多媒体流调度的选择性PeriodPatch算法的研究

在流式媒体应用中 ,流调度算法通过降低系统延迟等策略显著提高了系统服务能力。在Patching和 Period Patch算法的基础上 ,引入若干提高系统性能的策略 ,提出一种选择性 Period-Patch流调度算法。为评价选择性 Period Patch算法的性能 ,通过仿真实验 ,比较选择性 Period-Patch算法与 Patching和 Period

应对过滤气泡:算法策展对用户信息消费行为选择性和态度极端化的影响

[目的/意义]“过滤气泡”是个性化推荐算法仅向用户推荐他们所认同、感兴趣的信息而造成的不利结果,体现为信息消费行为的选择性及个体态度的极端化。本研究旨在探索不同信息排序方式对于过滤气泡的干预效果。[方法/过程]共招募38位参与者访问模拟新闻推荐系统,并将其划分到不同信息排序方式的组别中,通过服务器日志观测参与者的新闻点击与阅读行为,使用量表测量其态度极端性变化情况。[结果/结论]信息排序方式不会影响用户的新闻标题点击行为的选择性,但会影响其新闻文章阅读行为的选择性及态度极端性变化:相较于基于偏好的排序方式,基于时间与基于质量的排序方式均会显著降低用户阅读行为的选择性,同时基于质量的排序方式还显著降低了用户的态度极端性。本研究不仅为过滤气泡研究提供了新的研究视角与有效的方法论,还为个性化推荐算法设计提供了实践启示。

基于牛顿-蚁群算法与选择性谐波调制的电网功率放大器宽频控制策略

选择性谐波消除/生成脉宽调制技术能与多电平电力电子变换器相结合,实现低开关频率下的高频电网谐波功率复现。然而,为生成特定次谐波,需要求解非线性开关角方程,其求解精度受开关角初值选取约束,且实时性随着谐波次数的增加而降低。因此提出一种基于牛顿-蚁群算法的实时选择性谐波生成脉宽调制技术。通过建立开关角方程,利用蚁群算法求解初值,进一步结合牛顿算法获得不同开关频率及计算步长对应的最多谐波数目,并分析得到调制比-开关角对应关系。通过查找表获得初始开关角,并前馈至电压控制环路,实现对特定次谐波的无静差跟踪。最后以级联H桥多电平变换器为例,搭建仿真与实验平台,验证了理论分析的正确性与所提策略的可行性。

一种基于国密算法的音视频选择性加密方案

针对目前以国密算法为基础的音视频数据加密方案不完善、加密效率与安全性难以权衡的问题,文章在腾讯实时音视频(Tencent Real-Time Communication,TRTC)架构下设计了一种基于国密算法的音视频选择性加密方案。根据音视频应用的特点与需求提出口令认证与协同签名相结合的身份认证方案,通过分析SM4算法与H.264编码方式的特点,使用SM4-CFB模式对编码后帧内关键语法元素IPM、MVD和RC进行加密,实现了高效的音视频数据选择性加密。实验证明,该方案有效降低了加密数据量,提高了加密速度,并且具有较高的密码安全性和感知安全性。

基于成本控制的测控设备选择性维护策略研究

为科学制定任务计划周期内的测控设备维护策略,减少冗余资源浪费,增加备份资源的可靠性,同时保证任务执行的风险可控,促进设备维护资源配置从专家经验到精准计算的转变,设计一套以可靠性为约束条件,以成本控制为优化目标的,基于遗传算法实现的最优测控设备选择性维护策略生成方法,并利用某型测控设备以往记录数据进行实验,证明了算法的有效性和可行性,可在航天测控系统中进行推广,为后续形成科学化的航天发射场维护维修资源配置方案,提供了技术储备。

装备群选择性维修决策与任务分配联合优化

为满足作战任务需求,对装备群进行选择性维修的同时进行作战任务分配,可有效提高装备群的整体作战效益。针对选择性维修决策与任务分配独立优化的问题,以最大化任务完成概率为目标,构建装备群选择性维修决策与任务分配联合优化模型,引入环境系数表征不同子任务的工作环境对单元状态的影响;通过求解马尔可夫模型得到单元的任务完成概率,进而得到子任务和整个任务的完成概率;采用基于随机密钥的遗传算法进行求解,分析环境系数对联合优化结果的影响,通过算例验证了模型和算法的有效性。研究结果表明:在选择性维修决策时考虑作战任务分配能够得到更优的结果;该模型可为战场环境下装备维修决策问题提供理论指导和技术支持。

