一种多基元类的布局迁移自适应算法及在闸机设计中的应用

布局问题研究物体的布局先后或布局定位以满足设计要求,布局迁移设计是在已有布局基础上高效设计新布局的方法。在轨道交通自动控制系统中,闸机表面传感器的布局对人与物的识别有重要的影响。为了实现闸机在不同地域环境中的快速设计,首先以闸机布局中的传感器作为研究对象,进行基元划分,提出了多种基元类型;并分析了基于拓扑结构的基元迁移变换方法,研究了人群特征因素、机械结构约束的数学表达;然后提出基于包围圆搜索的基元运动与干涉分析算法,其参数能够根据求解精度进行自适应调整;并利用多目标归一化函数对各基元的解进行择优,以获取最终布局。最后以18对传感器的闸机布局设计为例进行实例分析,应用此方法并借助于Visual Basic可视化编译平台,实现了闸机在不同地域环境中的传感器布局快速设计。     

基于二维码的公安户口迁移系统的设计与实现

二维码技术已经在社会生活各个领域得到了广泛的应用,由于二维码可以存储多种格式的信息且能够被自动识别,本文基于二维码技术结合公安户口迁移业务,设计并实现了一个基于二维码的户口迁移系统,并且详细分析了系统设计和实现的原理。     

离子交换树脂的电再生机理研究

为探究无膜电去离子(MFEDI)的再生机理,采用不同树脂组合进行电再生研究。通过测定各组树脂的再生电压、再生液电导率、pH等参数,对阴阳离子电迁移路径和系统内水解离情况进行了分析。结果表明,阳离子几乎不通过弱酸树脂进行电迁移;阴离子主要在强碱树脂间迁移;水解离主要发生在弱酸树脂与强碱树脂之间,为2种树脂的再生提供82.4%以上的H~+和OH~-。     

河岸带潜流层空间结构对生源要素迁移转化的影响

河岸带潜流层是地表水与地下水相互作用的区域,位于河岸带下边缘,具有复杂的纵向、横向、垂向三维空间结构,这一结构特征极易改变潜流水动力特性,从而影响生源要素的迁移转化过程。为深入了解河岸带潜流层的三维结构特征及其对生源要素迁移和转化过程的影响,系统归纳了河岸带潜流层生源要素的基本迁移和转化过程,探讨总结了河岸带潜流层纵向蜿蜒镶嵌结构、横向过渡结构、垂向分层结构对生源要素迁移转化的影响。未来对河岸带潜流层生源要素开展研究时,可加强如下3个方面的研究：河岸带潜流层结构随时间的演变规律;环境条件与河岸带潜流层生源要素迁移转化的互馈机制;河岸带潜流层监测预警技术开发。     

基于生成对抗网络的无监督图像风格迁移

无监督的图像风格迁移是计算机视觉领域中一个非常重要且具有挑战性的问题.无监督的图像风格迁移旨在通过给定类的图像映射到其他类的类似图像.一般情况下成对匹配的数据集很难获得,这极大限制了图像风格迁移的转换模型.因此,为了避免这种限制,对现有的无监督的图像风格迁移的方法进行改进,采用改进的循环一致性对抗网络进行无监督图像风格迁移.首先为了提升网络的训练速度,避免梯度消失的现象出现,在传统的循环一致性网络生成器部分引入DenseNet网络;在提高生成器的性能方面,生成器网络部分引入attention机制来输出效果更好的图像;为了减少网络的结构风险,在网络的每一个卷积层都使用谱归一化.为了验证本文方法的有效性,在monet2photo、vangogh2photo和facades数据集上进行了实验,实验结果表明,该方法在Inception score平均分数和FID距离评价指标上均有所提高.     

