一种面向异构大数据计算框架的监控及调度服务

各种类型的大数据计算框架存在各自专用的管理方法。传统的监控和调度服务在异构环境下的操作 由于无法获取集群整体的运行状态而受到限制,且无法综合多粒度的运行时资源状态来调度不同的计算作业。这不仅浪费了集群的可用资源,而且增加了计算作业的等待时间。针对上述两个问题,提出了一种面向异构大数据计算框架的一体化监控及动态调度管理服务。该服务可以自动适应并监控多种类型的大数据计算框架及计算作业,并对多类型作业提供一体化调度。针对Hadoop和Storm两种计算框架,实现了原型系统并进行了实验。实验结果表明,所提服务在异构环境下的大数据计算框架中能降低人工操作的复杂度,并且能提高作业的调度效率。     

一种利用继承关系的业务服务实例化方法

随着面向服务计算技术的日渐普及,通过互联网提供的科研领域的Web服务也越来越多,目前仅在生物信息领域可统计到的Web服务数量就超过3000个.然而,怎样在业务层上将最终用户的个性化需求快速实例化到具体的Web服务,成为很多专业工作者关心的问题,生物信息领域尤其突出.为了解决这个问题,提出一种利用继承关系的业务服务实例化方法,该方法基于我们前期工作中提出的抽象服务形式--业务服务,通过对基类业务服务的继承操作构建表达最终用户个性化需求的子类业务服务,同时建立了两个业务服务之间的继承关系,并且利用这种继承关系将最终用户的个性化需求快速实例化到具体的Web服务.     

Conv-WGAIN:面向多元时序数据缺失的卷积生成对抗插补网络模型

油浸式变压器的油色谱数据是一种多元时序传感数据,设备或网络失误往往会导致数据缺失,通常需要通过插补形成完整数据集,才能用于进一步的业务分析研究。但是,现有的插补模型无法面向多元时序数据同时处理因时间不均匀性和时间双向性带来的插补效率低和效果难以保障的问题,对此提出一种名为Conv-WGAIN的生成对抗插补网络模型,通过构建的插补特征图,可利用二维卷积从前后2个方向学习时间特征,处理时间间隔不均匀的数据;在判别器中引入Wasserstein距离来判别生成插补数据与真实观测数据,提升了生成器的稳定性。在真实项目中的油色谱数据集和3个公开数据集上的实验表明,该模型在多元时序缺失数据上具有普遍适用性,而且在不同的缺失率下的插补结果要优于其他对比模型的,RMSE降低了20.75%～73.37%。     

基于MapReduce的城市道路旅行时间实测计算

城市道路旅行时间计算一直是智能交通系统中研究的核心问题之一,准确高效的旅行时间计算可以有效地帮助道路管控,减少交通拥挤.然而面对巨大而且快速增长的城市道路交通检测数据,如何将分布式计算模式融合到传统的旅行时间计算问题中已成为一个亟待解决的问题.论文基于海量道路车牌识别数据,设计了基于MapReduce编程模型的城市道路旅行时间实测计算的算法.并利用Hadoop环境进行了实现,可以支持对自定义路段集下不同时间段道路旅行时间的计算.通过实验证明,相对于传统的旅行时间计算方式,在计算时间上基于MapReduce的旅行时间计算模式可以提高十倍以上.     

具有自我支撑能力的P2P网格的研究

随着互联网的发展和普及,网格技术已经成为了一项非常有潜力和前景的新技术,可以说,它是下一代互联网发展的趋势.网格技术主要是为了实现组织间的资源共享和协作,而各个组织是相互独立和自治的,组织之间是完全对等的.为了解决在这种P2P网格环境下的激励和可信问题,本文提出了一种适于可信机制的P2P网格体系结构,并详细阐述了主要的功能组件,同时以数学的方式描述了Vickrey拍卖模型和工作流程.最后通过模拟实验和对比说明,验证了可信机制的有效性.     

