基于卷积神经网络的实时车辆检测

为了解决对于尺度变换较大车辆及遮挡车辆检测性能不足的问题,提出了一种实时车辆检测模型。针对车辆检测算法对于尺度敏感的问题,通过使用深度残差网络作为特征提取层,构建特征金字塔网络用于多尺度检测;利用软化非极大抑制线性衰减置信得分解决车辆遮挡问题,从而降低车辆的漏检率;同时对模型进行通道级裁剪缩减模型参数规模,节省计算资源,提高模型检测速度。在VOC数据集上进行实验,结果表明,提出的方法在检测精度和检测速度上均获得较高的性能。在检测精度上,达到87.6%的准确率,相较于YOLOv3提升了3.7个百分点,相较于SSD提升了9.8个百分点;在检测速度上,每秒检测帧数达到42 f/s,实现了车辆的实时检测。特别地,将模型应用于环境复杂的Apollo数据集,相较于YOLOv3具有更好的鲁棒性。     

智能停车系统中消息中间件的设计与实现

为解决智能停车系统中停取车指令的跨平台接收问题以及保证指令接收的准确率,设计并实现了一种智能停车异步消息中间件（SCAMM）。SCAMM通过Java NIO事件驱动模型来实现异步通信,完成了对基于长度的自定义协议封装模块、基于双向通道、异步通信的消息管理模块和消息转发模块的实现,同时使用基于长度的协议解码器来处理消息的粘包、拆包问题。SCAMM具有良好的适配性,提供了基于Java的客户端以及基于C#的中控端。实验证明,对比其他开源消息中间件,SCAMM在智能停车系统的应用中能够明显提高指令接收的准确率,保证智能停车系统稳定高效的运行。     

基于"客户/服务"模型的测试驱动的设计与实现

软件测试是提高软件质量和可靠性的重要手段,软件测试自动化的关键技术之一是要设计一种好的测试驱动,测试驱动设计得好坏直接决定了整个测试的效率,Binder曾提出了多种测试驱动模型,这些驱动模型各有特点.结合Binder提出的测试驱动模型进行了有效的改进,在模型改进的基础上设计了一个有效的原型系统,并给出了原型系统设计的关键技术.     

面向Docker容器的动态负载算法

为了提高Docker容器服务器集群的抗并发性和缩短平均响应时间,文中设计了一种动态负载容器服务器的算法DLOAD(Dynamic Loading Algorithm).该算法在WRR负载算法的基础上引用了实时权值的概念,弥补了WRR算法在权值给定方面的不足,优化了Docker容器服务器的负载算法.DLOAD算法将记录服务器的资源信息,将容器连接数占比、CPU利用率、内存利用率、网络IO占比、磁盘IO占比和平均响应时间作为算法参数,计算出Docker容器服务器的实时权值,并将实时权值记录到负载服务器的权值表中.负载服务器查询权值表后调用WRR算法,推荐最优的Docker容器服务器ID进行负载.通过仿真实验,从Docker容器服务器的平均响应时间和吞吐量这两个方面对改进前后的算法进行分析和对比,得出改进后的DLOAD算法能够更加高效地缩短服务器的平均响应时间和改善抗并发性,有效提升了容器服务器的性能.     

贪婪双尺寸频率算法的优化与改进

针对贪婪双尺寸频率算法不能反映频率未来走势的问题,在贪婪双尺寸频率算法的基础上,提出了一种新的缓存替换算法。该算法通过对文件和系统的访问次数进行周期性的计数,得到了文件的平均周期访问频率、最近周期访问频率和周期相对频率,并通过周期相对频率来体现文件访问频率的未来走势,弥补了传统的贪婪双尺寸频率算法的不足。新的缓存替换算法具有良好的适应性,提供了周期次数N和频率影响程度k这两个参数。使用者可以通过调整这两个参数让算法适应实际的访问情况。在符合齐普夫定律的数据下进行实验,结果表明该算法比传统的贪婪双尺寸频率算法具有更高的缓存命中率。     

测试自动机的测试驱动器设计与实现技术

介绍了测试自动机的测试驱动器设计与实现技术,给出了测试驱动器接口的测试用例、测试输出的形式化定义,提出了一种通用的“客户／服务”测试驱动模型及其实现技术。     

基于SVM与DOM重心半径模型的Web正文提取

为了从网页中精确地提取正文内容,提出一种基于支持向量机(SVM)与DOM重心半径模型的算法。通过SVM对网页DOM节点集进行提取,得出文本块节点。根据网页链接信息和初次提取的文本块节点计算重心半径,利用重心半径模型进行二次精确提取,并给出相应的公式推导和超参数选取过程。实验结果表明,与统计抽取、FFT抽取等算法相比,该算法的准确率和提取效率较高,泛化能力较好。     

求解蛋白质折叠问题的拟物切片算法

蛋白质结构预测问题在生物学领域具有重要的理论意义和现实意义,提出一种拟物切片算法,与目前文献中依格点模型求解蛋白质折叠问题的最高效算法PERM进行对比分析。对当前文献中公认的最难的4个算例的计算都达到较好的结果。     

基于本体的数据挖掘方法研究

.数据挖掘是信息技术自然演化的结果,使用数据挖掘工具进行数据分析可以方便的获得重要的知识并应用于决策,提出一种基于本体的数据挖掘算法,讨论使用本体的方法来协助数据挖掘.     

基于EFSM模型的等价类测试

等价类测试是有效减少测试用例而又较小地影响测试效果的一种高效的测试方法，但是对于测试者来说，寻找一种等价类测试的划分方法十分重要，本文提出了一种基于EFSM（Extended Finite State Machine）模型的等价类测试划分的方法，通过对EFSM模型数据依赖和控制依赖分析，给出了等价类测试划分的具体方法和算法，并给出了等价类划分方法的完备性和无冗余性证明。