实时分布式系统性能测试技术研究

实时分布式系统的性能是关注核心,对其进行评估和测试关系着系统的应用前景。基于实时分布式系统的性能测试需求,对系统关键的处理性能、存储性能、传输性能以及实时恢复性能这四种性能测试方法进行了研究和探讨,同时分别利用实时分布式系统中e600架构的处理器、flash存储器、FC网络以及分区调度策略针对这些方法开展了测试,并对获得的测试结果进行了分析。分析结果表明,性能测试结果可信,方法可行,可作为实时分布式系统评测依据。     

Image decomposing for inpainting using compressed sensing in DCT domain

Inpainting images with occlusion or corruption is a challenging task. Most existing algorithms are pixel based, which construct a statistical model from image features. However, in these algorithms, the frequency component is not sufficiently addressed. In this paper, we propose a novel algorithm that utilizes compressed sensing （CS） in frequency domain to reconstruct corrupted images. In order to reconstruct image, we first decompose the image into two functions with different basic characteristics - structure component and textual component. We seek a sparse representation for the functions and use the DCT coefficients of this representation to generate an over-complete dictionary. Experimental results on real world datasets demonstrate the efficacy of our method in image inpainting. We compare our method with three state-of-the-art inpalnting algorithms and demonstrate its advantages in terms of both quantitative and qualitative aspects.     

变压器备用冷却器不能正常启动的解决方法

结合强迫油循环导向风冷变压器冷却器的控制原理,对我国西北地区某变电站2号主变压器运行冷却器故障后备用冷却器不能正常启动的故障进行分析,提出解决方法.     

基于2D与3D匹配模型的变压器全损耗特征计算

变压器损耗分布和绕组形变、变压器热传递等因素有着密切联系,损耗计算是变压器绕组结构和绝缘配合设计的关键问题.随着变压器等级容量的不断提升,使用传统的经验公式或简单的数值计算方法进行损耗分析往往具有较大的偏差.依据有限元理论构建了一种基于2D与3D模型匹配的变压器损耗混合模型计算方法,在降低计算量的同时兼有计算的准确性.并以一台400 kVA的三相电力变压器为例,得到了变压器损耗分布规律:变压器内部固定夹件的杂散损耗主要分布于夹件的内侧面,并集中于靠近线圈的边缘,在油箱壁侧面、背面和底面损耗分布呈现抛物面形、"驼峰"形和"三峰值"形;高低压绕组损耗分布趋势与电流密度的分布基本吻合,整体绕组和导体内部损耗分布趋近于高压绕组之间的夹缝和绕组两端方向.     

MEMS陀螺仪的稀疏冗余去噪

为了提高随钻测量过程中MEMS陀螺仪的测量精度,抑制振动信号等对陀螺仪漂移造成测量精度的影响,采用经验模态分解(Empirical Mode Decomposition,EMD)和压缩感知(compressed sensing,CS)的算法进行降噪.首先对MEMS陀螺信号进行EMD分解,利用连续均方误差(CMSE)计算两个连续重构陀螺仪信号的欧式距离,以此将分解得到的模态函数(IMFs)以高、低频的形式分离,剔除高频噪声模态的影响;构建冗余字典,使低频IMFs分量在该字典上稀疏表示,利用贝叶斯理论对优化剩余IMFs分量重构;同时,在该字典上添加一列误差补偿项,通过贝叶斯估计求得.最后将处理后的剩余IMFs分量和补偿项叠加重构.去噪前后,MEMS陀螺仪数据解算的方位角累积误差由11.8562°减小到0.4725°.仿真实验分析可知,该算法可有效去除陀螺仪信号中的噪声.     

