摘要：针对传统A^(*)算法在进行机器人路径规划时,生成的路径只能沿网格方向进行,带来冗余路径的产生,导致规划的路径非最优路径等问题,提出了一种对A^(*)算法的改进策略。首先,设计Basic Theta^(*)算法,改进A*算法的搜索方式,通过引入视线算法(LOS),增加搜索过程中非网格方向路径的选择,实现任意角度的路径规划;其次,对Basic Theta^(*)算法中的LOS进行改进,提出一种基于网格中心点的视线检测算法,提高Basic Theta_(*)算法规划路径的可实现性。为了验证改进A^(*)算法和改进Basic Theta^(*)算法的效果,在五种不同尺寸的栅格地图中进行仿真测试,仿真结果表明,改进后的A^(*)算法能够在运行时间基本不变的情况下实现路径沿任意角度进行,打破网格的限制,剔除冗余路径,降低路径长度,路径长度的缩减率可达到8%;改进的Basic Theta^(*)算法在保证路径长度基本不变的情况下,能够有效优化传统Basic Theta^(*)算法路径中存在的不符合机器人运动学的路径,同时缩短Basic Theta^(*)算法的运行时间,提高算法的运行效率,规划的路径能够满足机器人运动的实际要求。

摘要：随着大数据的发展及加密场景的增多,仅以软件运行的加密方式难以满足加密性能的需求;而使用Verilog/VHDL方式实现的FPGA/ASIC加密系统又存在灵活性较差、维护升级困难等问题。针对上述问题,设计并实现了一种基于异构可重构计算的AES算法加密系统,包含了AES算法ECB、CBC、CTR三种主流模式,每种模式实现了128 bit、192 bit、256 bit三种密钥大小的加密。基于FPGA对模块分别进行了硬件加速,同时基于硬件可重构机制实现了不同模式及不同位宽加密模块的动态切换。通过在Intel Stratix 10上实现并验证该系统,实验结果表明:系统中AES-ECB、AES-CTR、AES-CBC吞吐率分别达到116.43 Gbps、60.34 Gbps、4.32 Gbps,ECB模式相比于Intel Xeon E5-2650 V2 CPU和NVIDIA GeForce GTX 1080 GPU分别获得了23.18倍与1.43倍的加速比,整体系统相比纯软件方式的计算加速比达到4.72。

摘要：物联网工程专业是面向国家战略性新兴产业发展设置的一个新型学科,具有显著的新工科专业特征,其中“综合设计”课程在整个专业培养体系中有着非常重要的作用。基于新工科建设的理念和要求,以江南大学物联网工程专业为例,针对目前综合设计类课程教学存在的问题,从课程选题的评价制度、资源支撑、实验平台、过程性评价等提出改善措施,构建以多元考核为导向、能力要素全面培养为目标的创新教学模式,培养具有较强的工程实践能力的高素质物联网新工科人才,以满足新经济背景下对物联网专业人才的需求。

摘要：针对复杂战场环境下同型号舰载雷达发射信号之间容易出现同频干扰的问题,设计出具有正交特性的调频编码信号。对常规的正交波形编码的搜索方向进行改进,利用混合遗传鸡群算法找出具有低自相关特性和低互相关特性的编码序列。该算法利用反向学习的鸡群算法进行搜索寻优,引入学习因子和遗传算法中的变异和交叉思想对个体进行更新迭代。在适应度函数中引入集对分析联系度综合评价,根据集对分析联系度来引导算法的搜索方向,得到具有更好正交特性的调频编码序列脉冲信号。对得到的雷达信号的模糊函数、回波信号的匹配滤波情况以及不同雷达数量下仿真信号的正交性分别进行仿真,仿真结果验证了所设计的调频编码信号能达到抗同频干扰的目的。

摘要：网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性。不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义。

摘要：近年来,伴随着互联网技术与医疗服务行业的深入渗透,智慧医疗正深刻改变着医疗服务的理念和模式,尤其是在医疗废物管控领域中,数字化的采集、运输、处置模式充分实现了人员、设备、物资的可视化管理。但由于目前现有的医疗废物管理系统仍旧囿于不同机构之间的分立现状,侧重于信息记录,而缺乏对于处置资源的科学调控。对此,该系统设计健全医疗废物全程采集与追溯流程,彻底打破了各机构内部传统的分立组网方式所带来的局限性,同时落实对人员、设备、物资的智能化管理工作,更加有效地提高工作人员的工作效率。

摘要：针对云端融合模式下任务具有随机性、动态性、多样性、到达时刻不确定等特征,考虑随机到达云平台的新任务、不可执行子任务两类触发事件,提出一种基于事件驱动机制(Event-triggered mechanism, ETM)的动态任务分解模式优化方法,提高组内子任务相关度、每组任务工作量均衡度、降低组间子任务耦合度。在给出任务统一描述方法的基础上,设计基于ETM的动态任务分解优化流程,确定子任务信息流向关系,建立基于分组的动态任务分解多目标优化模型,并提出一种改进自适应遗传算法进行求解。仿真表明,提出的方法能够实现云端融合任务-资源分配的均衡性与高效性,且优化算法在寻优精度和收敛性能方面具有优势。

摘要：考虑移动多智能体的动力学行为,在保证其不发生碰撞的前提下,研究了一类具有活动边界的分布参数系统的移动控制问题.假设每个智能体上安装了并列的传感器和执行器,传感器对系统的状态进行测量并将测量值传递给控制器,由装备了控制器的执行器执行相应的反馈控制策略.基于活动边界分布参数系统的抽象发展方程和李亚普诺夫方法,设计了一类输出反馈控制器,并得到了使系统渐近稳定的具防碰撞的移动控制策略,同时证明了系统的活动边界对所提策略有很大影响.所提策略能有效提升系统的控制性能,仿真实例验证了该方法的有效性.

摘要：针对深度卷积神经网络的结构越来越复杂,参数规模过于庞大的问题,设计出一种新的紧凑型卷积神经网络结构Width-MixedNet和其多分支的基本模块Conv-mixed,该架构扩展了卷积神经网络的宽度。Convmixed利用分支结构使多个不同的卷积层处理同一个特征图,提取不同的特征。在深度卷积神经网络的识别任务中,使用多个小型卷积层叠加,逐层缩小特征图的方法代替全连接层进行最后的特征提取。整个Width-MixedNet架构的参数数量只有3.4×10~5,仅有传统深度卷积神经网络的1/30。分别在CIFAR-10、CIFAR-100和MNIST数据集上进行实验,准确率分别达到了93.02%、66.19%和99.59%。实验表明,Width-MixedNet有更强的学习能力和表现能力,在提高识别精度的同时,大大降低了网络的参数规模。

摘要：提出了一种级联全卷积神经网络的显著性检测方法。网络主要由两层级联的全卷积神经网络组成,第一阶段构建了一个带金字塔池化模块编码-解码架构的全卷积神经网络,金字塔池化模块有效抑制了背景噪声的干扰。第二阶段设计了边缘检测网络,学习显著区域的边缘信息,通过融合两个阶段显著图得到边界精确的显著图。实验结果表明,所提方法在图像显著性检测数据集ECSSD和SED2上均具有较高的准确率、召回率和较低的平均绝对误差,为目标识别、机器视觉等提供了可靠的预处理结果。