一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于元学习个性化推荐研究综述

推荐系统作为缓解“信息过载”的工具,为用户过滤冗余信息并提供个性化服务,近年来得到了广泛应用。然而,实际推荐场景中,通常存在冷启动与不同推荐算法难以根据实际环境自适应选择等问题。元学习因其具有基于少量训练样本快速学会新知识和技能的优点,被越来越多地应用于推荐系统相关研究中。对现有基于元学习技术缓解推荐系统冷启动问题以及自适应推荐问题的主要研究进行探讨。首先,分析了基于元学习推荐在上述2个方面已取得的相关研究进展;然后,指出了现有元学习推荐研究存在难以适应复杂任务分布、计算代价高和容易陷入局部最优等问题;最后,对元学习在推荐系统领域的一些最新研究方向进行了展望。

基于自适应纹理特征融合的纹理图像分类方法

现有基于深度学习的图像分类方法普遍缺少纹理特征的针对性,分类精度较低,难以同时适用于简单纹理和复杂纹理分类。提出一种基于自适应纹理特征融合的深度学习模型,能够结合类间差异性纹理特征做出分类决策。首先,根据纹理特征的最大类间差异性,构建图像的纹理特征图像;然后,采用原始图像与特征鲜明的纹理特征图像并行训练改进的双线性模型,获取双通道特征;最后,基于决策融合构建自适应分类模块,连接原图与纹理集的平均池化特征图进行通道权重提取,根据通道权重融合2个并行神经网络模型的分类向量,得到最优融合分类结果。在KTH-TIPS,KTH-TIPS-2b, UIUC和DTD 4个公共纹理数据集上对模型的分类性能进行评估,分别得到了99.98%、99.95%、99.99%和67.09%的准确率,表明所提模型具有普遍高效的识别性能。

结合坐标注意力与生成式对抗网络的图像超分辨率重建

针对现有生成式对抗网络GAN的图像超分辨率重建模型中存在着特征信息利用不充分、VGG式判别器对局部细节的判断能力较弱以及训练不稳定的问题,提出了一种结合坐标注意力与生成式对抗网络的图像超分辨率重建模型。首先,以嵌有坐标注意力的残差块构建生成器,沿通道和空间2个维度聚合特征,更充分地提取特征。然后,调整Dropout加入网络的方式使其作用于生成器中,提高模型的泛化能力。接着,以U-Net结构构造判别器,输出详细的逐像素反馈,以获取真假图像间的局部差异。最后,在判别器中引入谱归一化正则化,稳定GAN的训练。实验结果表明,当放大因子为4时,在基准测试集Set5和Set14上取得的峰值信噪比平均提高了1.75 dB,结构相似性平均提高了0.038,能够重建出更加清晰且真实的图像,重建图像具有良好的视觉效果。

“四链”深度融合下战略性新兴产业高质量发展战略研究

推动创新链、产业链、资金链、人才链深度融合,提升产业创新能力是我国战略性新兴产业迈向全球产业链中高端,实现高质量发展的关键。本文通过系统分析战略性新兴产业高质量发展的本质要求及内涵特征,研判全球战略性新兴产业发展格局变化及趋势,分析我国战略性新兴产业发展现状、问题及挑战,提出“创新驱动、企业主体、开放融合”的战略性新兴产业高质量发展思路和“体系融合、协同发展,自主可控、开放创新,企业主体、市场机制,前瞻布局、高端引领”的发展原则,研究提出各领域重点发展方向及“系统性提升、融合式创新、市场化推动、引领性发展”的发展策略,以期为战略性新兴产业高质量发展提供参考。

我国保护性耕作的发展与政策建议

保护性耕作是一项可持续农业技术,以少免耕和作物残茬覆盖地表为主要特点,为我国农业生产带来了显著的经济、环境、社会效益;在我国农业生产转向大规模、高效率、智能化发展的背景下,推动保护性耕作的深化发展,有利于耕地保护、藏粮于地、藏粮于技等国家战略实施。本文从技术与机具研发、示范推广与能力建设、东北黑土区应用三方面,全面回顾了我国保护性耕作的发展历程;系统梳理了我国保护性耕作技术与机具的发展现状,涵盖代表性技术模式,地表秸秆及作物残茬处理、浅层土壤耕作、免少耕播种等关键机具;深入分析了适宜的模式与机具、法律和政策的支持、规模化种植大户的带动等影响我国保护性耕作发展的主要因素。研究建议,筹建国家级科技创新平台、整县推进高标准示范工程,加强政策引导、高质量实施国家级行动计划,持续开展保护性耕作技术宣传,以促进我国保护性耕作技术及应用的稳健发展。

