基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转换,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差,提高算法精度。

天然气瞬时泄漏扩散规律及其影响因素研究

为分析和预测天然气泄漏的扩散距离、扩散面积及扩散后的不动火区域,有效控制事故发生及降低事故后果,以某天然气储罐为例,对天然气瞬时泄漏的扩散规律进行了数值仿真。首先,确定适用于轻气的高斯烟团模型;然后,基于高斯烟团模型进行仿真分析,绘制天然气瞬时泄漏扩散的等质量浓度曲线和动火燃爆区域;第三,分析泄漏量、大气稳定度、地表粗糙度等因素对天然气扩散的影响,并分别确定不同条件下的动火燃爆区域;最后,基于数值仿真分析结果,提出天然气泄漏后的应急疏散和救护措施。结果表明:天然气扩散距离和面积随泄漏量增大而增大;大气越稳定,扩散的距离和范围越大;扩散距离随地面粗糙度增大而减小。

高斯云模型的雾化特性

高斯云模型是通过运用高斯分布和高斯隶属函数的普适性,用3个相互独立的参数共同表达一个定性概念的数字特征,反映概念的随机性和模糊性.随着超熵不断增大,高斯云呈现出雾化状态,高斯云雾化后云滴表现出既离散又抱团的特性,能很好地表示演化计算中的变异与遗传.

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高。通过在Cloud Sim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力。

恶臭自动在线监控体系设计与实现

针对我国恶臭污染监管繁琐且无法实时在线监控等问题,提出建立恶臭自动在线监控体系。体系包含集成双检和双核技术的恶臭监测仪及数据采集仪、基于ArcGIS与数模生成的恶臭扩散模型并利用Hadoop云计算技术构建的恶臭数据监测平台以及依托环保物联网建立的各级监测中心。介绍了体系的设计和基本功能,探讨了恶臭实时自动在线监控及污染扩散分析预警方法。理论与实例应用结果表明,系统能够有效提升恶臭监测水平和监管能力,促进环保物联网的发展。

基于均匀分布的高斯云模型

云模型实现了定性概念与其定量表示之间的不确定转换。高斯分布与高斯隶属度函数的普适性奠定了高斯云模型的普适性,目前云模型的理论与应用研究主要集中在高斯云模型。将均匀分布引入到云模型中,扩展了高斯云模型,分别得到了均匀分布云模型和均匀高斯云模型,两类扩展的云模型为不确定性的形式化描述提供了新的途径。最后利用多维均匀高斯云模型模拟分形树生长过程,实验结果表明云模型能有效模拟自然界中不确定的分形现象。

高精密点云数据三维人头模型的变形

提出了一种基于高斯变换的计算机三维头像变形算法,可以全自动产生三维头像变形效果,该算法摒弃了其他人脸变形算法中所必需的标定人脸关键点的繁琐工作,提出一种只需要设置一个中心点以及变形参数就可以将三维头像进行变形的方法,实验结果表明,该算法所需用户控制少,方便用户对渐变精细度的控制,运算速度快,产生理想的平滑渐变,能够很好地达到预期变形效果。该工作有助于将人脸变形技术运用于三维动画,人脸识别等领域。

具有动态调节机制的多粒子群改进算法及应用

针对标准粒子群算法(standard particle swarm optimization,SPSO)的稳定性较差及易陷入局部收敛等缺陷,将粒子群体划分为多组粒子群,提出了一种子群粒子和其产生的精英粒子分两步协同进化的方案,采用混沌、高斯动态扰动粒子位置及云正态模型自适应动态调整惯性权重等动态调节机制优化粒子飞行轨迹,促进粒子又快又好的向群体最优目标飞行,以改善SPSO算法的全局寻优性能并提高多目标优化问题的多样性.采用新颖的误差适应度函数设计了FIR高通数字滤波器,并与基于RGA、PSO、CRPSO及典型Parks-McClellan算法的滤波器进行了对比与分析.仿真实验表明:基于具有动态调节机制的多粒子群改进算法及目标函数设计的滤波器,具有通带波动小,阻带衰减大的优势.

