基于Profibus-DP总线技术的烟支重量控制系统设计

对烟支重量控制系统的控制原理做了较为详尽的描述,介绍了系统硬件组成和软件设计。系统可实时在线对高速烟支重量进行计算,及时准确剔除不合格烟支。通过Profibus-DP总线,烟支重量控制系统实现了与人机界面系统实时、可靠、高速通信,操作人员通过人机界面可以方便的调整控制参数,对设备进行维护。     

运动模糊图像复原算法综述

在图像获取过程中,存在很多造成图像退化的因素,因此需要对图像进行复原。本文对现有的典型复原方法进行了综合分析。介绍了图像一般退化模型和运动模糊退化模型的建立方法 ;对退化模型的点扩散函数的估计方法进行了分析;对当前的一些复原算法进行了总结。对图像复原技术未来的发展方向进行了预测。     

半参数广义线性模型惩罚似然估计的几个性质

本文在给出了半参数广义线性模型惩罚似然估计及惩罚准似然估计的基础上,得到了下面几个性质:(Ⅰ)极小惩罚似然估计及惩罚准似然估计等价于惩罚加权最小二乘估计;(Ⅱ)估计的收敛性及加速收敛法;(Ⅲ)估计的一种 Bayes 解释。     

逻辑模型树算法性能分析与改进研究

逻辑模型树(LMT)算法是基于树归纳和逻辑回归的一种分类算法。为验证LMT算法的优势,利用3个UCI标准数据集建模,将LMT算法与其他决策树方法进行对比分析。针对LMT算法在建立逻辑回归模型时会导致较高的计算复杂性的问题,研究利用赤池信息量准则改进LMT算法,提升算法时间性能,避免模型过度拟合。在UCI标准数据集和烟叶综合质量评价数据中应用改进的LMT算法进行建模验证,结果表明,该改进方法在模型精度和召回率方面基本优于其他决策树方法,时间性能比改进前提升50%左右,能较好地评价烟叶综合质量。     

基于城市小区域的车联网模型

随着社会进步及车辆增多,交通问题日益突出,使得城市环境下车联网的研究受到越来越多的关注。基于真实数据的分析和验证,可以得到城市不同区域的车联网网络度分布服从广义的幂律分布,即网络是无标度网络。根据此性质利用复杂网络理论建立车联网网络模型,通过分析和仿真验证该模型的正确性和有效性。     

高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

基于分裂式K均值聚类的肤色检测方法

针对复杂图像背景及光照导致的肤色检测率不高的问题,提出一种基于分裂式K均值聚类的椭圆模型肤色检测方法。该方法对图像进行光线补偿处理,采用Gray World方法对图像进行颜色均衡,选择建立检测效率较高的椭圆肤色模型进行肤色检测,并在检测出的肤色区域上采用分裂式K均值聚类(FKM)进行二次的肤色判决,进一步准确检测出肤色区域。实验表明,所提出的检测算法能准确高效地检测出肤色区域,具有较高地准确率和较强的鲁棒性。     

一种低功耗的无线传感器网络MAC协议

在无线传感器网络中,为了避免不必要的能耗而达到延长网络寿命的目的,提出一种低功耗的无线传感器网络MAC协议。此协议在低功率侦听(LPL)基础上进行修改,通过前一次轮询的结果来推测这一次的流量状况,根据流量状况自适应调整侦听睡眠周期结构中相应的占空比,从而降低能耗。通过编程仿真并结合实验,对此模型进行验证,证明了此算法能降低能耗。     

基于信息流动分析的动态社区发现方法

随着社交网络和微博等互联网应用的逐渐流行,其用户规模在迅速膨胀.在这些大规模网络中,社区发现可以为个性化服务推荐和产品推广提供重要依据.不同于传统的网络,这些新型网络的节点之间除了拓扑结构外,还进行频繁的信息交互.信息流动使得这些网络具有方向性和动态性等特征.传统的社区发现方法由于没有考虑到这些新的特征,并不适用于这些新型网络.在传染病动力学理论的基础上,从节点间信息流动的角度,提出一种动态社区发现方法.该方法通过对信息流动的分析来发现联系紧密、兴趣相近的节点集合,以实现动态的社区发现.在真实数据集上的实验结果表明：相对于传统的社区发现方法,所提出的方法能够更准确地发现社区,并且更能体现网络中社区的动态变化.     

Prevention from Soft Errors via Architecture Elasticity

Due to the decreasing threshold voltages, shrinking feature size, as well as the exponential growth of on-chip transistors, modern processors are increasingly vulnerable to soft errors. However, traditional mechanisms of soft error mitigation take actions to deal with soft errors only after they have been detected. Instead of the passive responses, this paper proposes a novel mechanism which proactively prevents from the occurrence of soft errors via architecture elasticity. In the light of a predictive model, we adapt the processor architectures h01istically and dynamically. The predictive model provides the ability to quickly and accurately predict the simulation target across different program execution phases on any architecture configurations by leveraging an artificial neural network model. Experimental results on SPEC CPU 2000 benchmarks show that our method inherently reduces the soft error rate by 33.2% and improves the energy efficiency by 18.3% as compared with the static configuration processor.