融合云桌面资源的高性能计算集群方案研究

针对高校实验基础设施中云桌面集群和高性能计算集群计算资源分配不均衡的问题,提出将云桌面集群弹性算力与高性能计算平台融合的解决方案,该方法整合云桌面集群的弹性算力,对高性能计算集群的资源进行灵活扩展。实验结果表明,本文提出的方法能够在不影响原有虚拟桌面基础设施业务的基础上,实现云桌面集群的闲置资源对高性能计算集群的弹性补充。

基于通道相似度熵的卷积神经网络裁剪

卷积神经网络(CNN)中包含大量滤波器,参数训练以及存储占用大量内存资源。裁剪滤波器是减小网络规模、释放内存、提高计算速度的有效方法。现有滤波器裁剪方法的主要问题是将滤波器权值作为孤立的数值计算,裁剪小权值滤波器,保留权值大的滤波器,忽视了部分小权值滤波器在特征提取过程中的重要性。通过分析滤波器通道之间的相似性,提出一种基于通道相似度的滤波器熵值计算方法(FEC)。针对滤波器结构特征,对权值张量进行均值压缩,并证明其合理性。先计算滤波器通道距离判断通道之间的相似性,再根据通道相似度计算滤波器熵,由熵值大小进行滤波器排序,删除一定比例熵值较小的滤波器。实验设计针对不同卷积层采用不同的裁剪比例,在CIFAR10以及Image Net标准数据集上对VGG-16和Res Net-34网络进行裁剪。实验结果表明:在基本保持原始准确度的情况下,分别减少了约94%和70%的参数数量;在目标检测网络SSD上参数数量减少了55.72%,平均精度均值(mAP)提高了1.04个百分点。

基于标签相关性学习网络的多标签图像分类方法

【目的】针对多标签图像分类任务中的标签特征混乱和标签关系局限性问题,提出了一种基于标签相关性学习网络的多标签图像分类方法(MLLCLN)。【方法】采用掩码注意力方法和多头自注意力机制。在掩码注意力方法中,通过图像真实标签对应的状态词向量遮盖注意力机制产生的标签特征,使模型能获得更多上下文信息,一定程度上避免了注意力机制的注意力区域重叠的问题。设计了标签相关性学习网络,该网络是由多层多头注意力机制和图神经网络组成。多头自注意力机制能够基于标签特征学习局部标签关系,而图神经网络使用了现有的方法MLGCN作为引导,使模型能同时考虑全局标签关系,缓解了由于标签关系局限性导致的模型出现虚假预测的问题。【结果】MLLCLN在公开数据集MSCOCO2014和VOC2007上的实验结果表明了其较好的性能,分类精度分别达到了84.4%和96.0%,为多标签图像分类提供了新思路。

基于熵值法的水质量综合评价模型设计与研究

为有效提高水质量综合评价水平,避免评价过程中主观性因素的影响,创新性地将熵值法引入水质量综合评价中,提出了一种基于熵值法构建水质量综合评价模型。通过熵值法计算水污染各影响指标所占权重,进而计算水质量综合评价指数,指数越高,表明水资源中所含污染物越高,反之越低。结果表明,该模型能很好地计算影响水质量各污染物指标权重及综合评价指数,计算结果直接客观,可有效判断水质。

改进K-means聚类的噪声污染监测网络模型的设计与研究

为有效优化城市噪声监测网络,最小化监测点数量,提出了一种改进K-means聚类的噪声污染监测网络模型。通过计算轮廓系数以改进K值,从而改进K-means聚类算法,建立K-means聚类模型,并根据聚类结果的类质心位置确定监测点位置坐标,得到优化的监测网络布局。结果表明,该模型在保证监测结果准确性和全面性的同时,有效减少了监测点的数量,从而降低了监测成本。