面向边缘计算资源分配的防假名拍卖机制

边缘计算激励机制可以激励用户参与到资源分配的过程中来.为防范不诚实用户对资源分配的操纵,现有激励机制致力于使参与者在投标时给出他们的真实估值,但未考虑对假名攻击的对抗策略.为解决现有机制缺乏对抗假名攻击的能力这一问题,首先,对假名攻击投标决策手段进行分析,设计了假名过滤算法和结合边缘服务器成本的最小临界值定价算法,假名过滤算法剔除可能的假名用户,定价算法则保证了假名用户无法通过操纵临界价格提高效用.然后,证明了该防假名拍卖机制满足真实性和个体理性,此外还证明了该机制对假名攻击具有抗操纵性.实验结果表明,该机制能够在满足真实性的同时,保证用户无法通过单方面发起假名攻击增加效用.

面向边缘计算在线任务调度的时间抗操纵机制

激励机制旨在激励用户参与任务调度并如实报告私有信息,但现有研究主要侧重于确保用户在投标时提交真实的任务估值,而未考虑在线场景中的时间操纵问题。因此自私用户可以通过时间操纵提高自身效用,从而影响边缘用户的参与积极性、成功调度任务总价值和调度结果的公平性。提出一种利用在线机制的时间抗操纵边缘计算任务调度方法。对虚假任务投标手段进行分析,得到符合实际的合理时间误报范围和价格误报;考虑到时间属性的操纵,设计一种适用于在线场景的分配函数,以保证任务类型的单调性,并根据分配概率依次分配任务得到任务调度结果;推导出满足激励相容的临界支付定价算法,该算法保证了用户无法通过时间操纵提高预期效用;从理论上证明了该任务调度机制满足真实性和个体理性。实验结果表明,该机制不仅能防范用户的价格操纵,同时还可以抵御时间操纵。

手绘艺术动画的计算机辅助设计方法综述

近年来随着计算机技术广泛应用于手绘艺术动画的制作,出现了许多新的手绘艺术动画的计算机辅助设计和制作方法。这些方法概括为五类:①结合三维动画技术实现艺术动画制作;②引入中国传统的艺术元素制作手绘动画;③基于视频流生成动画;④使用素材重用的方法制作手绘动画;⑤结合中间帧自动或半自动生成技术制作动画。文章对这些方法进行了介绍,并指出中间帧生成技术能够保持绘画者的手绘风格,突出手绘动画的艺术特征;并进一步说明了结合中间帧生成技术辅助制作动画的关键,是寻求一种自然高效的交互方式来定义始末关键帧中图形元素间的对应关系,以及根据此对应关系自动或半自动生成中间帧的方法。

结合对比学习的新闻文本与评论相似度计算

新闻文本与新闻评论相似度计算旨在筛选出与新闻文本相关的评论,而大部分评论以短文本的形式对新闻文本做出评价,因此新闻文本与评论的相似度计算本质上是长文本与短文本的相似度计算.传统长文本处理方法易导致文本信息缺失、文章主题不明确等问题,降低相似度计算的准确率.针对新闻文本与评论的长度差距,结合评论的特点,该文提出了结合对比学习的新闻文本与评论相似度计算方法,该方法通过关键词的提取实现新闻文本压缩同时减少文本的冗余信息;将关键词序列与新闻标题拼接作为新闻文本的表示;然后通过BERT预训练模型使用对比学习的方法实现文本正负例的构造;最后通过交叉熵和相对熵损失函数对预训练模型进行微调,实现文本的相似度计算.实验表明,该文提出的方法较近几年的长文本处理方法在准确率上提高了3.6%,并在中文文本相似度计算的公共数据集上也取得了较好的效果.

