启发式规则与GA结合的优化方法求解工作流动态调度优化问题

调度是工作流管理系统的核心问题,是保证工作流正确运行的关键。在工作流环境下,动态调度要比静态调度更切合实际。本文在总结前人工作的基础上,提出了一系列工作流动态调度的启发式规则,并以最小化任务总拖期时间和最大化任务总提前时间为目标,建立了工作流动态调度问题模型。采用启发式规则与遗传算法相结合的优化方法求解工作流动态调度优化问题。仿真结果说明了优化方法的可行性和有效性,同时比较了该方法与多种静态调度方法,进而说明了该方法的优越性。     

基于变控制律方法的智能控制器在空调监控系统中的应用

介绍了一种采用变控制律的新型智能控制器在厂房空调中央监控系统中的应用 ,以取代采用单一 PID控制律的传统空调系统控制器。该系统应用集散控制 ,控制器以 PID控制为基础 ,结合 Fuzzy控制及 Bang-Bang控制技术 ,构成变控制律结构。将该控制器应用于恒温恒湿空气调节中央监控系统控制后 ,可具有控制精度高、响应速度快、对干扰不敏感等优点 ,取得良好的控制效果     

基于公开可验证秘密分享的公平合同签署协议

通过引入n个离线半可信第三方提出一种新的公平合同签署协议.该协议利用公开可验证秘密分享(PVSS)原理,不仅实现了签名者隐私的保护,还有效地降低了签名者中的一方与离线半可信第三方合谋来获取另一方签名的概率,从而使得合同签署协议具有更好的公平性.另外,本协议还通过利用多重签名技术,使签名者最终获得同时包含双方签名的合同,这是传统纸质合同的显著特点,因此提出的协议具有一定的实用性.     

数字图像盲取证对样本合成修复应用的篡改区域检测算法

提出了一种图像盲取证算法, 用于检测利用样本合成修复技术制作的伪造图像. 该算法采用零连通特征来描述修复技术导致的图像块之间异常的相似性, 然后构建升半梯形隶属函数将该相似性特征转换成块属于篡改块的模糊隶属度, 通过截集划分并结合高隶属度块的位置信息, 进行伪造图像的检测和篡改区域的定位. 实验结果表明该算法能够有效区分自然图像和修复伪造图像, 并可进一步定位图像的篡改区域.     

分布式功能块控制应用的性能分析

IEC61499功能块逐渐被工业采纳。本文针对分布式功能块控制应用（DFBCA）缺乏性能分析方法的情况，提出了一种基于随机Petri网的DFBCA性能分析方法。该方法以DFBCA的运行状态为着手点，利用Petri网易于表示系统中可能发生的各种状态变化及其关系的特点，将DFBCA转换为随机Petri网模型。再利用随机Petri网模型与马尔可夫链（MC）同构的特征，将随机Petri网模型转换为MC。得到的MC为DFBCA的性能分析提供了数学基础。最后基于MC的状态转移矩阵和稳态概率，对在每个状态中的驻留时间、变迁的利用率、变迁的标记流速、子系统延时时间等性能指标进行了分析。通过具体的示例说明了这种性能分析方法的可行性。     

静脉灰度图像拓扑特征提取方法

二值化处理作为静脉识别中关键步骤不可避免会造成特征信息的部分减损,为了克服这种情况,文中提出一种跳过二值化过程直接对静脉灰度图像进行拓扑特征提取的新方法,该方法首先根据像素的邻域信息计算图像的方向场极值图(EGDF,extreme graph of direc tional fields),并利用预先定义的约束模板集从EGDF中逐步提取出静脉主脊,然后在设定的范围约束图中,利用最大邻域点跟踪算法从静脉主脊的各个端点开始搜索从而获得静脉次脊,最后由静脉主脊和静脉次脊组成了静脉灰度图像的全部拓扑特征.通过对比实验,发现文中算法提取的静脉拓扑特征优于常规组合方法即二值化后再进行骨架提取得到的静脉拓扑特征,且克服了基于新小波函数的对称分析法中无法提取漂浮静脉纹路以及将两条相距较近的纹路误识为一条纹路的问题.因此,是一种有效的静脉灰度图像拓扑特征提取方法.     

一种用于蛋白质结构聚类的聚类中心选择算法

提出一种对蛋白质结构聚类中心进行选择的算法. 聚类是蛋白质结构预测过程中必不可少的一个后处理步骤, 而目前在蛋白质结构预测中常用的属性阈值(Quality threshold, QT)聚类算法依赖于由经验得出的聚类半径; 其他聚类算法, 如近邻传播(Affinity propagation, AP)聚类算法也存在影响聚类分布的参数. 为克服对主观经验参数的依赖,本文提出一种聚类中心选择算法(Exemplar selection algorithm, ESA), 用于对不同参数下的聚类结果进行分析,从而选择最佳聚类中心,进而确定聚类半径等经验参数. 该算法在真实蛋白质结构数据集上进行了实验,在未知经验参数情况下选择出最佳聚类中心, 同时也为不同聚类算法寻找适合相应数据集的客观聚类参数提供了支持.     

一种异构数据源模型转换和模式集成框架

异构数据源集成系统的主要任务是屏蔽数据源数据模型的异构性,提供对数据的统一访问。公共数据模型、模型变换和中间数据模型被广泛用来解决该问题。由于数据集成工作的工作量和任务对象日益复杂、规模日趋庞大,仅采用公共数据模型不能满足现有集成要求。异构数据源数据模型内在的关联性虽然使得面向语义集成变得更加复杂,但更利于模型转换方法在数据集成中的应用。模型转换是模式集成的基础,本文给出了异构数据源模型的形式化描述方法和基础模型转换操作形式化框架。该框架能够保证模型、实例和约束三者的相互独立,适用于大多数基础数据模型及其之间的转换和集成应用。通过该框架可简化和规范异构数据源数据模型转换和模式集成过程。     

基于改进PDA的弱点状多目标交叉运动跟踪算法

采用独立跟踪区域的划分和公共量测点数据的去藕聚类技术,将原本只适用于单目标跟踪的概率数据关联（PDA）算法改造成能够在强杂波环境中跟踪多个点状目标交叉运动的情况。该算法比传统基于JPDA（联合数据关联）的多目标跟踪算法的计算量和复杂度都小。仿真试验表明,该跟踪算法具有高精度的跟踪性能。     

基于相对密度的聚类算法

基于密度的聚类算法因其抗噪声能力强和能发现任意形状的簇等优点,在聚类分析中被广泛采用,本文提出的基于相对密度的聚类算法,在继承上述优点的基础上。有效地解决了基于密度的聚类结果对参数值过于敏感、参数值难以设置以及高密度簇完全被相连的低密度簇所包含等问题。