PRECESION： progressive recovery and restoration planning of interdependent services in enterprise data centers

The primary focus of this paper is to design a progressive restoration plan for an enterprise data center environment following a partial or full disruption. Repairing and restoring disrupted components in an enterprise data center requires a significant amount of time and human effort. Following a major disruption, the recovery process involves multiple stages, and during each stage, the partially recovered infrastructures can provide limited services to users at some degraded service level. However, how fast and efficiently an enterprise infrastructure can be recovered de- pends on how the recovery mechanism restores the disrupted components, considering the inter-dependencies between services, along with the limitations of expert human operators. The entire problem turns out to be NP- hard and rather complex, and we devise an efficient meta-heuristic to solve the problem. By considering some real-world examples, we show that the proposed meta-heuristic provides very accurate results, and still runs 600-2800 times faster than the optimal solution obtained from a general purpose mathematical solver [1].

利用重心原理的图像目标最小外接矩形快速算法

提出了一种基于重心原理的求取目标最小外接矩形的快速算法——寻找主轴法。利用重心原理确定水平主轴与垂直主轴的初始位置和旋转中心,根据水平主轴确定目标的初始外接矩形,在水平主轴和垂直主轴构成的锐角区域内,旋转外接矩形,找到面积最小的外接矩形,作为寻优目标。该算法利用重心原理确定的主轴初始位置非常有效,缩小了搜索区间,减少了整个寻优过程中的旋转次数,并且仅旋转用直线方程表示的主轴,大大减少了运算量,有效提高了运算速度,可以快速找到目标的最小外接矩形。

基于图像处理的目标物体最大内接矩形面积的检测

目标物体最大内接矩形的检测对生产矩形产品的工厂意义重大。目前的裁定手段都是人工实现,存在主观性强、效率低、精度差等缺点。研究了基于图像处理的遍历法、中心扩散法检测目标物体最大内接矩形;并结合两种方法提出一种新的检测方法:遍历中心扩散法。实验结果表明:遍历法对噪声具有很强的鲁棒性;但对凹面物体十分敏感。中心扩散法适用性较好,但检测的准确性不高;而遍历中心扩散法既有较强的鲁棒性,又拥有较高的准确率,其检测准确率均达到90%以上,实现了目标物体最大内接矩形的高精度检测。

融合显著深度特征的RGB-D图像显著目标检测

深度信息被证明是人类视觉的重要组成部分,然而大部分显著性检测工作侧重于2维图像上的方法,并不能很好地利用深度进行RGB-D图像显著性检测。该文提出一种融合显著深度特征的RGB-D图像显著目标检测方法,提取基于颜色和深度显著图的综合特征,根据构图先验和背景先验的方法进行显著目标检测。首先,对原始深度图进行预处理:使用背景顶点区域、构图交点和紧密度处理深度图,多角度融合形成深度显著图,并作为显著深度特征,结合颜色特征形成综合特征;其次,从前景角度,将综合特征通过边连接权重构造关联矩阵,根据构图先验,假设多层中心矩形为前景种子,通过流形排序方法计算出RGB-D图像的前景显著图;从背景角度,根据背景先验以及边界连通性计算出背景显著图;最后,将前景显著图和背景显著图进行融合并优化得到最终显著图。实验采用RGB-D1000数据集进行显著性检测,并与4种不同的方法进行对比,所提方法的显著性检测结果更接近人工标定结果,PR(查准率-查全率)曲线显示在相同召回率下准确率高于其他方法。

偏心辐射腔内矩形截面倍频晶体温度场研究

对BBO晶体内的非均匀温度场进行了理论研究。通过对腔内BBO晶体工作特点的 分析,建立了切合实际的矩形截面晶体热模型。考虑了谐振腔内的基频光束具有高斯分布的 特点,同时晶体具有周边恒温冷却、端面绝热等特征,利用热传导方程得到了BBO晶体处于基 频光偏心辐射下温度场的解析表达式,同时分析了影响晶体温度场分布的各种因素。偏心辐 射矩形截面晶体温度场的研究是对于倍频晶体处于一般工作情况的讨论,对于解决晶体由于 倍频的位相失配,提高激光器的倍频转换效率具有指导作用。

用保角变换-边界配点求应力强度因子的计算方法研究

介绍了用保角变换-边界配点法求解有限平面域内部孔口问题的基本方程. 以中心裂纹矩形板为例,研究了计算方法中各种因素对应力强度因子形状尺寸系数YI计算结果的影响规律,得到了保角变换-边界配点法的合理计算方案,给出了有关因素对应力强度因子计算结果影响规律的数值图表和曲线.

