基于多尺度小波变化的自相似网络流量预测

针对现有自相似网络的长相关性不稳定问题,以离散小波变换(DWT)多尺度分析为依据建立网络流模型并进行流量预测。把利用该模型计算得到的预测流量相似性程度值Hurst引入路由器的主动队列管理算法(AQM),采用AQM算法形成的严谨响应方案对异常估计流量进行处理,提高动态流量控制的有效性,实现网络协议的优化。仿真结果表明,该方案可以保证拥塞控制的实现,具有稳定性和可扩展性。

基于深度学习的自动文摘句排序方法

针对现有的文摘句排序方法难以理解深层语义的问题,提出一种基于深度学习的多文档文摘句排序方法。设计端到端深度神经网络完成语句的嵌入、理解及排序。用循环神经网络对句子进行单词级嵌入,在此基础上构建句子的上下文向量表示,用RNN对句子在不同位置的内聚性进行评估,利用指针网络RNN进行下一句预测。实验结果表明,相比传统方法,采用该方法能够得到更高质量的多文档文摘,在自动文摘生成及自然语言处理等方面有广泛用途。

基于低维流形的人体行为跟踪方法

为保证人体行为跟踪的准确率,降低算法的复杂度,提出一种基于低维流形的人体行为跟踪方法。采用四元数描述人体姿态,防止欧拉角的万向锁问题,通过低维流形降低粒子滤波识别与跟踪所需的粒子数量,降低算法的复杂度,保证粒子滤波带来的高性能。实验结果表明,该方法拥有比经典对比算法更好的准确度和更低的开销。

政策工具视角下财政支持对科技成果转化的影响——基于省级面板数据的效率分析

在新的时代背景下,进一步关注多维度的财政支持工具,探析不同维度政策工具支撑下科技成果转化存在的效率差异,为政府布局财政政策工具促进科技成果转化提供理论支持。基于政策工具理论视角,对2012—2022年间我国为促进科技成果转化颁布的财政政策条款展开文本内容分析,统计汇总不同政策工具的使用频数;在此基础上,构建财政政策工具投入-成果转化产出评价指标体系,利用数据包络分析模型评价我国30个省份的科技成果转化效率,并进一步分析供给型﹑环境型﹑需求型财政政策对科技成果转化效率的影响。结果发现:财政政策工具布局结构失衡,呈现供给型工具偏重﹑环境型工具适中﹑需求型工具不足的布局倾向;不同类型财政政策工具的使用效率存在明显差异,供给型财政政策工具使用平均效率最高,需求型财政政策工具使用平均效率最低;省域间环境型与需求型财政政策工具使用效率差异显著,发达省份更适用于间接性﹑引导式的政策工具。最后,从优化财政政策工具布局﹑重视财政政策工具组合效应﹑基于省情合理选择财政政策工具和改善需求端财政政策工具使用策略4个方面提出政策建议。

基于最大类间方差的改进图像分割算法

针对图像分割最佳阈值难于选取和计算量大的问题,提出一种基于最大类间方差的改进图像分割算法。在深入分析传统算法的缺陷发生机理的基础上,采用最大类间方差算法在整个灰度空间搜索最佳阈值,克服传统算法计算量大的问题;将二分法的查找原理应用于Otsu算法中,提高搜索效率,减少计算方差的次数,与传统Otsu法相比,计算量降低10倍以上,计算速度加快。实验结果表明,该算法能够更好地应用于实时性高、数据处理量大的场合,具有较高效率和较好实用性。

一种基于一致性分片FCM的图像分割算法

针对传统FCM(fuzzy c-means)算法抗噪性差的问题,提出了一种基于一致性分片的模糊c均值聚类算法。为避免额外的空间邻域约束项带来的控制变量设置问题,该算法直接将FCM应用于图像片空间。为减弱空间邻域对图像边缘的模糊,采用基于置信区间的局部多项式交叉近似技术(local polynomial approximation and intersection of confidenec intervals,LPA-ICI)构造自适应形状一致性分片。在脑磁共振图像上的实验表明,与传统的FCM算法相比,该算法具有更高的分割精度和运行效率。

基于改进提升小波变换SPIHT的图像压缩算法

通过对提升小波变换的SPIHT算法进行改进和优化,提出了一种适用于无线多媒体传感器网络(WMSNs)的简单、高效、节能的有损图像压缩算法;该算法采用只包含加法和移位操作的整数小波提升算法,使得小波分解的计算量减半,大大提高了变换速度;采用量化截断的预处理技术,省去大量不重要高频系数的量化编码,解决了提升变换后SPIHT算法编码效率低的问题;去除了最外层高频系数的分解和编码,有效地减少了变换和编码的能耗;理论分析和仿真结果均表明,在保证一定重建图像质量的前提下,该算法大大降低了图像压缩能耗,提高了算法的压缩效率和执行效率,非常适合于资源受限的WMSNs中的图像压缩。

基于忆阻器边缘计算的图像分类电路设计

针对边缘智能设备低功耗、轻算力的要求,采用新型存算一体器件—–忆阻器作为基础电路元件,设计低功耗图像识别电路.该电路采用多个忆阻卷积层和忆阻全连接网络串联的方式,获得较高的识别精度.为了减小忆阻卷积层计算所需的忆阻交叉阵列的行尺寸与列尺寸的不平衡,同时降低输入电压方向电路的功耗,将输入电压反相器置于忆阻交叉阵列之后.所设计电路可以将完成忆阻卷积网络运算所需的忆阻交叉阵列的行大小从2M+1减少至M+1,同时将单个卷积核计算所需的反相器的数量降至1,大幅度降低忆阻卷积网络的体积和功耗.利用数学近似,将BN层和dropout层计算合并到CNN层中,减小网络层数同时降低电路的功耗.通过在CIFAR-10数据集上的实验表明,所设计电路可以有效地对图像进行分类,同时具备推理速度快(136 ns)和功耗低的优点(单个神经元功耗小于3.5 uW).