结合节点计算能力的MapReduce负载均衡方法

MapReduce是大数据计算领域广泛使用的编程模型,默认的Hash分区方法易导致数据倾斜,使各计算节点负载不均衡,影响了整体计算性能并造成了大量集群资源浪费。针对这一问题,提出一种结合节点计算能力的分区方法。通过运行一个独立的抽样作业,利用Reservoir抽样算法抽取待处理数据并统计样本里关键字的位置和频次;根据关键字的统计数据制定分区策略,使各分区负载与节点计算能力达到平衡,同时优化网络开销;以全量数据为输入运行计算作业,并采用已制定的分区策略对中间数据进行分区,得出计算作业的运行结果。实验结果表明,方法使各节点负载更加均衡,可明显提升计算作业执行效率。

利用Hawkes过程模型的移动边缘计算服务质量预测

移动边缘计算为用户提供高性能、低延时、高带宽的网络服务.在移动边缘计算环境中,服务质量预测对提高用户的满意度具有重要作用.目标用户的相似用户在历史时刻使用该边缘服务器访问服务的服务质量高,对目标用户访问该边缘服务器有激励作用,并且使用该边缘服务器服务质量高的相似用户越多,起到的激励作用也会累加.考虑到激励作用可以提高服务质量预测准确性,本文提出基于Hawkes过程模型的移动边缘计算服务质量预测方法.方法首先确定目标用户的相似用户,再提取相似用户在边缘服务器上的服务质量数据,使用最大似然估计方法训练Hawkes过程模型,得到训练后的各参数值,最后使用Hawkes过程模型对目标用户使用附近边缘服务器服务质量高的概率进行预测,得到概率最高的边缘服务器,以提高用户的满意度.与现有方法的对比实验表明,本文所提出的方法对移动边缘服务环境中未知QoS的预测更为准确.

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明:在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.

基于多密度流聚类的UAV-NOMA用户分簇与功率分配算法

针对无人机(Unmanned Aerial Vehicle,UAV)辅助非正交多址(Non-Orthogonal Multiple Access,NOMA)下行通信系统,提出了最大化和速率的用户动态分簇与功率分配方案.考虑用户服务质量与UAV位置约束,建立了和速率最大化的优化问题.由于目标函数的非凸性,将原问题解耦为三个子问题,分别优化UAV位置部署与用户连接、用户动态分簇、功率分配以提高系统性能.首先,基于K-means算法设计了UAV位置部署与用户连接方案,以减小路损为目的确定UAV最佳部署位置,同时选择其服务的最优用户群;其次,改进多密度流聚类(Multi-Density Stream Clustering, MDSC)算法,提出了单UAV下用户静态与动态分簇方案,静态分簇方案可自适应平衡簇数与簇用户数,并获得较大的簇内用户信道增益差异,动态分簇方案则针对用户移动属性,制定了即时更新策略;最后,使用分式规划(Fractional Programming,FP)二次变换的方法,引入辅助变量将原非凸问题变换为凸问题,交替优化辅助变量与功率分配因子,获得原非凸问题的次优解.仿真结果表明,与其他算法相比,本文分簇方案能获得更大的簇内信道差异与更小的簇内用户数标准差,同时用户系统性能也获得了显著提升.

改进卷积注意力机制的轻量级检测无人机目标模型

利用深度学习中特征提取的优势,提出一种改进算法,结合改进的卷积注意力模块,将YOLOv5模型骨干网络替换为改进的MobileNetv2轻量化网络,形成I-YOLOv5算法,旨在提高检测精确度和小目标、多目标的检测能力,同时保持实时性.为构建数据集,通过网络搜索和自主录制无人机视频的方式,用Label Img工具完成标注.结果表明,I-YOLOv5算法在检测精度上有显著提升,对小目标和多目标的检测效果更优秀,在视频检测方面表现出色,具有较好的实时性能.通过模型结构优化,使检测模型的大小减少为原来的18.6%,检测速度提升120%.I-YOLOv5算法的平均精度均值达到97.8%.