一种自适应的基于中心偏置特性的矩形搜索方法

H.264编码标准中为了得到更高的压缩比,针对计算量比较大的运动估计部分,采用了六边形运动估计算法。与全搜索算法相比,六边形算法减少了搜索时间,但是,六边形算法采用了固定的模板及固定的搜素步骤,没有充分的利用到视频图像的中心偏置特性。充分利用视频图像的中心偏置特性,提出了一种新的矩形搜索算法,使搜索具有自适应特性,试验表明,在图像质量保持不变的条件下,该算法的搜索速度大幅提高。

螺旋折流板换热器质心当量矩形通用计算模型

现有螺旋折流板换热器(HBHXs)螺旋通道的截面积是按照通道中被管排阻挡的最小截面计算的,而实际的螺旋通道截面是由最小截面和管间的最大截面共同构成的,螺旋流是逐步通过最小截面的。由于按此最小截面公式计算的Reynolds数不准确,因此无法获得预测Nusselt数和摩擦因子与Reynolds数关系的通用关联式。提出了一种新型质心当量矩形(MCER)模型,以更精确地计算螺旋折流板换热器的螺旋通道的截面积和壳侧流体Reynolds数,并采用商用软件HTRI和文献的实验数据对MCER模型进行了验证,获得了较满意的结果。在相同条件下,按MCER模型计算壳侧Nusselt数Nuo的结果与采用换热器设计软件HTRI所计算结果的误差在-10%~5%范围内,与两组文献实验结果的误差分别在±18%和-5%~15%范围内,但其摩擦因子的公式结果与上述来源结果比较的误差都比较大,需要进一步完善。

面向近眼式应用的快速瞳孔中心定位算法

针对Hough圆变换、最小二乘法椭圆拟合瞳孔中心定位算法中运算量大的问题,提出一种基于椭圆外切矩形的快速瞳孔中心定位算法。该算法从人眼图像中通过阈值分割得到瞳孔区域,对瞳孔区域进行边缘像素点的提取,然后利用椭圆外切矩形模型定位出瞳孔中心。通过Matlab对中国科学院自动化研究所公开的虹膜数据库中756张人眼图像进行遍历实验验证,所提算法定位准确率为98.3%,平均用时0.192 s。在同等条件下,与Hough圆变换、最小二乘法椭圆拟合算法进行对比,在保证定位准确率的同时,所提算法平均用时更少。实验结果表明,所提算法能够快速准确地完成瞳孔的中心定位。

基于机器视觉的最大内接矩形快速检测算法

在进行皮革裁切、板材边角料再利用、PCB板布线等过程时都会遇到求解不规则图型最大内接矩形的问题;当前工厂的裁定手段普遍由人工估测来完成,这种作业方式不仅主观性强,而且效率低下;在研究了基于数字图像处理的遍历法、中心扩散法、遍历中心扩散法后,结合以上方法提出一种高效实用的最大内接矩形快速检测算法:边界排序生长法;实验结果证实:遍历法无法正确适用于凹多边形;中心扩散法虽然可适用于任意不规则图型,但其检测效果不够理想;遍历中心扩散法的检测结果较为理想,但该方法耗时巨大;而边界排序生长法在保证高效率的同时依旧可以拟合出理想的内接矩形。

采用CN-FDTD研究不同介电常数对PRDGS传输特性的影响

周期性矩形缺陷接地结构(PRDGS)广泛应用于微波电路中以改善电路性能。采用无条件稳定的CrankNicolson格式FDTD(CN-FDTD)计算了介电常数和矩形单元尺寸对PRDGS传输特性的影响,在矩形单元尺寸一定时,随介电常数增大,PRDGS的阻带中心频率发生左移,而其宽度和深度保持不变;在介电常数一定时,随矩形尺寸增大,PRDGS的阻带宽度和深度会增大,其中心频率基本不变。比较两种方式计算的阻带中心频率,平均相对误差不超过1.72%,当CN-FDTD时间步长远大于CFL时,计算效率可提高77.2%,对PRDGS的分析设计有一定指导。

中心矩形构图先验的显著目标检测

目的许多显著目标检测算法侧重从背景角度进行显著性检测,而从前景角度和空间角度进行显著性检测的算法较少,为了解决这个问题,提出了一种基于中心矩形构图先验的显著目标检测算法。方法假定目标分布在中心矩形构图线附近。首先,对图像进行超像素分割并构造闭环图;其次,提取中心矩形构图线上的超像素特征,并进行流形排序,获取初始显著值;然后,通过基于中心矩形构图线获取的初始显著值确定中心矩形构图交点显著值和紧凑性关系显著值;最后,融合三者获得最终的中心矩形构图先验显著图。结果通过MSRA-1000,CSSD,ECSSD,THUS-10000数据集对比验证了中心矩形构图先验算法有较高的准确度和最高的F-measure值,整体效果上优于目前先进的几种算法。且处理单幅图像的平均时间为0.673 s,相比与其他算法也有较大优势。结论从前景角度和空间角度考虑的中心矩形构图先验的显著目标检测算法相比于传统的算法更加具有鲁棒性,无论图像是复杂的还是简单的,都取得很好的检测效果,充分说明算法的有效性。