基于稀疏傅里叶变换的哈希映射宽带频谱感知算法

宽带频谱感知一般要求对高达数GHz带宽信号进行频谱分析,信号的采样点数大,计算量大。稀疏傅里叶变换算法利用信号频谱稀疏性,高效计算宽带信号频谱,其计算复杂度低于快速傅里叶变换算法。本文详细研究了稀疏傅里叶变换的哈希映射法,证明了频谱重排性质。为了降低频谱漏采的概率,需先对信号进行频谱重排和时域加窗处理;然后进行时域混叠以实现频谱降采样;最后利用哈希反映射和循环投票方法尽可能准确地从降采样的频谱中恢复宽带信号原频谱,从而实现频谱感知。仿真结果表明当采样长度由1024点增加到2048点时,本文方法的运算时间分别比OMP算法减少约19倍和47倍。

基于优先级的哈希结构复杂事件检测方法

针对多源动态海量数据复杂事件检测中存在复杂事件不能及时检测以及过多占用内存的问题,提出了一种基于优先级的哈希结构复杂事件检测方法。该方法通过定义各个原子事件的优先级,采用事件优先级调度策略,使得事件模式匹配及检测能得到及时执行;同时减少了内存消耗,提高了事件检测的吞吐量。仿真实验证明了该方法的可行性和高效性。

稀疏傅里叶变换理论及研究进展

稀疏傅里叶变换(sparse Fourier transform,SFT)是一种稀疏信号离散傅里叶变换的新算法,比传统快速傅里叶变换(fast Fourier transform,FFT)更加高效.综述了SFT的理论框架、约束条件及频谱重排、窗函数滤波、降采样FFT等关键技术问题,结合算法最新理论成果,归纳出4种不同的重构方法:哈希映射法、混叠同余法、相位解码法、二分查找法.最后介绍了SFT理论的应用成果,并展望了其未来可能的发展方向.

医学图像三维重建及实时性研究

使用VTK工具包和MC重建算法开发了一套医学影像三维重建系统,并着重对实时性进行研究。由于重建后图像数据的处理时间和存储代价与三角形网格中三角形数量成正比,过于复杂和细节化的网格会给图像数据的存储、传输、计算和实时绘制等带来负担,故采用了顶点合并的三角形网格简化方法来减少三角形数量。另外,网格存储中存在公共顶点的大量重复存储,故提出了三角形网格的哈希映射存储方法,消除了顶点的重复存储。

基于VTK的医学图像快速重建系统

使用数据可视化工具包VTK和重建算法MC开发了一套医学影像三维重建系统。系统针对阻碍实时性的三维重建时空问题,采用顶点合并和哈希映射方法对三角形网格进行优化,有效减少了重建后图像的存储量并提高了显示速度。本系统为构建完整的医学可视化平台奠定了基础。

基于.NET Remoting的动态负载平衡模型

在对.NETRemoting技术和传统的分布式负载平衡算法深入研究的基础上,提出一种排序队列和哈希映射矩阵相结合的负载平衡策略,给出一个分布式环境下的动态负载平衡模型。一方面可提高系统吞吐量,另一方面可缩短任务请求的响应时间。模型采用模块化设计方法,使其具有部署灵活性和容错性,并应用滑动窗口机制提高模型的负载平衡指标可信度。

加密强度可定制的新型文本加解密算法

各类信息服务系统在生活中各领域的广泛应用导致用户需要管理和记忆越来越多的账号和密码,设计一种让用户能够根据实际需求自定制的、加密强度可调节的账户和密码管理方法成为急需解决的问题。提出了一种加密强度可定制与调节的加密策略,并设计、实现了一个加密算法实例。算法分为3个步骤:哈希映射、空白填补、字符加密。哈希映射用于制作密码本,负责把明文根据密码本放到密文缓冲区,或根据密码本把明文从密文缓冲区读取出来;空白填补把密文缓冲区空白部分填上随机字符,进一步增加保密级别;字符加密允许用户采用自己特定的加密算法对每个明文字符进行加密。理论分析和实验测试均表明该加/解密算法灵活、便捷,同时可以有效保证用户隐私数据的安全性,允许用户根据实际需求自定制专属自己的独特的保密方法,并且证明在不知道密钥的情况下无法使用蛮力穷举法破解。

基于签名的P2P流量识别模型的设计与实现

为了克服P2P流量识别传统方法与现有方法的不足,设计了一种新型基于签名的P2P流量识别模型。在分析BitTorrent与eMule两种典型P2P协议的基础上,提取了协议签名,并对P2P流的行为特征进行了研究,且分别对网络数据包和流进行了统一的描述,然后使用哈希映射表查找与签名匹配相结合的方式判断了流量的归属。最后在真实的网络环境下实现了该模型,实验结果表明此模型可以有效地识别P2P流量。

无线传感器网络中基于值的kNN查询处理

提出一种基于值的kNN查询处理算法,该算法运用哈希函数将节点的数据映射到一个子区域中存储,采用基于位置路由实现了查询处理,并通过多点存储和可变存储区域减少节点的能量开销.实验结果显示该算法在生命周期和延迟方面都取得较好的效果.