混合灰狼-自适应蝴蝶算法下的多目标无线传感器网络覆盖研究

为提高无线传感器网络的覆盖率、减少二次部署中节点移动的能量消耗以及减少牵涉节点数目,提出了一种混合灰狼-自适应蝴蝶算法.首先,通过将灰狼算法与蝴蝶算法融合寻找最优解,在种群间优化中加入种群内部优化,提升算法的寻优能力,提高算法收敛速度;其次,在蝴蝶算法中改进自适应开关概率,根据当前迭代情况决定寻优方式,加快搜索速度;最后,在算法中融入反馈机制,引入随机蝴蝶进行漫步,防止陷入局部最优.从最优覆盖、最小冗余、最低能量消耗3个方向综合考量,建立函数模型,进行覆盖优化.实验结果表明,与其他6种算法相比,本文算法在多种场景下,有效地提高覆盖率,降低节点冗余,减少节点使用数目,降低能量消耗.

单视角三维服装重建的民族风格表征学习

针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征,学习形状潜在特征;然后基于区域定位和关键点,并融合定义的款式风格、着装部位进行款式表征,得到局部感知区域图,以学习款式潜在特征;再联合形状、款式特征以及定义的对称损失函数,隐式重建出民族服装的初步模型;最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征,并编码UV位置图到特征空间,生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明,所提方法的倒角距离和法线余弦距离分别为1.732和0.13,较已有方法降低11%和18%,能够提高单视角三维民族服装重建的精度,生成具有民族风格的三维服装模型.

民族服装图像描述生成的局部属性注意网络

针对民族服装图像属性信息复杂、类间相似度高且语义属性与视觉信息关联性低,导致图像描述生成结果不准确的问题,提出民族服装图像描述生成的局部属性注意网络.首先构建包含55个类别、30000幅图像,约3600 MB的民族服装图像描述生成数据集;然后定义民族服装208种局部关键属性词汇和30089条文本信息,通过局部属性学习模块进行视觉特征提取和文本信息嵌入,并采用多实例学习得到局部属性;最后基于双层长短期记忆网络定义包含语义、视觉、门控注意力的注意力感知模块,将局部属性、基于属性的视觉特征和文本编码信息进行融合,优化得到民族服装图像描述生成结果.在构建的民族服装描述生成数据集上的实验结果表明,所提出的网络能够生成包含民族类别、服装风格等关键属性的图像描述,较已有方法在精确性指标BLEU和语义丰富程度指标CIDEr上分别提升1.4%和2.2%.

ElasticSearch分布式搜索引擎在天文大数据检索中的应用研究

天文观测数据是天文研究的基础,但传统的集中式数据检索方法已难以满足日益增长的海量天文数据的高性能检索和查询需求.提出了一种基于Elastic Search分布式搜索引擎,通过River机制对现有的海量FITS(Flexible Image Transport System)数据进行索引构建,从而实现海量FITS数据高效检索的方法,并讨论了其中的近实时检索和查询的关键技术.实测结果表明,在百万到千万级的天文数据量下,该方法可获得极高的检索性能,并能够很方便地集成到现有的天文数据归档系统中,完全可以满足当前国内各类望远镜系统天文数据的归档要求.

利用序数偏好预测的在线服务信誉度量

基于序数偏好的在线服务信誉度量方法通过聚合用户的序数偏好计算服务信誉,解决了用户评价准则不一致情况下信誉度量结果不可靠的问题.然而,在无法得到用户完整的序数偏好时,现有基于序数偏好的在线服务信誉度量方法要么直接忽略未知偏好,要么采用协同过滤预测偏好,且未对偏好预测的准确性进行实验验证,导致得到的服务信誉不可靠.为此,提出一种利用用户-服务属性偏好预测序数偏好,进而进行在线服务信誉度量的方法.该方法首先基于不完整的评分数据学习用户的条件偏好网络来获取用户对服务属性的偏好;然后根据用户-服务属性偏好计算服务的偏好优先级预测未知偏好,得到用户完整的序数偏好;最后针对Schulze社会选择函数在用户总数为偶数时存在无法确定用户群体偏好关系的问题,提出Schulze-偏好优先级方法用于聚合所有用户的序数偏好得到服务信誉.在真实数据集上的实验结果表明,该方法相较协同过滤评分预测方法,预测的序数偏好更为准确;与现有的信誉度量方法相比,该方法得到的服务信誉与用户群体中用户的序数偏好更为一致.

