该算法把大型问题进行分解,对各子问题并行求解,与已有算法相比较,具有计算速度快、计算量小等特点,因而特别适合于求解大规模问题。数值实验的结果说明了这种算法的有效性。     

非线性互补问题的并行多分裂松弛迭代算法

运用矩阵多重分裂理论，同时考虑并行计算与松弛迭代法，得到求解一类非线性互补问题的高效数值算法。当问题的系数矩阵为对角元为正的I-I一矩阵时，证明了算法的全局收敛性。该算法把大规模问题分解为规模比较小的子问题，再对各子问题并行求解，与已有算法相比较，具有计算量小、计算速度快等特点，因而特别适于求解大规模问题。