基于动态赋权近邻传播的数据增量采样方法

数据采样是快速提取大规模数据集中有用信息的重要手段,为更好地应对越来越大规模的数据高效处理要求,借助近邻传播算法的优异性能,通过引入分层增量处理和样本点动态赋权策略,实现了一种能够非常有效地平衡处理效率和采样质量的新方法.其中的分层增量处理策略考虑将原始的大规模数据集进行分批处理后再综合;而样本点动态赋权则考虑在近邻传播过程中对样本点进行合理的动态赋权,以获得采样的数据空间上更好的全局一致性.实验中,分别使用人工数据集、UCI标准数据集和图像数据集进行性能分析,结果表明：新方法与现有相关方法在采样划分质量上可达到同等水平,而计算效率则可实现大幅提升.进一步将新方法应用于深度学习的数据增强任务中,相应的实验结果表明：在原始数据增强方法上结合进高效增量采样处理后,在保持总训练数据集规模的情况下,所获得的模型性能可实现显著的提升.     

面向动态任务合作求解的联盟模型

多Agent系统中,Agent间通过形成联盟达到提高任务求解能力,获取更多收益的目的。主要关注联盟模型的改进和联盟形成阶段的改进,基于ARG(agent,role,group)元模型和学习机制提出了一种采用角色和学习机制的新联盟模型CLAR(coalition model based on learnin gagent and role);在采用合同网协议的CLAR联盟模型中提出了两阶段联盟形成机制;通过捕食者问题实验验证了角色和学习机制的作用,以及两阶段联盟形成机制在减少通讯代价上的作用。     

一种超声波液位测量仪的设计方案

给出了一种运用单片机开发超声波液位测量仪的软件硬件设计方案,重点分析了测距过程中误差产生的原因,运用"箱线图"法求样本中位数作为测量值对采集数据进行校准,以消除信号噪声,采用最小二乘法减小硬件软件实现上产生的误差.该设计方案已应用于某油田井场数千个储油罐液位的测量,取得了较好的效果.该设计方案因实现简单、生产成本低,适合测量距离在3m以内、精度要求在4mm以内的应用场合.     

一种油井运输车调度的贪心算法

文章提出了一种评价标准,综合考虑油井运输车调度过程中车辆行驶路程和运油量这两方面的指标,并根据这一评价标准提出一种解决油井运输车调度问题的贪心算法,称为＂最小耗运比优先＂贪心调度算法。详细阐述了＂最小耗运比优先＂贪心调度算法的思想和具体步骤,并在原理上对此算法进行了解释。     

图形属性管理

属性管理是图形系统中的关键技术,不同图元的属性项目差异很大,用户定制图元的属性管理更加困难,给出的属性盒类较好地解决了这个问题。图形对象之间常常拥有相同的属性值,而属于同一图层的某些对象也可能拥有特别的属性值,为此提出了一个较为完善的图层类和图元类的设计。