微服务架构下新华社两级监控系统设计与实践

【目的】为解决微服务架构下,统一监控国产基础软硬件产品种类多、数量大而导致的监控运维工作难度大的问题。【方法】本文基于Prometheus和金蝶运维监控平台,设计并实现一套企业级的信创平台两级监控系统技术方案。【结果】从而在系统或者服务不可用时能够快速定位故障并通知运维人员进行处理。【结论】两级监控系统实现了信创环境软硬件的监控,并将监控项接入新华社统一运维监控系统提升运维效率,保证业务的连续性。

专家系统发展综述

为了概括专家系统近期的发展,按照发展次序,将专家系统划分为基于规则、基于框架、基于案例、基于模型和基于网络的5个阶段。对每个阶段分析了对应的专家系统的思想,给出典型算法,并通过若干示例进行详述。然后总结了专家系统的发展规律,将其分为原理突破与技术突破两大类,原理突破服从"否定之否定"的发展规律,技术突破本质上是与其他学科的交叉。文末预测了进一步的研究方向。

基于隶属云模型蚁群算法与LK搜索的TSP求解

提出一种求解TSP的算法,采用"问题无关的进化算法与问题相关的局部搜索相结合"的策略。采用基于云模型的蚁群算法来产生足够好的解;改进传统的LK算法,新加入5种搜索删除集与添加集元素的准则,以此细化搜索。将该算法用于求解TSPLIB中不同类型、城市数从48到33810内变化的TSP,比较该学派与其他学派算法的偏离率与运行时间,结果均显示该算法更优,有效求解了TSPLIB中的非对称TSP、哈密尔顿圈问题。

用于多指数拟合的一种混沌免疫粒子群优化

为了更好地逼近真实物理场景,对传统的多指数模型作了一些改进,将权因子设置为噪声方差平方的倒数,提出一种基于循环矩阵(CM)的算法用于估计衰减项数.为了求解上述改进模型,提出一种混沌免疫粒子群优化(CIPSO)算法.该算法将人工免疫系统中的克隆、交叉、变异和接收器修正算法嵌入粒子群算法中,并采用混沌算子实现变异,然后将惯性因子改为自适应变化.实验表明:提出的权因子设置更符合实际;用于估计项数的CM算法在估计精度与运行时间上均优于传统的ILS算法;CIPSO算法在收敛精度与运行时间上也优于传统的优化算法,如可信域法、LM法、高斯-牛顿法、差分进化算法和粒子群算法等.

工程优化问题中神经网络与进化算法的比较

目前工程优化问题不仅种类繁多,而且各自采用的模型与方法迥异。从方法论的高度,将现有工程优化问题分为黑箱优化与白箱优化,然后推出各自的优化模型。对于黑箱优化问题,阐述了前向神经网络在系统逼近上的优势,以及进化算法与BP算法在求解神经网络权值上的优劣;对于白箱优化问题,阐述了进化算法与反馈神经网络的优缺点和目前流行的进化算法及其通用改进策略。通过分析,可以对目前的优化问题,以及神经网络与进化算法在其中的作用,有更加全面的认识。

一种基于稀疏优化的数独求解新方法

为了更好地求解数独问题,提出一种新的求解方法:采用实数编码去除整数约束,同时采用0范数作为目标函数来保证解的稀疏性.在此基础上,根据RIP(Restricted Isometry Property)与KGG(Kashin Garnaev Gluskin)条件,用1范数近似0范数.最后引入松弛矢量,使1范数转换为一个凸线性规划问题.采用主对偶内点法求解该线性规划问题.实验表明:该方法对简单、中等、困难、恶魔级别的数独,可达到100%成功率;对最小提示数目的17数独,达到86.4%的成功率.另外,该算法耗时短,且与数独的难度无关.因此,该算法在成功率与运行时间上均优于约束规划与Sinkhorn算法.

基于粒子群神经网络的细胞图像分割方法

为了更好地分割细胞图像,对传统的BP神经网络进行改进:首先将输入神经元设置为一个3×3窗口,以代替传统的单像素通道;其次采用一种基于信息熵的方法估计隐层神经元的个数;最后采用一种改进的PSO算法来保证网络权值收敛到最优。对血细胞和肠细胞的分割结果表明,本文方法得到的隐层神经元数大幅减少,误判率也优于BP与LM算法,耗时较BP算法少且近似接近LM算法。本文提出的估计隐层神经元的方法有效,且改进的PSO算法能够跳出误差函数局部极小点,收敛到全局最小点。

智能算法求解TSP问题的比较

目前TSP问题的求解方法不仅种类繁多,而且模型迥异。集中讨论求解TSP问题的智能算法,将其分为进化算法、Hopfield神经网络和自组织映射3类,对每类方法进行了原理研究、性能分析和优缺点比较。最后通过不同规模的实验进行验证,发现进化算法与局部搜索的组合求解TSP性能最好。今后的研究将集中在如何寻找更优的局部搜索。

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.

基于PCNN的图像直方图均衡化增强

为了更好地增强图像,提出一种新的图像增强方法.处理分为2个阶段,首先局部增强阶段,利用PCNN模拟空间掩盖效应去除了人眼无法察觉的双边缘,同时在神经元模型中引入侧抑制来模拟Mach带效应,使边缘处灰度差值更大,平滑区域灰度差值更小.其次全局增强阶段,将灰度信息与空间信息耦合到神经元的内部活动项,将阈值设置为局部增强后的图像直方图的累加密度函数,通过比较内部活动项与累加密度函数,得到最终的增强图像.理论与实验均证明了最终图像满足直方图均衡化的要求,不仅对灰度层损失问题免疫,而且直方图近似均衡.