MVSim:面向VLIW多核向量处理器的快速、可扩展和精确的体系结构模拟器

设计了一个面向VLIW多核向量处理器的快速、可扩展、精确的体系结构模拟器MVSim。设计了可扩展的VLIW多核向量处理器模型、多级存储体系结构模型和多核性能模型;实现了指令集架构的节拍精准模拟,Cache、DMA和多核同步部件的高效功能模拟,采用多线程技术实现了多核处理器的高效和可扩展模拟。实验结果表明,MVSim能够准确模拟多核处理器的目标程序执行,模拟结果完全正确,具有良好的可扩展性。MVSim的平均模拟速度分别是RTL模拟和CCS的227倍和5倍,平均性能误差约为2.9%。

一种基于关联程度的高效用数量比频繁模式挖掘算法

高效用频繁模式挖掘算法运用数据项的重要度信息,能够从数据中挖掘出更重要的频繁模式,而高效用数量比频繁模式挖掘算法可以进一步研究频繁模式中数据项的数量比例关系,是目前数据挖掘领域中的研究课题。从提高算法性能和实用性的角度出发对高效用数量比频繁模式挖掘算法进行优化,提出了一种基于关联程度的高效用数量比频繁模式挖掘算法RHUQI-Miner。RHUQI-Miner首先提出关联程度的概念,依据关联程度构建项目关联程度结构,并给出关联剪枝优化策略,寻找关联程度更高的项目集合,减少冗余和无效的频繁模式;随后运用修正模式长度策略,修正挖掘过程中项集的效用信息,使算法可根据实际数据情况控制输出频繁模式的长度,进一步提升算法的性能,提高算法的实用性。通过对RHUQI-Miner在动车组PHM系统车载故障数据集上的实验结果进行分析,表明该算法能够有效减少挖掘过程中的时间以及内存消耗,可以得出该算法适用于铁路实际数据和业务的有效结论。

基于时间感知主导资源公平的边缘函数计算负载调度算法

针对边缘函数计算服务FaaS中不同负载之间资源抢占导致的资源分配不公平、利用率不高的问题,提出一种时间感知的主导资源公平调度算法。首先,分析了现有主导资源公平调度算法在应用到边缘函数计算服务时的不足;其次,提出加入函数实例运行时间权重,并通过时间感知队列和主导资源公平队列协同实现对函数运行所需要的资源进行公平分配和集群资源充分利用;最后,基于主流开源函数计算服务平台的调度器对算法进行了实现。采用公开负载运行数据集的测试结果表明,该算法最多提升了18.1%的CPU利用率和21.8%的内存利用率,并且执行时间最多降低了26.1%,能够有效提升边缘函数计算服务的资源分配公平性,且提高了资源利用率。

SRv4:面向IPv4的段路由数据面协议设计及实现

针对SRv6技术报文头过长导致的承载效率低且无法在IPv4网络中部署的缺点,提出一种面向IPv4网络的段路由技术SRv4。设计了SRv4的报文头格式以及在IPv4网络中的报文封装格式;设计了SRv4的报文处理指令和报文转发流程;SRv4兼容IPv4协议和现有IPv4网络设备,可在IPv4网络中增量部署;与SRv6相比,SRv4的SID长度减小了75%,承载效率更高。利用XDP技术在Linux内核中开发了SRv4模块,以验证SRv4设计的可行性,利用服务器搭建网络环境对SRv4模块的功能、性能和稳定性进行测试。测试结果表明,SRv4模块段路由功能正常,可稳定运行。

面向高性能计算的互连网络拥塞控制分析与评估

随着高性能计算技术的发展,高性能计算系统的网络节点数量不断增长,高性能计算应用对网络性能的要求越来越高,高性能互连网络的拥塞控制面临很大的压力与挑战。针对高性能计算互连网络的特点,研究高效、低开销的拥塞控制方法,是确保高性能互连网络性能和稳定性的关键。针对高性能计算系统中互连通信的核心问题,对主流的拥塞控制方法进行分析和实验比较;基于高性能计算系统的结构特点和通信特性,设计用于大规模模拟仿真的数据流模型和流文件生成工具,并提出一种拥塞控制综合评价指标;使用所提出的数据流模型,在较大规模网络中对不同拥塞控制方法进行模拟,并基于所提出的评价指标对几种拥塞控制方法的性能进行分析和评估。提出的分析和评估技术可以对高性能互连网络的拥塞控制方法进行更客观和准确的分析与评估。

