一种高效有向无线充电器的布置算法

传统的传感器节点通常采用电池供电,有限的电池能量限制了传感器网络整体的寿命.无线能量传输技术可将能量以无线方式从充电器发送至传感器,从而可以彻底解决这一问题.无线可充电传感网中的一个重要问题是无线充电器的布置问题,即,如何有效地布置充电器,使得传感器网络的整体充电效用最大化.已有的工作主要考虑的是全向充电器的布置问题,且充电器可布置的位置受限,如只能布置在三角形顶点或网格中的格点处,因此具有相当的局限性.首次考虑了有向充电器的一般布置问题,即,充电器充电区域为扇形,并且充电器可布置在区域内任何位置处,其朝向可任意调节.另外,首次基于实测数据建立了有向充电器的充电模型,并提出一系列创新方法将问题进行转化,设计了一种近似比为(1-1/e)/(1+ε)的高效算法——CDG(charger deployment-greedy)算法来解决这一问题.仿真实验结果说明了CDG算法的有效性.与其他提出的两种随机算法相比,CDG算法的性能分别提升了将近300%和100%.

基于图割与泛形信息的对象分割方法

针对交互式图像对象分割对用户交互性、分割速度和精度的需求,提出一种融合用户交互中泛化形状(简称泛形)信息的方法.该方法通过能量函数将用户交互中包含的泛形信息(包括区域、边界泛形)与对象、背景外观颜色以及图像梯度信息有机地融合,建立了从全局优化到局部优化的分割框架,并利用高效的图割优化方法进行求解.在全局优化过程中,利用超像素代替像素作为处理的基本单元,在保留原图像空间结构特征的同时大幅降低了全局优化计算的复杂度,并通过区域泛形保证全局整体分割的质量.局部优化过程对全局分割结果边界处的错误进行修正,仅处理某段边界局部范围内的像素,保证了分割速度;同时,边界泛形约束进一步确保了最终分割结果在边界处的准确性.实验结果证明了文中方法在用户交互性、分割速度和精度方面的良好性能.

改进贪婪算法在博客突发事件检测中的研究

博客在当今人们的生活中起到重要的作用,但是人们在有限的时间内读哪些博客而不丢失重要的内容呢?这个问题可以看做是突发检测,也就是从众多博客里面选取一个。用改进贪婪算法来处理这种和类似问题,并阐述了"子模性"的概念。这种算法能推广应用到其他领域,仿真表明此算法能够接近最优结果。

移动边缘计算中一种贪心策略的内容卸载方案

基于移动边缘计算的内容卸载技术可以有效降低骨干网络的流量压力,提升终端用户体验。针对终端用户与小基站之间的异质接触率,设计了一种贪心策略的内容卸载方案。首先,将内容最优卸载问题转化为内容最大投递率问题;其次,证明最大投递率问题满足子模性,在此基础上,采用贪心算法部署内容,该算法可以以概率(1-1/e)保证其最优性;最后,详细分析了内容流行度指数以及缓存大小对不同卸载方案的影响。实验结果表明,所提方案提高了内容投递率同时降低了内容传输时延。

传感器网络节点选择的分布式在线算法

大型传感器网络部署的关键是在能量消耗最小的前提下激活传感器节点以获取有价值信息,这要求在效用函数事先不可知的情况下通过分布式方式选择正确的传感器节点。为此,提出一种分布式在线贪心算法。以效用函数满足子模性的自然报酬递减特性为前提,在模型未知的情况下,通过在线学习方式优化目标函数。实验结果表明,该算法的收敛性近似于传统的集中式方法,且在运行中所需的通信消息量较少,适用于大型网络传感器节点的部署。

人力资本对文化产品贸易可持续发展的影响

人力资本在文化产品领域中,体现为不同有生文化载体的创新性活动。从威廉·配第开始,众多经济学家推动了人力资本理论的发展。就文化经济领域而言,人力资本通过文化生产部门具有技术子模性特征的生产函数实现了异质性人力资本的聚集;员工能力信息不对称则实现了人力资本布局存在多样化,为创新活动提供了更多的市场空间;文化人力资本的配置调整将推动中国文化产品出口贸易结构从劳动密集型向知识和资本密集型转变。文章在参照美国、日本、韩国等发达国家文化人才培养成功经验的基础上,针对中国现有的问题,提出了相应的解决方法。

基于交互式主动探测的电力综合数据网故障定位算法

针对电力综合数据网对故障定位的准确性和时效性要求,提出一种交互式故障诊断机制,并重点解决该机制中故障定位集的选取问题,提出一种基于交互式主动探测的故障定位集选择算法(IPCA)。建立电力综合数据网与候选定位集的贝叶斯模型,借助贝叶斯网络条件独立性将候选定位集划分为若干子集,并引入探测价值衡量探测的诊断能力,利用探测价值交互更新过程的子模性降低故障定位集选取的时间复杂度。仿真结果显示,IPCA在确保故障定位准确性的同时平均可缩短20%左右的定位时间。

基于反向可达集的影响力最大化算法

现有影响力最大化算法多数因时间复杂度较高或影响力传播范围有限,不适用于大规模社交网络。基于独立级联模型,结合反向可达集采样提出一种改进的影响力最大化算法D-RIS。在影响力传播函数满足单调性和子模性的前提下,通过自动调试确定反向可达集生成数量的临界值。在Slashdot和Epinions真实数据集上的实验结果表明,D-RIS算法在影响力传播范围上接近CELF算法且优于RIS、HighDegree、LIR和pBmH启发式算法,同时在运行时间上相比CELF算法减少近百倍,具有更好的通用性与稳定性,适用于拓扑结构变化和规模较大的社交网络。