一种基于神经网络的遥感图像压缩编码

为了更好地在恒定压缩率条件下,实现卫星遥感图像的压缩,提出1种将像素分为3类的编码方案.每类采用基于Levenberg-Marquardt算法的双层神经网络进行预测,和基于偏置学习规则的竞争神经网络实现量化.对长城、珠峰、香港等地遥感图像的压缩试验证实了算法的有效性.同时还表明该算法压缩图像的MSE高于距离-权值方法与最小均方误差法,且时间复杂度为O(n).

非参数估计方法

为了解决函数估计问题,首先讨论了传统的参数回归方法.由于传统方法需要先验知识来决定参数模型,因此不稳健,且对模型敏感.因此,引入了基于数据驱动的非参数方法,无需任何先验知识即可对未知函数进行估计.本文主要介绍最新的8种非参数回归方法:核方法、局部多项式回归、正则化方法、正态均值模型、小波方法、超完备字典、前向神经网络、径向基函数网络.比较了不同的算法,给出算法之间的相关性与继承性.最后,将算法推广到高维情况,指出面临计算的维数诅咒与样本的维数诅咒两个问题.通过研究指出前者可以通过智能优化算法求解,而后者是问题固有的.

基于模式的自制小波在EBPSK信号检测中的应用

为了改善基于小波的超窄带信号的检测率,提出了根据信号的模式构建小波的方法.以扩展二元相位键控的"1"信号为例,采用常数正交函数空间投影法构建了对应的unb1小波,并与经典的Haar,db系列、Symlet系列、Coiflet系列、Biorspline系列、逆Biorspline系列、离散美尔、高斯系列、墨西哥帽和Morlet小波进行比较.分析结果发现,所提出的unb1小波性能较好,能够检测出信号的位置和尺度,且在噪声强度大于信号强度的情况下亦可工作.因此,基于模式的自制小波用于超窄带信号检测是可行的.

一种改进的Grover量子搜索算法

Grover量子搜索算法以O(N^(1/2))的时间复杂度进行非结构化数据库穷举搜索,但当问题的解的个数增加,得到解的概率反而减少.本文分析了这种现象的原因,并提出了基于扩大搜索空间的改进算法.同时,为了在成功概率与迭代次数之间折中,增加一个新参数i使得算法可调。求逆问题的仿真实验表明该方法在同等迭代次数的条件下,成功概率高于传统Grover算法;且如果迭代次数不限,则成功概率可以更高。因此,本文算法更加有效。

最大模糊互信息用于图像分割

为了更好地选取图像阈值,将最大模糊熵(MFE)准则与最大互信息(MMI)准则结合,提出最大模糊互信息(MFMI)准则。同时为了有效确定最佳分割类数,提出根据模糊互信息差(dFMI)来判别的准则。综合上述的两点改进,提出一种新的多阈值分割算法——最大模糊互信息量分割算法(MFMI)。对合成图像、无损检测图像、标准测试图像进行仿真,同时对比结合前的MFE与MMI,经典的阈值分割法如OTSU和MET,以及流行的模糊C均值算法(FCM),可以发现MFMI误判率最小,代价是运行时间较长。综上,MFMI是一个有效的图像分割方法。

Li-Hopfield神经网络用于汉字字符识别

提出了一种Li-Hopfield网络,解决了Hopfield神经网络能量函数存在积分项、振荡收敛、计算复杂等问题,并继承了Hopfield网络的结构与Li网络的优点.同时发现基于部首拆分的汉字字符识别可以忽视甚至利用该网络的虚假稳定点,从而使样本存储量降为传统Hopfield网络的1.44%,表明该算法有效且快速.

隶属云模型蚁群算法的新应用:生鲜食品多阶段动态定价

文章从收益管理与消费者购买行为的角度出发,建立了生鲜食品多阶段动态定价模型,力图使零售价格动态地跟踪生鲜食品的自身价值波动。为了更好地求解该模型,文章采用了一种基于隶属云模型的蚁群算法。通过对二阶段、三阶段的算例仿真分析,不仅表明该模型优于传统模型,而且所采用算法在收敛率与运行时间方面均优于遗传算法、蚁群算法、改进蚁群算法等。

一种基于光全息的图像混合加密算法

为了使图像保密性更好,提出一种新的加密算法。研究了传统的Arnold变换,分析其周期性,指出Arnold变换的保密性能与图像尺寸有关。为保证图像直方图均匀化且增大密钥空间,进而提出一种基于随机数序列的像素置乱算法,比较了扭曲法、移位寄存器、修正SWB算法、混沌算法,发现扭曲法生成的随机数序列的周期与密钥空间最大。计算二维图像的光全息图作为加密图像。实验证实了该算法的有效性,对剪切攻击、噪声攻击、JPEG攻击等具有强脆弱性。

一种径向基函数神经网络的参数求解方法

为了求解径向基函数神经网络的权值,首先分析了传统基于训练误差的方法,发现该方法容易造成数据过拟合,原因在于训练误差是风险函数的下偏估计;因此,文中提出采用缺一交叉验证得分代替训练误差,来实现无偏估计风险函数;实验对摩托数据与玻璃数据进行拟合,证实了基于缺一交叉验证的方法优于传统基于训练误差的方法,且所得到的径向基函数网络能够较光滑地拟合数据,不会造成过拟合。

多态细菌趋药性的传感器图像自动配准

传统的图像配准的相似性测度函数对噪声过于敏感,且需要先验知识约束。对此加以改进,提出一种新的相似性测度模型。为了对模型求解,引入一种新的优化算法——细菌趋药性算法,并对其做出改进,得到多态细菌趋药性算法。实验表明,修正的相似性测度模型对噪声免疫;同时多态细菌趋药性算法比精英遗传算法、蚁群算法、粒子群算法、细菌群体趋药性算法等收敛更快,且能以更大概率收敛到全局最优。