结构化网格快速生成工具的开发及其在冶金模拟仿真中的应用

结构化网格在模拟计算高精度、复杂问题时具有更高的计算准确度和更好的收敛性,但其划分难度大且耗时较长,如何快速生成高质量结构化网格是进行CFD(Computational fluid dynamics)等模拟计算领域的前沿问题.根据冶金容器的几何结构特征,引入了参数一体化建模+网格划分的理念,利用Python脚本快速批处理数据和开源CFD软件OpenFOAM的优势,成功开发了适用于冶金反应器的网格快速生成工具.以钢包–中间包–结晶器及其附属连接装置为例,进行了案例分析测试.结果表明,该工具软件生成的结构化网格在扭曲度和正交性等方面质量较高,可以满足各类模拟仿真的需求.该工具在解决冶金容器几何结构更新和网格分布调整方面相比于传统前处理方法可以在几十秒内快速生成高质量结构化网格.此外,开发了便于用户使用的图形用户界面,界面中仅需输入关键的几何结构和网格参数,即可对冶金容器快速便捷地生成相应的结构化网格,有效提升了前处理的简易度和效率.这一工具软件有望应用于冶金数字化和智能化转型发展的多种场景,并为其提供有效的软件支撑.

碳中和背景下我国固废资源化利用产业发展研究

固废资源化利用可以节约大量的资源和能源,具有循环利用、节能减碳的优势,对于推动加快形成绿色低碳生产方式和生活方式、实现“双碳”战略目标、促进美丽中国建设具有重要意义。本文结合典型案例分析,梳理了国内外固废资源化利用产业的发展现状,分析了我国固废资源化利用产业在产业化进程、资金投入、技术创新等方面存在的主要问题。在此基础上,提出了我国固废资源化利用产业的发展建议,推动产业化进程,促进“产业链、创新链、人才链、资金链”融合赋能;加大激励支持力度,夯实金融保障基础;打造科创资源高地,强化项目示范引领;集聚人才优势,搭建高水平合作平台,全面推进固废资源化利用产业的高质量发展。

一种基于随机森林分类器构建高性能应用程序性能分析模型的方法

高性能应用程序的传统性能分析方法因分析过程存在额外开销和分析结果不准确等缺陷,致使用户耗费更多的时间和领域知识。为解决以上问题,将程序的性能分析问题转化成高维特征下非平衡小样本数据集的多分类问题,采集500条包含程序运行时进程切换次数、内存利用率、磁盘I/O负载等7种性能数据,经PCA降维等数据预处理后,使用随机森林分类器训练程序性能问题分析模型。实验验证该模型可识别出内存利用率过高、磁盘I/O负载过重等5类性能问题。为评估模型的指导有效性,分别采集HotSpot3D程序和LU-Decomposition程序运行时产生的性能数据,并根据模型输出结果指导,分别基于运行级和编译级优化2个验证程序运行。实验结果表明,所提方法可有效指导优化程序的运行性能,2个验证程序的加速比分别为1.056和5.657。

DNA存储场景下的大小喷泉码模型设计

在DNA存储等应用场景中,传统喷泉码算法需要占用额外信道资源将源文件分组数目K传递给解码端。在实际应用中,虽然可以将K嵌入在每一个编码数据分组中进行传递,但这种做法会严重浪费信道的带宽。针对上述问题,提出了一种大小喷泉码模型,通过增加小喷泉码这一带外信道来优化关键参数的传递。小喷泉码将每个编码分组中有关参数K所占用空间的粒度降至1 bit,有效减少了带宽资源的消耗。此外,小喷泉码还能适应由于DNA存储介质不均匀所导致的编码序列不定长的限制条件,一定条件下甚至可以完全不占用额外信道带宽。