选择性激光熔化致密度预测模型及工艺参数优化

针对选择性激光熔化(SLM)成形件质量低和工艺参数难以控制的问题,选取激光功率、扫描速度、铺粉层厚、扫描间距为优化变量,成形件的致密度为优化目标,设计正交实验获取训练样本,应用BP神经网络建立了针对316l不锈钢材料的致密度预测模型,然后通过遗传算法对网络模型进行优化和工艺参数寻优。结果表明:优化后的致密度模型预测相对误差在0.73%左右,预测能力较好且波动较小,并基于模型寻优到激光功率197.28W,扫描速度623.85mm/s,铺粉层厚0.1379mm,扫描间距0.1139mm的最佳工艺方案。模型能准确地反映出工艺参数与致密度之间的映射关系,为SLM成形参数优化提供了新的思路。

选择性平均的φ-OTDR分布式光纤扰动传感系统阈值算法

阈值的准确设定是有效降低φ-OTDR分布式光纤扰动传感系统误报和漏报率的关键。针对该问题,提出了一种基于选择性平均的φ-OTDR分布式光纤扰动传感系统阈值算法,采用相关差值预挑选的方式确定信号模板,进行阈值模板匹配。理论和实验研究表明:提出的选择性平均阈值算法,能够更有效设定阈值,提高信噪比,降低φ-OTDR分布式光纤扰动传感系统的误报和漏报率,与直接平均和移动平均阈值算法相比,所提出的选择性平均阈值算法将误报率分别降低了5%和3%,漏报率均降低了2%;信噪比分别提升了2.55 d B、1.1 d B。所提出的算法有助于提高φ-OTDR分布式光纤扰动传感系统在实际应用中可靠性。

基于萤火虫群优化算法的选择性集成雾霾天气预测方法

雾霾目前已成为严重的环境污染问题,因此需要预测雾霾天气,最小化雾霾的负面影响.文中提出基于萤火虫群优化算法的选择性集成学习方法,首先使用混合核SVM独立训练多个个体支持向量机,然后利用改进的离散型萤火虫群优化算法选择部分精度较高、差异度较大的个体分类器参与集成,最后通过多数投票法得到最终的分类预测结果.应用文中方法预测中国雾霾天气,实验表明方法的有效性和可行性.

无线传感器网络选择性DV-Hop定位算法

针对传统的矢量跳距(DV-Hop)定位算法平均定位误差大的问题,提出了一种具有选择性的改进DV-Hop定位算法。该算法首先剔除长距离信标节点信息,更新最小跳数与平均每跳距离,再次根据信标节点的实际距离和估计距离的误差进一步修正平均每跳距离。仿真结果表明:选择性DV-Hop定位算法能有效地减小平均定位误差,适应各种网络。

基于选择性集成算法的浸出率混合预测模型

一个精确的模型对浸出过程中浸出率预测是十分重要的。针对湿法冶金浸出生产过程中浸出率在线检测的难点,提出一种有效的混合建模方法,建立浸出率的预测模型。在对浸出过程进行分析后,建立了一个浸出过程机理模型。由于机理模型与实际之间存在着较大的误差,因此建立了混合模型来减少误差。随后,针对小样本建模问题,提出了基于二进制PSO算法的选择性bagging集成算法,并将该算法应用于混合模型的误差补偿中去。实验结果表明该混合模型的预测精度比其他模型的预测精度高。

Turbo码译码算法在频率选择性信道中的修正

分析了宽带 DS/ CDMA系统在多径瑞利信道中的性能 ,针对多径频率选择性信道对 Turbo码译码提出了修正算法——由 Rake接收输出经最大比例合并等处理后的信号 ,除以信道幅度参数αmi 的平方之和 ,以高斯分布计算 Turbo码译码的 γ函数 ,并进行 Turbo码译码 .系统仿真显示 ,该修正算法极大地提高了系统的误码性能 .

仿选择性注意机制的语音情感识别算法

有效特征的选取一直都是语音情感识别算法的关键。为此,针对语音情感特征选择与构建的问题,一种仿选择性注意机制的语音情感识别算法被提出。考虑到语音信号的时频特性,算法首先计算语音信号的语谱图;其次,模仿选择性注意机制,计算语谱图的颜色、方向和亮度特征图,归一化后形成特征矩阵;然后,将特征矩阵重排列并进行PCA降维,形成情感识别特征向量;最后,利用改进的支持向量机分类方法进行语音情感识别。对愤怒、恐惧、高兴、悲伤和惊奇5种情感的识别实验显示,基于选择性注意的方法能够获得较好的识别效果,平均识别率为85.44%。相比于韵律特征和音质特征,语音情感识别率至少提高10%;相比于其它语谱特征,识别率提高7%左右。