结合标签优化和语义分割的服装图像检索

针对缺少民族服装语义标签、局部特征繁杂等因素导致少数民族服装图像检索准确率低的问题,提出一种结合标签优化和语义分割的服装图像检索方法.首先基于自定义的少数民族服装通用语义标签和民族服装语义标签,构建视觉风格分析概率模型进行标签优化;然后在全卷积网络结构基础上加入侧分支网络和全连接条件随机场,结合带有标注对和优化语义标签的训练图像对待检图像进行语义分割;最后采用多任务的深度监督哈希算法将语义分割结果哈希映射为二进制码,通过相似度计算对少数民族服装图像进行检索并输出结果.在构建的少数民族服装图像集上的实验结果表明,该方法能够有效地提高少数民族服装图像语义分割和检索的准确率.

Oracle数据库组合分区的一种实现方法

本文分析了Oracle数据库的表分区结构,改进了Oracle数据库组合分区的实现方法,阐述了字典映射、取模映射、函数映射的适用范围和实现方法,给出了分区属性列和链表结构的适用范围和理论依据,以解决企业在数据存储过程中遇到的分区实现问题。

HMSST:一种高效的SPARQL查询优化算法

在缩小海量数据查询范围的前提下,结合哈希映射和选择策略树提出了一种SPARQL优化算法——HMSST(HashMapSelectivityStrategyTree),实现了SPARQL的查询优化。并针对LUBM 1000所大学的测试数据集对查询策略进行了实验,实验结果表明:提出的HMSST算法以及存储策略相比现有的查询方案,具有更小的存储代价以及更高的查询能力,在大数据集下可以高效地工作,并且该优化方案在查询的元组模式个数较多和语义较复杂时效果更加明显。

多目标跟踪下点迹凝聚的实时优化算法

针对雷达信号处理中的点迹凝聚算法在应对多目标、群目标检测时的实时性能不佳,对点迹凝聚算法的工程实现提出了优化措施。对于常规实现中的耗时操作采用预排序和哈希映射的方式优化,降低了算法实现的时间复杂度。为使算法适配多核处理器,提出了2种多线程的实现方案。对方案进行性能对比,分析了不同优化方案适用的场合。仿真结果证明在目标数目达到一定规模后,提出的方案相对于常规实现有着近百倍的加速,有效解决了点迹凝聚算法处理大量点迹时实时性不佳的问题。

高抗噪性的SFFT-DT快速捕获算法

针对稀疏快速傅里叶变换(Sparse Fast Fourier Transform,SFFT)并行码相位捕获算法抗噪性能较差的问题,提出了一种新的高抗噪性快速捕获算法。该算法依据伪码相关函数峰值唯一的特点,利用降采样快速傅里叶变换(Downsampling Fast Fourier Transform,DFFT)取代了SFFT并行码相位捕获算法中对噪声容忍能力较差的定位循环与估值循环过程来对伪码相位进行捕获,同时对算法参数进行了优化设计。理论分析及仿真结果表明,与已有的SFFT快速捕获算法相比,SFFT-DT(Combination of SFFT and DFFT)捕获算法的计算速度提升了约19%,抗噪性能提升了约5 dB。与经典的FFT捕获算法相比,当两者抗噪性能近似相同(捕获概率大于95%的前提下)时,本文算法计算量比其减少了约43%。

基于Scrapy技术的分布式爬虫的设计与优化

随着全球信息技术的发展,互联网中的信息量呈爆炸式增长,人们对信息的需求量也与日俱增,而传统的单机平台的爬虫技术已经无法实现现如今互联网中大量数据的获取。本文旨在设计一个基于Redis的主从模式分布式爬虫系统来突破传统单机爬虫的限制。本文中的爬虫系统基于python语言的Scrapy框架具体实现。此外,为了实现分布式,该系统还使用了Redis数据库进行url存储与调度分配,最终使用Mongo Db数据库储存解析后的网页信息。本文也对该系统进行了一定优化,首先,本文采用半分布式拓扑结构优化了整体主从架构;同时本文也采用二级哈希映射算法优化URL的分配,解决了系统内节点动态加入或退出对系统的影响;初次之外,本文还采用去重与增量爬取优化了服务器的资源效率并使用代理ip的方式来应对部分网站的防爬虫屏蔽现象。

基于Scrapy框架的分布式爬虫的设计与优化

本文设计优化传统的分布式爬虫。系统框架采用C++语言,使用Redis数据库进行url存储与调度分配,采用去重与增量爬取优化了服务器的资源效率并且运用IP池解决了一些网站部分反爬虫机制;最终系统运行成功并达到预期的效果。

