摘要：提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达(synthetic aperture radar,SAR)图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播(belief propagation,BP)算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率(maximum a posteriori probability,MAP),实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。

摘要：立体匹配通过计算同一场景不同视点下图像的匹配像素的视差,恢复场景的深度信息.文中对传统的基于分割的立体匹配算法进行改进,提出了一种基于双重分割的立体匹配算法.首先对参考图像进行颜色欠分割,使每个区域包含足够的信息进行平面拟合;然后对初始匹配视差图进行分割,检测颜色分割中的欠分割区域并进行再分割,进而对再分割后的区域进行平面拟合;最后利用合作算法对不可信区域优化,以提高匹配算法的运行效率.Middlebury标准图像测试集上的实验结果表明,相对于传统分割算法,该算法时间开销更少、匹配精度更高.

摘要：新兴的非易失存储器STT-RAM具有低泄漏功率、高密度和快速读取速度、高写入能量等特点;而SRAM具有高泄漏功率、低密度、快速读取写入速度、低写入能量等特点.SRAM和STT-RAM相结合组成的混合缓存充分发挥了两者的性能,提供了比SRAM更低的泄漏功率和更高的单元密度,比STT-RAM更高的写入速度和更低的写入能量.混合缓存结构主要是通过把写密集数据放入SRAM中、读密集型数据放入STT-RAM中发挥这2种存储器的性能.因此如何识别并分配读写密集型数据是混合缓存设计的关键挑战.利用缓存访问请求的写入强度和重用信息,提出一种基于强化学习的缓存管理方法,设计缓存分配策略优化能耗.关键思想是使用强化学习对得到的缓存行(cache line)集合的能耗进行学习,得到该集合分配到SRAM或者STT-RAM的权重,将集合中的缓存行分配到权重大的区域.实验评估表明:提出的策略与以前的策略相比,在单核(四核)系统中能耗平均降低了16.9%(9.7%).

摘要：集装箱码头作为一个复杂的物流节点,会受到多种不确定性因素的影响.针对这种情况,为保证码头作业计划能够平滑执行、提高系统的鲁棒性,提出了一种基于鲁棒反应式策略的泊位和岸桥联合调度方法,重点研究当不确定性因素发生时,如何通过泊位和岸桥联合实时调度提高系统的鲁棒性.泊位和岸桥联合实时调度策略分成两部分考虑:即泊位实时调度和岸桥实时调度;前者采用了ASAP(as soon as possible)的调整策略;后者采用MAS(multi-agent system)技术,充分利用码头的岸桥资源,设计出了一种基于CNP(contract-network-protocol)协商机制的岸桥实时调度模型.仿真实验表明在执行阶段采用这种泊位和岸桥联合实时调度策略相比仅采用泊位实时调度策略,可以更有效地降低不确定因素所带来的影响,进一步提高系统的鲁棒性.

摘要：针对基于面向服务架构的移动信息服务平台,研究了移动工作流的结构模型,分析了流程设计中的Web服务接口及其消息驱动的协同机制.移动工作流主要依赖SMS和MMS协议发起同外部进行通信和服务调用.当用户发起某一事项申请时,工作流引擎实例化流程,按照每一个活动中协同规则调用服务来完成该活动的任务.由于流程节点之间的流转体现出多种协同关系,在进行逻辑规则和时间规则分类的基础上,提出了基于业务流程执行语言BPEL协同规则的描述方法.以申请开放实验项目协同流程为例,涉及多种人员角色,利用移动短消息的模式驱动流程的流转,利用基于BPEL描述的服务协同规则进行了实现,取得了良好的效果.表明所提出的方法有利于简化移动服务平台的系统集成,缩短系统设计周期.

摘要：基于FBMC-OQAM(filter bank multicarrier-offset quadrature amplitude modulation)的多用户频谱共享的认知无线电网络中的资源分配问题,在此提出了一种干扰抑制的功率资源分配算法(powerresource allocation algorithm,PAA).引入跨层干扰限制来保护网络中的次用户免受过多的干扰.引入虚拟队列的概念,将多用户争用信道资源导致的额外分组时延转化为在信道对应的虚拟队列中的排队时延.该算法以系统能效为目标函数、以时延和传输功率为约束条件,提出一个非线性约束下的非线性分式规划问题.设计了一种迭代算法,先通过一些变换将分式目标函数变为多项式形式,降低其实现难度后迭代求其全局最优解.此外设计了一种次优算法,以部分性能换取更低的计算复杂度.经实验仿真对比,最优算法具有高性能,次优算法在低计算复杂度的基础上具有较高性能,2种算法均具有很好的实用价值.

摘要：针对移动物(车)联网的路由问题,通过对车辆的运动特点及造成链路断裂的原因进行的详细分析,我们建立了链路维持时间模型,并将维持时间作为设计路由算法的重要参数. Q-Learning作为一种启发式机器学习策略,能够通过与周围环境交互来动态地调整路由路径.基于此,我们设计了一种自适应的路由新算法.它将学习任务分散在每一个车辆节点中,通过周期性的与周围节点交换信标信息来维护可靠的路由路径.利用NS-2模拟器对该算法的性能进行了评估,结果表明,在不同的网络场景中,该算法在递交率、端到端的延时以及平均跳数等方面均表现出很好的效果.

摘要：针对目标跟踪中的机动目标跟踪,提出了一种基于模拟退火(SA,simulated annealing)的粒子滤波(PF,particle filter)跟踪算法(SAPF)。通过采用SA方法改进重要抽样密度函数,在状态转移基础上增加扰动量,依据Metropolis准则解决粒子的贫乏问题,扩展粒子的局部搜索范围;以降温设计促使粒子向高似然区域移动,建议分布产生的粒子更能反映系统状态的后验概率分布。实验结果表明,与PF相比,SAPF具有更高的跟踪精度。

摘要：以时空兴趣点特征和支持向量机(SVM)分类器识别方法为基本算法,在广泛使用的公开动作数据集KTH上,从不同角度考察评估策略对动作识别算法性能的影响。实验表明,当采用不同的交叉实验方法时,算法性能的波动最大达到10.5%,而不同数据集划分方法对算法性能的影响则达到11.87%。因此,通过量化分析得出的结论,可以充分地比较现有算法的真实差异,并为设计合理的评估策略提供参考。

摘要：针对传统K-means算法在处理海量数据时存在计算效率低和时间复杂度高的缺点,提出一种基于Spark计算框架的改进K-means算法。利用网格单元保存数据点的空间位置信息,通过与聚类中心的空间位置关系减少冗余计算,为提高算法处理海量数据的能力,采用Spark框架对算法进行并行化实现。在集群环境下进行测试,基于Spark框架的改进后算法能有效降低计算的时间复杂度,算法具有良好扩展性,计算效率有显著提高。