基于区域结构特征的城区LiDAR数据快速分类

机载激光雷达能够及时准确地获取大量具有精确三维位置信息的三维点云数据,在数字城市、森林防火、智能交通等领域有着广泛的应用。城市中心区域的三维点云数据往往会因为高大树木或植被的遮挡,造成建筑物等人造目标识别特别困难。本文通过直接的二次多项式拟合方式提取高大树木等植被与建筑物目标典型局部区域的区域信息,构建区域目标敏感的结构特征,进而,通过模糊逻辑即可完成三维点云数据的建筑物目标敏感的分类任务。实验结果表明,该方法能够快速有效地实现较大尺度范围内LiDAR点云数据的分类,具有较好的应用前景和推广能力。     

一种基于网络表示学习的miRNA-疾病关联预测方法

针对miRNA-疾病关联研究中信息使用不充分、过于依赖网络中节点的相似度信息以及预测准确度较低的问题,提出一种基于网络表示学习的miRNA-疾病关联预测方法(network representation learning miRNA-disease association,NRLMDA)。该方法通过引入长链非编码RNA(lncRNA)构造出miRNA-lncRNA-疾病异构网络,丰富原有网络的生物学信息;采用网络表征学习node2vec算法在上述提出的异构网络中以一定的游走策略获得节点的近邻序列,并通过skip-gram模型进行深度学习,从而获得节点的低维特征向量;最后基于miRNA-miRNA相似性的关联规则推断方法预测miRNA与疾病的关联。该方法能够挖掘出全局网络的拓扑结构特征,并且不需要负样本。NRLMDA在留一交叉验证和五折交叉验证以及进一步的案例研究上的实验结果优于经典方法。     

基于多尺度特征融合的行人重识别方法

针对行人重识别任务在特征提取时缺乏对行人特征尺度变化的考虑,导致其易受环境影响而具有低行人重识别准确率的问题,提出了一种基于多尺度特征融合的行人重识别方法。首先,在网络浅层通过混合池化操作来提取多尺度的行人特征,从而帮助网络提升特征提取能力;然后,在残差块内添加条形池化操作以分别提取水平和竖直方向的远程上下文信息,从而避免无关区域的干扰;最后,在残差网络之后利用不同尺度的空洞卷积进一步保留多尺度的特征,从而帮助模型灵活有效地解析场景结构。实验结果表明,在Market-1501数据集上,所提方法的Rank1达到95.9%,平均精度均值（mAP）为88.5%;在DukeMTMC-reID数据集上,该方法的Rank1达到90.1%,mAP为80.3%。可见所提方法能够较好地保留行人特征信息,从而提高行人重识别任务准确率。     

利用置信规则库构建WSN节点故障检测模型

在无线传感器网络(wireless sensor network, WSN)节点故障检测领域的研究过程中,故障检测准确率会受节点数据的不确定性和专家知识模糊性的影响。针对这一问题,本文提出了一种基于置信规则库(belief rule base, BRB)的WSN节点故障检测方法。首先,根据WSN工作原理及节点工作特性描述WSN节点故障检测过程;然后,从空间和时间2个维度对节点数据提取特征,建立基于空间和时间相关性的WSN节点故障检测模型;最后,利用Intel Lab Data无线传感器数据集进行案例研究以验证模型的有效性。结果证明,本文方法能够统筹利用专家知识和节点数据实现WSN节点故障检测。     

基于宽度学习的结构沉降预测

结构监测是确保工程结构建设在施工和运营阶段安全的关键因素,因此采用合理有效的预测模型对结构沉降监测数据进行科学准确的预测成为了当前结构沉降预测研究的重点。针对传统预测方法与深度学习方法用于结构沉降预测存在的预测精度不够高、模型结构复杂、训练耗时等问题,提出了一种基于宽度学习的结构沉降时间序列预测模型。通过实测地铁地下隧道沉降监测数据对宽度学习、人工神经网络、支持向量回归和深度置信网络-支持向量回归预测模型的预测结果进行对比分析。实验结果表明:宽度学习系统(broad learning system,BLS)应用于结构沉降预测具有良好的效果,其训练速度更快,预测精度更高。验证了所提出的宽度学习算法应用于结构沉降预测的可实施性和有效性。