Parallel heap: An optimal parallel priority queue

We describe a new parallel data structure, namely parallel heap, for exclusive-read exclusive-write parallel random access machines. To our knowledge, it is the first such data structure to efficiently implement a truly parallel priority queue based on a heap structure. Employing p processors, the parallel heap allows deletions of (p) highest priority items and insertions of (p) new items, each in O(log n) time, where n is the size of the parallel heap. Furthermore, it can efficiently utilize processors in the range 1 through n.This work was supported by U.S. Army's PM-TRADE contract N61339-88-g-0002, Florida High Technology and Industry grant 11-28-716, and Georgia State University's internal research support during spring and summer quarters, 1991.     

基于图像内容层次表征的遥感图像 分割方法

提出基于图像内容层次表征的高分辨率遥感图像快速多精度分割方法。首先根据初始分割结果建立区域邻接图(RAG),并将其定义为马尔可夫随机场(MRF);然后引入光谱、形状和边缘等图像特征进行层次合并,通过记录层次合并过程获得图像内容的层次表征;最后根据层次表征中不同层级对象之间的关系快速生成任意不同精度的分割结果,以满足不同应用的需求。利用QuickBird卫星图像进行实验和评价的结果表明,本文方法具有较高的精度和效率。     

改进FCM在交互式图像分割中的应用

为解决由于自然纹理的干扰而导致的分割图像边缘模糊问题,对模糊C均值聚类算法进行改进并应用于交互式图像分割中。用户通过输入种子点来获得目标和背景的主要特征,并将输入的种子点作为聚类中心点;提出全局空间相似性度量标准并引入Gabor能量滤波器来计算图像中各点到聚类中心的距离;算法首次引入边缘密度概念定义权重因子,根据图像特点,自适应地计算图像中任意一点的纹理特征和颜色特征在特征空间中所占比例,使得到的特征更加准确地描述图像的本质属性。对具有自然纹理背景的图像进行仿真实验,应用两种性能指标来比较本文所提算法与随机游走算法的分割精度。实验结果表明,本文算法分割精度高于模糊聚类和随机游走算法。     

图像半色调化算法研究综述

半色调化算法是图像打印输出的关键技术之一。介绍了简单阈值比较算法、使用随机数的半色调化算法、误差扩散算法、点扩散算法、按序抖动算法和抖动算法等一系列半色调化算法,并揭示了这些算法之间的联系。为了高效率地对图像做半色调化操作,商用光栅图像处理器一般使用抖动算法。抖动算法生成的半色调化图像的质量取决于所采用的抖动矩阵。基于几何分割设计半色调化抖动矩阵的方法可以在满足堆栈限制的前提下优化半色调化图像的质量。使用随机数的半色调化算法可以消除图像半色调化中产生的莫尔纹。随机半色调化算法的基础是将一定数量的随机点均匀地分布到一个正方形区域中。Asano提出了随机点均匀分布问题等价于圆形装填问题的命题,本文对该命题给出了初步的证明。最后,给出了一些有待进一步研究的图像半色调化课题。     

太阳风粒子数据映射模型的设计与实现

为了能够快速获得第三级太阳风粒子可分析处理的结构化数据,本文采用将数据映射到内存和采用语言集成查询技术解决数据的完整映射和快速访问。通过设计数据映射模型,将用PDS数据的数据标签和数据产品分别映射到模型的值域和属性域,解决本地或网络数据内存映射的问题。为测试这个实例,采用双倍缓冲和贝塞尔插值技术对数据能谱进行了实时绘制。结果表明该模型具有高效性、完备性和高吻合度。这个基于内存映射的模型能够较好地解决异构数据快速结构化数据访问的数据源动力不足问题,为进一步处理和分析太阳高能粒子的频谱、成份和通量及随时间、空间变化的分布特征等提供了基础。     

Water table fluctuation with a random initial condition

The nonlinear Boussinesq equation is used to understand water table fluctuations in various ditch drainage problems. An approximate solution of this equation with a random initial condition and deterministic boundary conditions, recharge rate and aquifer parameters has been developed to predict a transient water table in a ditch-drainage system. The effects of uncertainty in the initial condition on the water table are illustrated with the help of a synthetic example. These results would find applications in ditch-drainage design.Notation A / tanh t - a lower value of the random variable representing the initial water table height at the mid point - a+b Upper value of the random variable representing the initial water table height at the midpoint - B tanh t - C 4/ - h variable water table height - h mean of the variable water table height - h _m variable water table height at the mid point - h _m mean of the variable water table height at the mid point - K hydraulic conductivity - L half spacing between the ditches - m ₀ initial water table height at the mid point - N Uniform rate of recharge - S specific yield - t time of observation - x distance measured from the ditch boundary - (4/SL)(NK)^1/2 - (L/4)(N/K)^1/2 - dummy integral variable     

环境温度对风压传感器精确度的影响探讨

对风压传感器的硅橡胶膜片弹性形变进行了理论分析,推测风压传感器的精确度可能受到温度的影响。通过工业压力校准器对传感器进行了压力校验。结果表明,风压传感器的精确度受温度与气压差的影响。该研究结果可用于指导风压传感器进行温度与气压差补偿设计。     

基于CVaR的风电机组日前申报出力优化模型研究

在我国,风电机组需提前一天提交次日24小时的申报出力信息,由于来风具有明显的不确定性和随机性特征,风电机组次日实际出力与日前申报出力会存在一定的偏差。为解决以上问题,首先采用K-means聚类法对风电机组实际出力数据进行聚类,并生成样本集;其次,基于风电不确定性样本集构建风险中性风电机组日前申报出力决策优化模型;再次,构建基于条件风险值（CVaR）的日前申报出力优化模型;最后,基于实际数据进行了算例分析。算例分析结果表明,基于CVaR的日前申报出力决策优化模型能有效减少风电机组日前申报出力与次日实际出力的偏差,且使风电机组获得风险价值更好的申报出力,从而实现申报利润的风险可控性。     

基于随机森林的多站融合项目优先业务筛选机制

在“双循环”新发展格局和“电力数字化”战略中顺势发展“多站融合”项目。基于多站融合布局,提出了一个多站融合项目区域性优先业务筛选的技术方法,从经济发展与能源产业视角,依据各区域属性特征将中国31个省市划分为四类区域,并结合多站融合项目业务清单所梳理的三大类业务范畴,利用随机森林算法的大数据分析法,通过选择区域数据样本,形成了多站融合项目区域性优先业务筛选机制,进而依据优先业务匹配组合预测,实现了各区域优先发展业务的精准甄别和科学选择。实证分析验证了基于随机森林算法的多站融合项目区域性优先业务筛选模型的科学合理性以及有效可靠性,以期为多站融合推进提供有益参考。     

基于SSA-ELM的短期风电功率预测

准确的风电功率预测可以有效地保证电力系统的安全运行,进而影响电网的电力调度,所以高精度的预测方法变得至关重要。针对极限学习机（ELM）随机产生输入权值和阈值导致回归模型不稳定性与预测结果不准确性,以及风电波动性和间歇性等问题,提出一种基于麻雀算法（SSA）优化极限学习机的组合预测模型（SSA-ELM）。利用收敛速度快、精度高、稳定性好的SSA对ELM的权值和阈值进行寻优,实现了对风电功率的精确预测。仿真结果表明,所提出的SSA-ELM模型的预测精度较高、泛化能力强,能够为风电的功率预测及并网安全的稳定运行提供决策支持。