运用遗传算法选择性消除多电平逆变器新拓扑中的谐波

目前,传统的PWM技术和选择性谐波消除问题得到了广泛研究。提出运用遗传算法来选择性消除多电平逆变器新拓扑中的谐波。新拓扑与传统结构相比较有减少开关数量的优势,并且可以把输出电平的数量扩展到任何值,该系统减轻了执行机构的复杂性,缩短了计算时间。对于每一个被要求消除的谐波,如果最优开关切换角存在,搜索过程中,遗传算法都可以找到一组最佳开关切换角。模拟仿真和实验结果都验证了新拓扑适合于不同电平数量的逆变器和不同次数的谐波消除。

基于蚁群算法的选择性神经网络集成方法

为选择差异度较大、精确度较高的神经网络个体组建神经网络集成,提高神经网络集成的性能,提出一种新的选择性神经网络集成构造方法.该算法采用蚁群优化算法在独立训练的神经网络个体中选择部分组建网络集成,在蚁群优化过程中神经网络个体被选择的概率由信息素和启发因子决定,信息素反映当前神经网络个体的精确度,启发因子反映神经网络个体间的差异度,能有效提高系统的搜索效率和预测精度.实验结果表明,该算法构造的神经网络集成使用了较少的网络个体,而预测误差均好于传统的Bagging和Boosting算法.

频率选择性衰落OFDM的半盲信道估计算法研究

从系统性能分析和设计的角度详细地研究了基于无线HIPERLAN2通信协议的OFDM(orthogonal frequency division multiplexing,正交频分多路复用技术)系统信道估计与均衡的一种半盲算法,提出了结合直接法和Cholesky分解法的切换盲算法。这种半言算法综合了全盲算法得到的信息与已知导频符号,充分利用了原发信号的统计特性和OFDM帧结构中插入的导频符号,克服了全盲和导频训练序列存在的问题,且不需额外的带宽。仿真结果表明,在误比特率和收敛性方面,该算法比现有的主要三种全盲算法有更好的收敛和抗干扰特性。

选择性电铸的分层切片算法研究

选择性电铸是近几年来出现的一种快速成型工艺。在介绍选择性电铸工艺原理与成型设备基础上 ,本文分析了选择性电铸的分层切片处理特点 ,提出了一种适于选择性电铸工艺特点的数据处理方法并详细论述了其实现过程。这种算法综合了简单扫描与螺旋线扫描两种扫描线填充算法的优点 ,采用所提出的扫描线共区判据 ,将加工层面的所有扫描线划分为若干个相互独立的加工扫描区 ,相邻扫描线间的进给线为层面边界 ,不同扫描区之间通过电铸喷嘴的快速移动线相连 。

多目标选择性拆卸序列优化问题的分散搜索算法

针对多资源约束下顺序依赖的选择性拆卸序列优化问题,建立以最大拆卸收益和最小拆卸时间为优化目标的多目标数学模型,提出了一种多目标分散搜索优化算法进行求解.该算法针对本文问题的特点设计了一种保持足够多样性的初始解生成方法,满足拆卸优先关系的交叉组合算子以及改进的参考集更新策略.为了进一步提高解的质量设计了一种局域搜索策略,并利用外部存档方法存放pareto解集.应用多组实例进行计算实验,并与其他求解该问题的算法进行比较,实验结果表明本文算法优于对比算法,证明本文模型和算法求解本类问题有效.

基于交叉熵方法的选择性AODE算法

AODE(Averaged One-Dependence Estimators)算法是最近提出的一种典型的基于naveBayes的改进算法,并受到国际机器学习界的关注。交叉熵方法(Cross-entropy Method)是一种解决组合优化问题的全局随机搜索算法,已经成功地被应用到许多经典的NP问题中。给出了AODE算法选择性集成的理论基础,并基于交叉熵方法,提出了解决AODE算法选择性集成的CESAODE(Cross-Entropy method for Selective AODE)算法。在WEKA平台上使用UCI数据集进行的仿真实验结果表明,CESAODE算法比现有的分类算法,例如AODE等具有更好的分类性能。

零树小波图像编码中的一种选择性系数扫描算法

针对图像作小波分解后各子带系数的分布特征 ,提出一种自适应的系数顺序选择算法 ,用于基于零树结构的图像编码中 .结果表明 ,该算法在不增加编解码复杂度和码率的前提下 ,较为有效地保存了原图像的高频细节 ,改善了重建图像的视觉效果 .在低码率的视频和图像编码应用中 。