结合深度多标签解析的哈希服装检索

目的服装检索对于在线服装的推广和销售有着重要的作用。而目前的服装检索算法无法准确地检索出非文本描述的服装。特别是对于跨场景的多标签服装图片,服装检索算法的准确率还有待提升。本文针对跨场景多标签服装图片的差异性较大以及卷积神经网络输出特征维度过高的问题,提出了深度多标签解析和哈希的服装检索算法。方法该方法首先在FCN(fully convolutional network)的基础上加入条件随机场,对FCN的结果进行后处理,搭建了FCN粗分割加CRFs(conditional random fields)精分割的端到端的网络结构,实现了像素级别的语义识别。其次,针对跨场景服装检索的特点,我们调整了CCP(Clothing Co-Parsing)数据集,并构建了Consumer-to-Shop数据集。针对检索过程中容易出现的语义漂移现象,使用多任务学习网络分别训练了衣物分类模型和衣物相似度模型。结果我们首先在Consumer-to-Shop数据集上进行了服装解析的对比实验,实验结果表明在添加了CRFs作为后处理之后,服装解析的效果有了明显提升。然后与3种主流检索算法进行了对比,结果显示,本文方法在使用哈希特征的条件下,也可以取得较好的检索效果。在top-5正确率上比WTBI(where to buy it)高出1. 31%,比DARN(dual attribute-aware ranking network)高出0. 21%。结论针对服装检索的跨场景效果差、检索效率低的问题,本文提出了一种基于像素级别语义分割和哈希编码的快速多目标服装检索方法。与其他检索方法相比,本文在多目标、多标签服装检索场景有一定的优势,并且在保持了一定检索效果的前提下,有效地降低了存储空间,提高了检索效率。

一种星载平台轻量化快速影像匹配方法

针对现有传统影像匹配在星载平台有限的存储及算力条件下难以快速计算的问题,本文提出一种适用于星载平台的、基于哈希学习的轻量化快速影像匹配方法。该方法以同源卫星影像的特征描述符作为训练集计算哈希函数,并利用训练好的哈希函数将特征点的浮点型特征描述符映射至汉明空间,实现特征点对间相似度的快速计算,进一步通过剔除误匹配点获得精确匹配结果。同时,训练集中的特征描述符的种类可根据星载平台载荷的传感器类型、影像分辨率及目标区域影像的地貌类型进行灵活选择,使得本文方法具备良好的可重构性;计算汉明距离衡量特征点对间的相似度,提高本文方法在星载平台轻量化处理的应用能力。选取不同时刻资源三号卫星影像及高分七号卫星影像进行匹配对比实验,本文方法轻量化处理后的LW-SIFT方法相较于经典SIFT方法,在耗时方面减少50.12%,且增加正确匹配点数达20.28%。实验结果表明,本文方法能够显著提升影像匹配的精确度及时效性,有较大的应用潜力,能够为星载平台应用提供有力支撑。

基于邻域决策粗糙集的脑功能连接生物标记物识别

脑功能连接判别特征可以作为神经精神类疾病诊断的一种生物标记物,利用机器学习方法对其进行识别是脑科学研究中的一项重要课题.已有脑功能连接生物标记物的识别方法大都忽视了脑功能连接数据高维、连续、多噪声的特性对识别性能的影响,导致所得到的生物标记物的分类能力不强.对此,提出一种基于邻域决策粗糙集的脑功能连接生物标记物识别方法.首先,针对脑功能连接数据连续性和高噪声的特点,引入能有效处理连续和高噪声数据的邻域决策粗糙集来识别分类能力更强的脑功能连接判别特征作为生物标记物;其次,针对脑功能连接数据的高维特点,通过快速生成邻域和缩小特征搜索空间来保证邻域决策粗糙集识别脑功能连接生物标记物的效率.在ABIDE I和ADNI数据集上的实验结果表明,所提出方法能够准确快速地获得分类能力更强的脑功能连接判别特征,有望为神经精神类疾病的诊断提供更准确的生物标记物.

ON CRITERION OF THE EXTREMALITY ANDCONSTRUCTION OF HAMILTON SEQUENCESFOR A CLASS OF TEICHMLLER MAPPINGS

It is proved that if f is a Teichmuller self-mapping of the unit disk with a holomorphic quadratic deferential and satisfies the growth condition m(ψ，r)= o((1 -r)-), r→1, for any s>1, then f is extremal, and there exists a sequence {tn}, 0<tn<1, /lim, tn =1, such that {(tnz)} is a Hamilton sequence. It is the precision of a theorem of Reich-Strebel in 1974, and gives a fairly satisfactory answer to a question of Reich in 1988.