云环境下面向暴发式任务请求的资源部署模型设计

针对云计算环境面临的暴发式任务请求对系统性能带来的影响,提出了一种资源部署模型BWA来应对上述问题.首先由模型的负载监听模块负责监测云计算系统任务请求的变化量,实时判断暴发式任务请求的始末.然后通过引入新的资源部署策略,来避免局部热点的产生,加快系统的响应速度.最后利用跟踪预测算法预置计算节点来进一步加快云计算系统为用户提供服务的速率.通过CloudSim对资源部署模型进行了实验仿真,结果证明,该模型可有效优化系统响应速度.     

Using surface variability characteristics for segmentation of deformable 3D objects with application to piecewise statistical deformable model

To cope with the small sample size problem in the construction of Statistical Deformable Models (SDM), this paper proposes two novel measures that quantify the similarity of the variability characteristics among deforming 3D meshes. These measures are used as the basis of our proposed technique for partitioning a 3D mesh for the construction of piecewise SDM in a divide-and-conquer strategy. Specifically, the surface variability information is extracted by performing a global principal component analysis on the set of sample meshes. An iterative face clustering algorithm is developed for segmenting a mesh that favors grouping triangular faces having similar variability characteristics into a same mesh component. We apply the proposed mesh segmentation algorithm to the construction of piecewise SDM and evaluate the representational ability of the resulting piecewise SDM through the reconstruction of unseen meshes. Experimental results show that our approach outperforms several state-of-the-art methods in terms of the representational ability of the resulting piecewise SDM as evaluated by the reconstruction accuracy.     

多层次特征融合的人群密度估计

目的 人群数量和密度估计在视频监控、智能交通和公共安全等领域有着极其重要的应用价值。现有技术对人群数量大,复杂环境下人群密度的估计仍存在较大的改进空间。因此,针对密度大、分布不均匀、遮挡严重的人群密度视觉检测,提出一种基于多层次特征融合网络的人群密度估计方法,用来解决人群密度估计难的问题。方法 首先,利用多层次特征融合网络进行人群特征的提取、融合、生成人群密度图;然后,对人群密度图进行积分计算求出对应人群的数量;最后,通过还原密度图上人群空间位置信息并结合估算出的人群数量,对人群拥挤程度做出量化判断。结果 在Mall数据集上本文方法平均绝对误差（MAE）降至2.35,在ShanghaiTech数据集上MAE分别降至20.73和104.86,与现有的方法进行对比估计精度得到较大提升,尤其是在环境复杂、人数较多的场景下提升效果明显。结论 本文提出的多层次特征融合的人群密度估计方法能有效地对不同尺度的特征进行提取,具有受场景约束小,人群数量估计精度高,人群拥挤程度评估简单可靠等优点,实验的对比结果验证了本文方法的有效性。     

基于G2G信息共享需求识别的G2B业务流程设计研究*

为了给公众和企业提供更好的服务,给政府决策者提供更准确及时的支持,政府部门间G2G信息共享势在必行。然而,由于政府业务繁多且程序复杂,许多政府部门对政府信息分布及共享需求并不清晰,给电子政务流程设计造成了一定的难度。为此,试图从跨组织信息资源管理的角度出发,首先对G2B传统业务流程中业务依托信息和产生信息进行分析,以确定各职能部门的信息需求状况;其次,通过分析不同部门间的业务信息关系,分别建立依托信息与依托信息、依托信息与产生信息以及产生信息与产生信息三种信息交集关系,从而识别部门间信息共享需求并分析可能     

远程机器人监控系统关键技术的研究和实现

远程机器人监控系统利用Internet实时传输现场图像和发送命令,由于数据量大和实时性要求而存在不少困难,为了解决这些困难,提出四个关键技术,即：改进的行程编码技术,混合压缩编码技术,TCP协议和UDP协议的联合使用技术,TCP多路并发优化和UDP的可靠性优化技术,研究结果表明,这些重要技术既保证了命令传输的可靠性,又保证了机器人现场图象传输的实时性,从而使系统性能得到有效提高,这些技术对远程机器人监控系统的设计具有重要的创新意义。     

非对称数字水印技术研究

在数字产品中嵌入数字水印,是对其进行版权保护的一种有力的手段。近年来提出了不少数字水印方案,但是它们中大部分都是对称的,即用于水印嵌入和水印检测的密钥是相同的。而许多实际的应用都要求非对称的数字水印方案,即水印嵌入时使用私人密钥,水印检测时只需要一个公开密钥。文章分析了非对称水印的基本特征,并对一些非对称方案,包括非对称水印算法和非对称水印协议进行了讨论。     

增强Q学习在非确定马尔可夫系统寻优问题中的应用

增强学习属于机器学习的一种,它通过与环境的交互获得策略的改进,其在线学习和自适应学习的特点使其成为解决策略寻优问题有力的工具。多智能体系统是人工智能领域的一个研究热点,对于多智能体学习技术的研究需要建立在系统环境模型的基础之上,由于多个智能体的存在,智能体之间的相互影响使得多智能体系统高度复杂,多智能体系统环境属于非确定马尔可夫模型,因此直接把基于马尔可夫模型的增强学习技术引入多智能体系统是不合适的。论文基于智能体间独立的学习机制,提出了一种改进的多智能体Q学习算法,使其适用于非确定马尔可夫环境,并对该学习技术在多智能体系统RoboCup中的应用进行了研究,实验证明了该学习技术的有效性与泛化能力,最后简要给出了多智能体增强学习研究的方向及进一步的工作。     

基于三角基线性拟合算法的后视镜外形优化

针对现有后视镜的缺陷,采用双曲镜设计,将视镜分为主视野区和副视野区（主视野区接近平面镜,副视野区是凸面镜）,在满足两个区域镜面平滑过渡的前提下建立曲面拟合模型,通过三角基线性拟合算法对复杂的曲面进行拟合,实现后视镜的曲面外形优化.该优化主要体现在可视区域变大,盲区减小,图像失真率小,在分界示意线过渡期间图像连贯且车身周围的图像失真率在3%以下.     

基于几何特征与新Haar特征的人脸检测算法

针对普通Adaboost算法训练时间长,对复杂背景下(暗光、多角度、多姿态等)人脸检测识别率较低的问题,提出了一种改进的结合肤色检测及几何特征的Adaboost算法.采用肤色粗检筛选出候选人脸区域,同时采用新的非对称的Haar特征来训练分类器,进一步加强检测性能,提升鲁棒性和复杂背景下的宽容度实验将此算法应用到一个嵌入式系统中,结果表明:在各种复杂背景下的人脸检测中鲁棒性和宽容度均提升很多,误识率进一步降低,并且在嵌入式人脸检测的系统中具有很好的可移植性和实用性.     

结合迁移学习模型的卷积神经网络算法研究

针对传统的卷积神经网络算法在训练集与测试集分布不同时分类精度较低且标注成本较高的问题,提出结合迁移学习模型的卷积神经网络算法。使用主成分分析算法对源域数据进行无监督降维,同时结合自编码机算法对目标数据集降维,使源域和目标数据集在低维度下具有相似的特征分布;根据卷积神经网络特征提取的特点,利用JS散度来判别卷积池层能否迁移,并使用初始化的隐藏层补全trCNN模型;使用少量带标注的目标数据集进行训练,完成分类模型的构建。设计实验验证分类模型能够在使用少量标注数据情况下准确地完成分类工作。