Two low illuminance image enhancement algorithms based on grey level mapping

Two image enhancement contrast methods are proposed in this paper for low-intensity images. The first method (LEAM) is a new greyscale mapping function, and it can be significantly enhanced in the low grey range and compressed slowly in the high grey range, which is beneficial for retaining more image details; the second method (LEAAM) is based on the data characteristics of a histogram combined with the first mapping function, which adaptively sets the gamma value to correct the image. The experimental results show that compared with a traditional mapping function, LEAM is more effective at enriching image details and enhancing visual effects, and LEAAM, compared with a recent low-illumination image enhancement algorithm, achieves good performance for average gradient, information entropy and contrast index; additionally, the overall visual effect is the best compared with other methods.

     

实验室智能安防报警系统研究

本文主要对实验室智能安防报警系统进行了研究,完成了一种远程安防报警装置控制系统的设计,该系统综合运用单片机、ZigBee无线通信技术,在介绍了系统基本架构及工作原理的基础上,完成了包括安防报警传感器选型在内的软硬件设计过程。该智能安防报警系统完成各传感器信息实时高效的采集和逻辑判断后,向单实验室信息集中节点反馈经处理后的信息,再由主节点汇总处理各集中节点信息并进行实时显示。     

基于地图投影的三维脑电地形图绘制

直接在三维表面上进行脑电地形图的插值绘制具有较高的算法复杂度,在实际应用特别是商用脑电处理软件方面具有一定的局限性.针对该问题,本文利用地图投影理论将三维头表空间投影到二维空间并完成电位插值,最后再将插值电位反投影到三维头表空间,完成三维头表地形图的绘制.由于该方法是在二维空间完成插值,极大地降低了算法的复杂度,提高了算法的效率,具有明显的工程意义.     

新工科背景下应用型本科专业建设的研究与实践

文章针对新工科背景下应用型本科高校学生培养方面的缺失,采用产教城深度融合的形式,从专业人才培养目标、专业课程体系和课程教学设计三个方面开展了相应研究与实践,提出了以学生的实践能力为目标的人才培养方案、以学生的学习成果为中心的课程体系以及以激发学生的学习内驱力为方式的课程教学方式,从而达到培养具有扎实专业知识和交叉学科知识、自主学习能力和团队协作能力的复合型创新型工程技术人才.     

基于python远程主机监控软件的设计与实现

针对网络运维工作中由于服务器主机空间分散导致值勤效率不高的问题,设计了一款可监控远程服务器运行信息的软件.软件基于python的psutil和wmi模块采集远程主机的运行信息,基于UDP套接字传送相关信息,基于SQLite数据库存储信息和Tkinter标准库设计了,运行信息在GUI进行展示.对软件进行实际环境部署并测试,运维人员可在监控端直接查看多台服务器的各类关键信息及运行状态.     

Core decomposition and maintenance in weighted graph

World Wide Web - Coreness is an important index to reflect the cohesiveness of a graph. The problems of core computation in static graphs and core update in dynamic graphs, known as the core...     

Guaranteeing performance for uncertain nonlinear systems with bounded state constraint and mismatching condition

The control design problem for the uncertain nonlinear system with bounded state constraint and mismatching condition is considered in this paper. The uncertainty in the system, which may be due to unknown system parameters and external disturbance, is nonlinear and time‐varying. The state of the system is constrained to be bounded. The system does not satisfy the (global) matching condition. A creative one‐to‐one state transformation is proposed by converting the bounded states into the unbounded ones. A step‐by‐step state transformation is proposed to convert the mismatched system into a matched system. The robust control is then proposed based on the transformed system. The control is demonstrated to be able to guarantee the uniform boundedness and uniform ultimate boundedness of the system in the presence of uncertainty, while the state constraint can be always guaranteed.     

基于多核学习卷积神经网络的稀疏数据推荐

针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法.将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测.实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性.     

基于半经典量子傅里叶变换的◢t◣-比特半经典相位估计算法实现

半经典量子傅里叶变换(quantum Fourier transform,QFT)是通过测量计算线路中特定的比特,依据测量结果经过经典信息处理控制下一个比特的变换.利用半经典量子傅里叶变换思想,提出了t-比特半经典量子相位估计算法,并在IBMQ Experience量子云平台、IBMqiskit量子模拟器和国内本源悟源云平台量子模拟器上开展了不同规模的半经典相位估计实验.实验表明,该方法提高了估计精度的同时减少了算法对线路规模和两比特受控门的依赖.     

基于概率性能感知演化博弈策略的“云+边”混合环境中任务卸载方法

针对“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中多任务卸载效率不足的问题,提出了一种基于概率性能感知演化博弈策略的任务卸载方法。首先,在一个“中心云服务器+多个边缘服务器”构成的“云+边”混合环境中,假设其中分布的边缘服务器具有时变波动的性能,采用一种基于概率性能感知演化博弈策略的任务卸载方法对边缘云服务器的历史性能数据进行概率分析,以获得演化博弈模型;然后,生成服务卸载的演化稳定策略（ESS）,使每个用户都能在获得高满意度的前提下进行任务的卸载。基于云边缘资源位置数据集和云服务性能测试数据集进行模拟实验,在24个连续时间窗口上进行不同方法的测试比较。实验结果表明,所提方法在多个性能指标上都优于传统的贪婪（Greedy）算法、遗传算法（GA）和基于纳什均衡的博弈论算法等任务卸载方法。该方法的平均用户期望达成度相较于三个对比方法分别提升了13.7%、117.0%、13.8%,平均卸载时延分别降低了6.5%、24.9%、8.3%,平均货币成本分别降低了67.9%、88.7%、18.0%。