基于椭球面投影的散乱点云建立三角格网方法

空间点云数据建立三角格网是三维激光扫描数据处理中重要的处理内容之一。已有的点云三角格网建立方法的网形结构良好,但存在数据量大、计算效率低的特点。提出借助椭球面进行高斯投影建立点云的空间三角格网建立方法,有效地实现四周型点云数据格网建立过程。结合某矿井点云数据实例,对基于圆柱面和椭球面投影的两种方法建立的三角格网进行对比,结果表明,利用椭球面投影法建立三角格网能更有效地建立顶部和底部点云数据的拓扑关系。

云闪测向定位算法

基于多站测向交叉算法,提出云闪侧向定位算法。根据各站仰角、方位角信息求解出各组闪电位置,由最大值和最小值约束条件剔除粗差较大的解后,引入加权运算得到较为准确的定位信息,再利用高斯牛顿迭代算法得到精准的云闪位置信息,从而实现云闪的三维定位。通过蒙特卡罗模拟方法,对算法进行评估,详细分析了站网多种因素对定位结果的影响。研究表明:该算法提高了定位精度,测向误差为1°时,4站站网误差低于500 m,站点越多定位精度越高,但综合考虑4站、5站站网为优,测向精度提高时,定位精度也随之提高;站网呈均匀布站方式优于T型等布站方式,均匀布站在实际中更具实用性。

逆向工程中散乱点云变尺度配准算法研究

针对传统散乱点云配准算法收敛区间与配准精度之间的矛盾,提出一种变尺度点云配准算法。构造一种基于重合点计数点云配准测度函数;对测度函数的高斯平滑过程进行研究,并对尺度参数对测度函数性能的影响规律进行分析;根据测度函数在大尺度参数下平滑但存在极值偏移,在小尺度参数下全局极值位置精确但存在局部极值的特点,提出一种尺度参数可变的散乱点云配准算法;借鉴模拟退火算法的思想,通过对比选定Lundy退化策略作为算法的尺度衰减策略;采用曲率约束进行控制点筛选并利用快速高斯变换进行测度函数值的计算以提高算法效率;利用合成数据和实测数据进行对比试验,结果基于变尺度策略的散乱点云配准算法具有更加广泛的收敛区间和更高的配准精度。

基于备用虚拟机同步休眠的云数据中心节能策略及性能

为了降低能源消耗实现绿色云计算,提出一种基于备用虚拟机同步休眠的云数据中心节能策略。系统中的虚拟机分为主模块和备用模块两大模块,其中,主模块一直处于活跃状态;根据云数据中心的工作负载轻重,备用模块处于休眠状态或者活跃状态。考虑到云数据中心可以为多任务用户请求提供服务,建立了一个批量到达且部分服务台同步多重休假的排队模型。采用高斯赛德尔法,求解系统模型的稳态分布,给出系统节能率等性能指标表达式。最后,进行数值试验和仿真试验,研究了基于备用虚拟机同步休眠的云数据中心节能策略的系统性能,并验证了所提策略的有效性。

基于改进的布谷鸟算法在云计算资源的研究

如何进行更好地资源调度一直都是云计算研究的热点,在云计算资源算法中引入布谷鸟算法,针对布谷鸟算法中出现的收敛速度快,容易局部震荡等现象,首先引入高斯变异算子来处理每一个阶段中的鸟窝最佳位置的选择,然后通过自适应动态因子来调整不同阶段中的鸟窝位置的选择,使得改进后的算法收敛精度提高,通过适应度函数的平衡以及遗传算法中的3种操作,使得该算法能够有效的提高云计算环境下的资源分配效率,降低了网络消耗;在Cloudsim平台仿真实验中,通过3个方面的比较,该算法在性能上、资源调度效率和任务调度方面都有很大改进,有效提高了云计算系统的资源调度能力。