基于多尺度特征与互监督的拥挤行人检测

针对拥挤场景中,行人漏检率高、准确率低的问题,提出一种基于多尺度特征与互监督的拥挤行人检测网络。为了有效提取复杂场景中的行人特征信息,用PANet金字塔网络与混合空洞卷积相结合的网络提取特征信息。然后,设计了一种行人头部-全身互监督检测网络分别进行头部和全身检测,利用头部预测框和全身预测框的互监督获得更加准确的行人检测结果。所提出的网络在数据集CrowdHuman上取得了13.5%的MR^(-2)性能,相较于YOLOv5网络提升了3.6%,同时AP提升了3.5%;在CityPersons数据集上取得了48.2%的MR^(-2)性能,相较于YOLOv5网络提升了2.3%,同时AP提升了2.8%。实验结果表明,提出的网络在人群拥挤的密集场景中具有良好的检测效果。

面向工业缺陷分类的交互式易混淆缺陷分离方法研究

在工业生产中会根据严重程度对缺陷做不同处理,所以需要对缺陷进行分类。但是,实际生产中经常因为存在一些易混淆缺陷而导致分类精度不够,使得在生产实践中只能对所有缺陷进行保守处理,带来很大人力成本和经济代价。为解决该问题,提出一种交互式易混淆缺陷分离方法,将少量易混淆缺陷从其他缺陷中分离出来,从而保证剩下的绝大部分缺陷的分类结果能被直接使用。首先,将训练数据中的易混淆缺陷挑选出来作为一个或多个新缺陷类别,称之为虚缺陷,从而使得训练所得网络能区分虚缺陷和其它类缺陷。其中,还设计了一套可视化界面辅助用户交互地挑选易混淆缺陷以构建虚类别。使用实际工业现场的CMOS缺陷数据进行有效性验证,结果表明所提方法能快速分类出易混淆缺陷,并保证剩余缺陷的分类精度满足工业应用要求。

基于自适应图卷积和注意力池化的点云分类与分割

针对现有点云分类与分割方法使用最大池化聚合局部邻域特征,导致最大值以外的重要信息丢失的缺陷,提出一种结合自适应图卷积AdaptConv和注意力池化AP的点云分类与分割网络。首先,采用K近邻算法构建点云局部图结构,根据点的特征生成自适应卷积核,灵活精确地捕获点云的局部邻域特征;其次,为有效提高特征聚合能力,采用注意力池化定义能量函数得到权重值,加权并聚合出更具代表性的点云局部特征;最后,堆叠自适应图卷积和注意力池化逐层提取全局特征,提高网络的分类和分割精度。实验结果表明,相较基准方法,点云分类的平均类别精度提升0.9%,部件分割和语义分割的平均交并比分别提升0.8%和0.3%,证明所提方法可有效提升点云分类与分割的准确率,具有较高的鲁棒性。

基于双层注意力和深度自编码器的时间序列异常检测模型

目前时间序列通常具有弱周期性以及高度复杂的相关性特征,传统的时间序列异常检测方法难以检测此类异常。针对这一问题,提出了一种新的无监督时间序列异常检测模型(DA-CBG-AE)。首先,使用新型滑动窗口方法,针对时间序列周期性设置滑动窗口大小;其次,采用卷积神经网络提取时间序列高维度空间特征;然后,提出具有堆叠式Dropout双向门循环单元网络作为自编码器的基本结构,从而捕捉时间序列的相关性特征;最后,引入双层注意力机制,进一步提取特征,选择更加关键的时间序列,从而提高异常检测准确率。为了验证该模型的有效性,将DA-CBG-AE与6种基准模型在8个数据集上进行比较。最终的实验结果表明,DA-CBG-AE获得了最优的F1值(0.863),并且其检测性能相比最新的基准模型Tad-GAN高出25.25%。

移动边缘计算中计算卸载与资源分配联合优化策略

为了在移动边缘计算(MEC)中最大限度地减少处理用户任务的时延和能耗,改善用户体验,以最小化用户的完成时间和能耗的加权和为目标,在计算资源的约束下研究了多用户、多MEC服务器中的计算卸载问题。针对此问题,考虑卸载决策和资源分配之间存在的依赖关系,首先将原问题解耦为卸载决策和计算资源分配2个子问题。然后,使用鲸鱼优化算法求解卸载决策问题,通过添加非线性收敛因子和惯性权重加快收敛速度;引入反馈机制,防止陷入局部最优,得到更高概率可行的卸载决策;对于资源分配问题使用拉格朗日乘子法得到每个卸载决策下的最佳计算资源分配解。最后,通过多次迭代得到稳定的收敛解。仿真实验结果表明,与其他基准方案相比,最多减少了44.6%的系统开销。