图片风格融合及快速迁移

通过卷积神经网络对不同图片的内容和风格进行融合,可生成风格多样化的图片。这不但为影视制作提供了丰富的素材,更有利于图像修复和图像增强。针对这类问题,前人曾提出一些算法,但很难在时间和空间方面都达到很好的效果。这里提出一种基于TensorFlow(将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统)的条件归一化网络来支持多风格融合及图片快速迁移,多风格可共用一个网络模型,这大大减少了算法耗时,并缓解了模型存储耗费空间大的问题,节省了计算机资源。时间上优于传统迁移算法三个数量级,空间上25种风格可共用一个模型。同时,更大程度地保留了内容图的语义特征,具有更好的视觉效果。     

一种面向跨项目软件缺陷预测的特征过滤与实例迁移框架

在跨项目软件缺陷预测中,源项目与目标项目的特征关联度与实例分布差异性是影响预测模型性能的主要因素。本文从特征过滤与实例迁移2个角度出发,提出一种跨项目软件缺陷预测框架KCF-KMM(K-medoids Cluster Filtering- Kernel Mean Matching)。在特征过滤阶段,该方法基于K-medoids聚类算法来筛选特征子集,过滤与目标项目关联度低的特征。在实例迁移阶段,通过KMM算法计算源项目与目标项目实例间的分布差异度,以此分配每个训练实例的影响权重。最后,结合目标项目中少量有标注数据建立混合缺陷预测模型。为了验证KCF-KMM的有效性,本文从准确率和F1值的角度出发,分别与经典的跨项目软件缺陷预测方法TCA+、TNB和NNFilter相比,KCF-KMM的预测性能在Apache数据集上可以分别提升34.1%、0.8%、21.1%和14.4%、3.7%、10.6%。     

基于迁移学习的卷积神经网络通道剪枝

卷积神经网络在计算机视觉等多个领域应用广泛,然而其模型参数量众多、计算开销庞大,导致许多边缘设备无法满足其存储与计算资源要求。针对其边缘部署困难,提出使用迁移学习策略改进基于BN层缩放因子通道剪枝方法的稀疏化过程。本文对比不同层级迁移方案对稀疏化效果与通道剪枝选取容限的影响;并基于网络结构搜索观点设计实验,探究其精度保持极限与迭代结构的收敛性。实验结果表明,对比原模型,采用迁移学习的通道剪枝算法,在精度损失不超过0.10的前提下,参数量减少89.1%,模型存储大小压缩89.3%;对比原剪枝方法,将剪枝阈值从0.85提升到0.97,进一步减少参数42.6%。实验证明,引入迁移策略更易实现充分的稀疏化,提高通道剪枝阈值选取容限,实现更高压缩率;并在迭代剪枝的网络结构搜索过程中,提供更高效的搜索起点,利于快速迭代趋近至搜索空间的一个网络结构局部最优解。     

云数据中心基于温度感知的虚拟机迁移模型

提出云数据中心基于温度感知的虚拟机迁移模型TA-VMM.TA-VMM迁移时着重考虑物理主机处理器的温度情况和物理主机负载均衡情况.在物理主机状态检测阶段寻找出候选迁移主机MigrationFromHosts;在虚拟机选择阶段寻找出候选迁移虚拟机列表VmstoMigrateList;在最后的虚拟机放置阶段完成候选迁移虚拟机的重新放置.CloudSim云计算模拟器仿真结果表明,TA-VMM中温度阈值对云数据中心的性能影响十分重要,TA-VMM比其他虚拟机迁移模型具有更低的能量消耗.     

基于NOMA的5G超密网计算迁移与资源分配策略

针对5G超密网中移动设备计算能力不足、频谱资源有限的问题,提出了一种基于非正交多址接入（NOMA）的计算迁移与带宽分配策略。首先,对系统模型进行了分析,并在此基础上以最小化设备计算代价为目标对所研究的问题进行形式化定义;然后,将该问题分解成设备的计算迁移、系统的带宽分配和设备的分组匹配三个子问题,并利用模拟退火、内点法和贪心算法对这三个子问题进行求解;最后,通过联合优化算法对上述子问题进行交替性迭代求解,最终获得最优计算迁移和资源分配策略。仿真结果表明,所提出的联合优化策略不但优于传统的正交多址接入（OMA）方式,而且能获得比平均分配带宽的NOMA技术更低的设备计算代价。