原子喷泉中回落信号原子数损失的估计

本文以新的角度 ,考虑到信号原子速度远少于本底气体分子 (原子 )热运动速度的实际情形 ,给出原子喷泉中回落信号原子因碰撞散射和原子云扩大所致损失的估计方法 ,并以我们设计的原子喷泉有关数据为例进行具体估算 ,给出量化概念。该方法曾应用于国外原子喷泉 ,其理论预期与实验结果相当符合。

基于高斯云团模型的重金属污染扩散研究

针对城市表层土壤重金属污染问题,首先利用聚类分析方法确定各种重金属污染物主要集中于工业区,然后利用因子分析法,分析多种重金属的相关性,发现存在较高正载荷的重金属污染物间存在同源性,最后建立高斯云团模型模拟污染物扩散情况,模型通过非线性回归求解,在此基础上得到有关污染源坐标的多元线性方程组,通过方程组的求解实现污染源的估计和预测。运用实际数据对模型及算法进行验证,实验结果表明所提出模型和算法是有效的。

大气污染扩散（高斯）模式简易推导法的研究

在假设大气污染物浓度完全符合正态分布的前提条件下，通过图解和数学推导而得出高斯扩散模式．虽然它具有一定的片面性，但它却能使学生在课堂学习中基本了解该模式的出处，并能理解使用该模式．

基于小波包分解与高斯云模型的故障诊断方法

人工智能技术作为有效手段广泛用于机械系统故障诊断,但故障样本的缺乏严重制约人工智能模型走向高精度诊断的工程应用。针对故障样本不足的问题,提出一种基于小波包分解与高斯云模型的故障诊断方法,通过对小样本的故障信号做小波包分解并计算每个子频带的能量以建立故障特征向量,对特征向量建立高斯云模型并正向云计算生成大量云滴以扩充故障样本。基于凯斯西储大学的轴承数据和支持向量机的故障分类实验结果表明,所提方法能有效扩充故障样本,提高故障诊断精度。

迭代最近点算法的改进策略

迭代最近点(Iterative Closest Point,ICP)算法是一种最为常见的点云配准方法,虽然配准精度高,但收敛速度慢,对含噪声、覆盖率较低点云的配准效果不佳。鉴于此,本文提出3种ICP算法的改进方法。针对含噪声的点云,采用概率ICP算法来抑制噪声点对配准结果的影响,提高配准精度;为了提高点云配准速度,采用坐标ICP算法实现点云的快速配准;针对低覆盖率点云,采用盒子ICP算法实现配准,可以大大提高配准精度和速度。通过兔子点云配准实验表明,3种改进的ICP算法在点云配准精度和速度方面都有很大程度的提高,均为有效的点云配准方法。

基于法向偏差的隧道点云去噪算法

针对隧道类似圆柱的形态特征以及三维点云法向对噪声的敏感性,设计一种剔除由通行车辆和隧道内壁悬挂物所造成噪声点的方法。该方法利用点云的大量法向量鲁棒地估计出精确的隧道轴向,并根据点云法向与隧道轴向的偏差识别出可靠的隧道表面点,然后参照可靠点完成噪声点的进一步确认。利用仿真数据和真实的高速公路隧道扫描点云实验结果证明该方法的有效性和精确性。

顾及几何形态与密度分布的点云压缩方法

针对传统点云压缩算法中主要应用法向量、曲率等测度来描述目标区域几何信息,易受噪点影响,无法保证压缩精度的问题,提出一种顾及几何形态与密度分布的点云迭代压缩算法。本文首先利用三维高斯核函数对原始点云进行平滑处理,依据点平滑前后平坦度变化分量与密度变化分量来衡量当前点在点云中的重要度,然后迭代去除重要度最低的点,并计算该点影响范围点集,更新其重要度,最终实现点云压缩。采用两份数据对本文算法进行验证,并与三种经典压缩方法进行对比,实验表明,相较于其他三种方法,本算法压缩结果在点分布均匀的同时,能够较好的保留特征点集。