植物三维结构参数化建模系统的设计与实现

基于植物生长规律及其拓扑结构特点，将参数化绘图技术应用于植物三维结构仿真，以提高植物拓扑结构生成的速度．在Windows平台上，使用OpenGL图形接口，结合植物三维形态建模实际需要，采用面向对象编程技术，设计并实现了一个集植物形态模拟及可视化、场景动态渲染、植物生长动画等功能的植物三维结构可视化模拟系统．重点介绍了参数化建模原理、L系统算法的改进、各种植物构造模型的模拟、系统的模块设计及用户界面的实现，最后给出了系统应用的具体例子．     

虚拟植物建模及其软件开发进展

虚拟植物是随着信息技术进步而迅速发展起来的新兴研究领域,已成为计算机领域的研究热点之一.虚拟植物就是在计算机上模拟植物的连续生长过程.本文介绍了若干种常见的虚拟植物建模方法(如L系统、粒子系统、分形方法、IFS等)和生成软件(如AMAP、Xfrog、Plant Studio等),分析比较了它们的特点.并对该领域的研究现况及发展前景作了简述.     

基于改进DenseNet的水果小目标检测

针对自然环境中小目标水果的检测精度普遍较低的问题,提出基于DenseNet改进的水果目标检测框架. 构建以DenseNet为核心的多尺度特征提取模块,在DenseNet不同层级的稠密块中建立特征金字塔结构,加强网络层特征复用. 结合低层特征的高分辨率和高层特征的高语义性,实现准确定位和预测小目标水果存在的目的. 引入软阈值非极大值抑制（Soft-NMS）算法,改善簇状果实结构中检测框被误剔除的情况. 与常用的Faster R-CNN网络相比,所提出的框架在苹果、芒果和杏3个数据集中的平均检测速度大于40 FPS,F1值分别为0.920、0.928、0.831,实现了检测效率及精度的提升.     

基于模板库的三维植物形态模拟系统研究

首先从现有的植物形态建模系统出发。分析了其面临的主要问题，设计并实现了一种基于模板库的三维植物形态可视化模拟系统，给出了系统的总体设计方案，介绍了植物形态结构模板库的建立，重点论述了三维真实感植物生成的实现方法，最后介绍了系统界面设计并给出了系统应用实例。     

基于图像特征的植物形态相似度算法

目的 研究不同植物形态之间的相似度是有效区分植物种类或科属的一个重要依据。目前的植物形态相似度计算方法,大多只考虑了植物拓扑结构或者外围轮廓等几何形状方面的相似性,而未涉及叶片颜色、冠层叶片的稠密状态及株型的松散状态等因素。因此,基于植物图像的形状特征和颜色特征,本文提出一种基于图像特征的植物形态相似度计算方法。方法 首先,获取图像的轮廓特征和区域特征。轮廓特征用植物枝条的松散程度表示,具体包括植物的高宽比、轮廓四边形和第1个1级侧枝的高度;区域特征用叶片稠密度表示,计算叶片所占整个包围矩形面积的比例。其次,获取图像的颜色特征,使用基于HSV和YUV颜色空间的颜色直方图,统计图像的颜色分布。最后,利用信息熵分析数据的离散程度,据此确定各部分对应的权重大小,加权得到总体的相似度值。结果 实验在人工采集的数据集上进行,得出松散度、稠密度和颜色对应的权重分别为0.62、0.17和0.21。在此基础上得到的相似度计算结果符合实际,可以有效度量植物之间的相似程度。同时,将提出的算法应用于图像检索,并与常见的5种方法进行比较。实验得出该算法查准率都在0.747 7以上。在同一查准率水平下,相比于其他方法,查全率也都处于较高水平。尤其在相似度阈值大于0.8时,查准率可以达到0.910 8以上。另外,该方法对植物图像缩放不敏感,同类植物的相似度依然接近于1。结论 本文提出的植物形态相似度算法,结合了形状特征和颜色特征,计算结果符合人的视觉感受。与其他方法相比,可以更有效区分植物种类或科属。算法主要适用于背景单一的单株植物图像,可为研究植物形态的相似性提供技术参考。