无线传感器网络中一种有效的分布式簇划分算法

提出了一种快速有效的分布式簇划分算法，为每个节点设定一个初始时间，最先到期的节点成为簇头。考虑到簇头选举的合理性，时间衰减与节点连通度相关，并辅以随机化的方法消除时间同步对算法的影响。通过仿真验证该簇划分算法的有效性，并定量分析了通信半径与平均簇头个数的关系。     

一种无冲害子集划分算法的计算机实现

介绍把一个集合划分为若干不相冲突的子集的计算机软件实现算法，并展示一种特殊的线性表－队列的应用。体现计算机求解非数值问题的人工智能模型。     

基于MrsP协议的任务划分优化算法

多处理器实时系统中,调度和资源共享是核心问题,与之相对应的调度算法和共享资源访问协议将直接影响系统的性能,这就要求调度算法和资源访问协议在保证实时性的基础上尽量发挥硬件平台的计算能力。然而,现有的调度算法多假设任务相互独立,没有考虑任务之间的资源共享,共享资源访问协议也多侧重于规则和最坏响应时间分析。对此,将P-RM算法和MrsP协议相结合,得出了多处理器实时系统的整体可调度性条件。文中根据MrsP协议的特性,提出了一种减小阻塞时间的任务划分算法,通过改进任务利用率的计算方式解决了关键区重复计算的问题,与之前的任务划分算法相比,也解决了关键区重复计算以及任务分类后拆分再分配的问题。实验表明,该算法所需要的处理器数目减少了15%~20%。     

基于改进Newman快速划分算法的城市动态交通子区划分方法

城市交通网络紧密联系,交叉口、干线和交通子区存在复杂关联性。从复杂系统角度提出一种基于Newman快速划分算法(Fast Newman, FN)的控制子区划分方法。首先,考虑城市道路网络拓扑结构复杂性,根据相邻交叉口的交叉口间距、路段交通流量、车流离散特性、交通流速度、车流密度等分析交叉口关联性,建立综合关联度计算模型;其次,将交叉口关联性引入到FN算法中,基于改进的Newman快速划分算法对路网控制子区进行划分;最后,通过实际路网,进行模型验证。结果表明：该子区动态划分方法有效考虑路网拓扑结构复杂性,更符合实际交通流特性,对城市区域路网子区划分更加合理。     

数据发布中维护敏感数据高可用性的隐私保护方法

数据的安全性和可用性是敏感数据发布与共享环境中面临的主要问题.近期提出了一种利用有损连接保证敏感数据发布的安全性的方法-Anatomy,其优点在于发布的数据中保留了原始数据的准确值.但是用Anatomy方法处理数据会损失大量数据的关联信息和分布信息,降低数据的可用性.针对这种问题提出了维护数据高可用性的ClassAnatomy方法,它继承了Anatomy方法的安全性和准确性等优点,并通过对数据空间进行分类划分的方法保留原始数据的关联及分布信息.给出了两种ClassAnatomy算法,包括基于信息论的自顶向下的单维分类划分算法(TDA)和基于高维网格的自底向上的多维覆盖分类划分算法(BUA).实验结果表明,ClassAnatomy方法在保证数据安全性的基础上能够极大地减少数据的信息损失,从而提高数据的可用性.     

一种PDA校表系统中的有限元区域划分算法

介绍了一个已经投入试运行的PDA校表系统.并针对该系统中任务划分效率低的现状,提出了一种新的区域划分算法.与传统的聚类划分算法相比,它具有时间复杂度低和灵活性高的优点.结合实际的可操作性引入了GPS全球定位技术,并将有限元分析和Bresenham画圆算法也加入到该算法中.最后通过VC实现了算法的仿真,仿真结果非常直观地证明了该算法的性能.统计和分析杭州计量所实际运行结果证明,加入该算法的PDA校表系统具有更高的效率.     

基于GIS的地形选取算法研究及其应用

介绍了GIS的组成、主要功能和应用。因大多数GIS系统仅能满足某些低层次的需求,无法解决多约束条件地形选取问题,为解决此问题,文中提出了基于GIS的地形选取算法。详细阐述了该算法的三个部分：网格划分算法、求m*n阵列中所有落在多边形内部的点的算法和综合评价算法,最后给出了一个具体应用实例,取得了满意的效果一本算法对于点状目标的选取非常有效。     

充分减小树间冗余的优化三维VSPIHT视频编码方法

用 3D- DWT及 3D -SPIHT算法获得高压缩率的视频编码近年来受到人们的关注 ,在现有算法的基础上 ,提出一种优化的 2D&MT 3D- VSPIHT方法 该方法尽可能地消除了树间冗余 ,改进了编码的每一个细节 ,有效地减少了SPIHT算法中的冗余扫描 ,合理地处理了最低频子带系数 实验结果证明 ,在同样的压缩倍数下 ,编解码后视频图像的PSNR比现有的三维SPIHT方法高 1～ 5dB     

面向绘制质量的深度图像快速帧内编码

与彩色视频用来直接显示不同,在三维视频系统中深度视频序列的作用是在绘制虚拟视点时提供所需的几何信息,所以直接将现有编码算法应用于深度图像存在一定的局限性.针对深度视频序列的作用以及深度图像自身特征,提出了一种面向绘制质量的深度图像快速帧内编码方法,该方法包括基于深度图像统计特性和空域相关性的图像区域划分算法、HEVC的快速编码单元(CU)和预测块(PB)决策算法和帧内编码模式预先选择算法.实验结果表明:与直接利用HEVC测试软件编码深度视频相比,该快速算法在保证几乎相同的主客观绘制质量的前提下,每个视点的编码速度平均提升了35％以上.     

基于NSGA-Ⅱ的大规模本体映射方法

现有的基于进化算法的本体映射技术在面对大规模本体映射问题时,由于搜索空间太大导致算法效率低下,从而使其无法有效地在实际中得到应用。针对这一问题,提出了基于快速非支配排序的多目标遗传算法(NSGA-Ⅱ)的大规模本体映射方法。该方法通过三个步骤来映射本体:1)通过基于邻居相似度的划分算法来将源本体划分为不相交的概念块;2)通过相关概念过滤方法来确定目标本体中同源本体概念块相关的概念块;3)使用NSGA-Ⅱ方法来完成概念块之间的映射并通过贪心算法集成最终的结果。使用OAEI 2012的小规模的书目本体测试数据集和大规模的生物医学本体测试数据集对所提出的方法进行测试。同OAEI 2012的参与者的比较结果表明,所基于NSGA-Ⅱ的大规模本体映射方法能够在较短的时间内获取较好的本体映射结果,因此该方法是有效的。