摘要：为了缩小IoT应用的服务质量要求与IoT设备有限的计算资源之间的差距,提高设备与基站能源利用率,设计了基于超密集网络的移动边缘计算框架COMED,提出了一个结合任务卸载、设备-基站关联以及基站睡眠调度的在线优化问题,旨在最小化设备和基站的整体能量消耗,同时满足IoT应用的服务质量要求.针对这一在线优化问题,提出了一个基于李雅普诺夫优化理论的任务调度算法JOSA,该算法只使用当前时间片的系统信息进行调度.仿真实验证明了COMED框架具有良好的性能:1)与设备本地处理相比,系统整体节能30%以上,与DualControl算法相比平均节能10%~50%;2)算法的执行时间与IoT设备数量呈近似线性的关系.

摘要：大规模图数据中的重要顶点与层级结构对于挖掘复杂网络(如社交网络、交通网络等)中有价值的信息具有重要意义.提出一种自顶向下的大规模时态图(k,h)-维护算法,对时态图中紧密度最高的前n层(k,h)-核,或满足自定义k,h值约束条件的核进行维护.首先提出识别(k,h)-最大层的方法 .当时态图中出现新的边时,为了定位当前时刻可能因新加入边导致核值需要更新的顶点的范围,提出候选插入子图与部分(k,h)-核的概念及相应的识别算法.针对加边情况,提出自顶向下的时态图(k,h)-核维护加边算法,根据部分(k,h)-核识别核值受加边影响的顶点并对其核值进行更新.针对当前时刻有已经存在的边被删除的情况,提出自顶向下的时态图(k,h)-核维护删边算法,对上一时刻的(k,h)-核做最小调整以得到当前时刻的核值.从理论上证明了算法的正确性,还在真实的时态图上设计了一系列对比实验.实验结果表明,在维护层数较少时下添加边,提出的核维护算法与其他对比算法相比,加速比可达几十倍;删边时,加速比也在1~2倍.提出的算法有良好的扩展性,对于增删不同数量的边和不同的(k,h)设置,都能保持较高的效率.

摘要：目的目前学者已经设计了很多模拟油画、水彩、水墨等风格的非真实感绘制方法,而能够生成彩色素描的算法还不是很多。针对这一课题,在前人工作的基础上,结合线积分卷积与双色调映射技术,改进了一种彩色素描模拟方法。方法首先基于K-means聚类对彩色图像进行分割,通过计算色彩差异性为每个区域指定两种基本色,并利用双色调映射技术计算每种颜色的密度。而后利用线积分卷积分别生成两个基本色层的素描纹理,并将两层纹理相融合来生成彩色纹理。与此同时,利用霓虹变换生成素描轮廓线。最后,将轮廓与彩色纹理相融合来得到彩色素描效果。结果实验结果表明,本文方法能够实现由彩色图像到彩铅画的自动、实时转化。结论本文方法从轮廓和纹理两个角度模拟了真实的彩铅绘画过程。基于K-means聚类的分割方法得到的结果能够更好地反映彩色图像的颜色分布特性。通过色彩差异性计算指定基本色的策略提高了该环节的效率,满足了实时性要求。由于粉笔、蜡笔等绘画风格的调色与彩铅画类似,本文不同颜色层上下叠加的方式可以扩展到对其他介质绘画的模拟当中。

摘要：许多体育运动受到场地、天气和经济等因素的限制,很难得到开展。随着计算机技术的快速发展,虚拟现实(Virtual Reality,VR)技术被广泛应用于体育运动中,旨在突破以上限制。文中对2003年至今的虚拟现实与体育仿真相结合的技术进行了介绍,从体育类型的角度将其归类为竞技体育仿真、娱乐体育仿真、医疗体育仿真和体育相关场景仿真。从近年来的体育仿真实例可以发现,基于VR技术的体育仿真已经不局限于竞技体育领域,正在不断向大众娱乐和交叉学科的方向深入发展,基于VR的娱乐体育仿真和医疗体育仿真更加成熟,可以给大众带来更加贴近日常生活的VR体验。体育相关场景仿真虽然是一个较新的领域,但由于其商业化的特色,虚拟广告和赛事系统等应用得到快速发展。最后对虚拟现实技术在体育仿真中的未来发展提出了全新的展望。

摘要：提出了一种考虑用户与发布者建模的个性化微博搜索模型,该模型一方面运用主题模型与语言模型构建微博主题维度的用户兴趣模型,另一方面,融合用户与微博发布者的关系特征,构建用户-发布者关系维度的用户兴趣模型。并将二者进行有效融合,设计了将单个用户的微博作为一个文本的训练方法,解决微博文本短、语料稀疏的问题。基于真实用户搜索反馈的实验表明,融合用户-发布者关系的微博搜索模型可有效提高微博搜索的个性化效果。

摘要：为提高移动众包系统的有效性和可靠性,设计了一套完整的在线激励机制优化算法,针对用户到达和参与任务的异步行为,提出一种改进的多阶段反向拍卖算法,通过在线学习自适应确定密度阈值,动态选择最优用户集,并在每次交易后对用户的信誉进行更新,以指导下次任务分配。仿真结果表明,该优化算法满足计算有效性、利益双方正收益性和真实性,能在一定预算和时间约束下获得更好的性能。

摘要：针对智能移动终端应用平台上的广告点击率(CTR)预测问题,在传统PC端Web平台在线广告CTR预测方法的基础上,提出一个新的智能移动终端在线广告投放业务架构。基于此架构,构建基于机器学习的在线广告预测模型,对用户基本信息、广告内容、用户使用环境等多源特征进行融合提取,实现在线广告CTR的精确预测。结合移动APP应用环境的特点,将用户历史行为数据加入预测模型进一步提高CTR预测性能。实验结果表明,该模型具有较高的CTR预测准确率。

摘要：越来越多的人需要出行入住酒店,如果能在出行前就预定好所需要的酒店,可以大大提高出行效率。使用JAVAEE的S2SH框架,结合大型数据库Oracle设计并开发了一套酒店管理系统。客户可以通过系统快速找到自己需要的房间进行预订,酒店服务人员接受预订,并安排客户入住,按时退房等功能。通过测试,该系统对于酒店入住的功能均已实现,系统运行安全、界面易用性好。为客户和酒店提供了方便快捷的网上订房的功能,具有很高的社会运用价值。