Vantage Pro气象站实时数据采集与在MUSER中的应用研究

我国明安图射电频谱日像仪(Mingantu Ultrawide Sp Ectral Radio Heliograph,MUSER)已经完成所有的硬件设备安装与调试,即将进入常规观测。为有效地保证观测数据的可用性,项目组购置了Vantage Pro自动气象站,用以实时监控观测地的气象条件变化。首先介绍了MUSER项目的基本情况,论述了在项目中气象条件的应用场景及在数据处理时对数据有效性可能造成的影响;详细介绍了Vantage Pro气象站的数据采集格式、数据交换格式以及串行通信协议;介绍了在气象数据的存储方式;最后给出了构建气象数据服务、数据归档和高效查询的方法。可以应用在望远镜自动气象监控和数据处理方面,也可以为选址的自动气象监测提供参考。

基于Transformer的多模态级联文档布局分析网络

针对现有方法在文本和图像模态的预训练目标上存在嵌入不对齐,文档图像采用基于卷积神经网络(CNN)的结构进行预处理,流程复杂,模型参数量大的问题,提出基于Transformer的多模态级联文档布局分析网络(MCOD-Net).设计词块对齐嵌入模块(WAEM),实现文本和图像模态预训练目标的对齐嵌入,使用掩码语言建模(MLM)、掩码图像建模(MIM)和词块对齐(WPA)进行预训练,以促进模型在文本和图像模态上的表征学习能力.直接使用文档原始图像,用图像块的线性投影特征来表示文档图像,简化模型结构,减小了模型参数量.实验结果表明,所提模型在PubLayNet公开数据集上的平均精度均值(mAP)达到95.1%.相较于其他模型,整体性能提升了2.5%,泛化能力突出,综合效果最优.

一种过零单边干涉图加权切趾函数对太阳观测中傅里叶变换光谱的影响分析

傅里叶变换光谱仪(FTS)因其出色的光谱分辨率而广泛用于太阳活动的观测。在使用过零单边干涉图进行光谱复原时,可能会出现频率泄漏、旁瓣效应以及对零光程差附近的采样数据重复利用,从而导致光谱线的平滑和畸变等问题。为了获得更准确的太阳光谱数据,必须对过零单边干涉图进行加权和切趾操作。对此,文章采用了一种奇次多项式非对称加权切趾函数来处理过零单边干涉图,并探讨了使用不同的切趾函数构建非对称加权切趾函数进行光谱恢复的效果。模拟数据实验的结果表明采用奇次多项式非对称加权切趾函数可以有效地恢复光谱。此外,与Griffiths、相里斌以及SP.Davis提出的加权切趾方法相比,文章中提出的方法表现出较小的误差。最后,将所提出的方法应用于Bruker IFS-125HR FTS采集的干涉图数据,与其他切趾方法相比,使用文中提出的方法可以有效地恢复光谱。

基于Spark的SKA1-MID自校准管线分布计算实现

平方千米阵列(Square Kilometre Array,SKA)科学数据处理产生的数据超出了所有已存在的分布式处理系统的处理能力,如何实现一个分布式执行框架是当前科学数据处理的一个重要研究内容。Spark是一个非常成熟的商业框架,在互联网中被广泛应用,根据平方千米阵列项目进展的要求,重点研究了如何将算法参考库(Algorithm Reference Library,ARL)中的部分管线移植到Spark上执行。对部分实现过程进行了分析讨论,给出了相应的任务流程。最终结果表明,移植后代码生成结果符合预期,Spark能够满足部分分布式数据的要求,但迫切需要解决自身存在的一系列问题。

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

一种新的彩色图像幸运区域融合算法

幸运区域融合是一种可以有效地恢复高分辨率的光学图像的方法。但已有的幸运区域融合算法通常依赖于固定分块选图,或者是使用多帧短曝光图像求偏微分方程以得到最终图像。这些方法需要将图像固定分块或是需要较大的计算量,无法满足实际应用场景的实时处理要求或是无法准确找到形状不规则的幸运区域。提出了一种可以不依赖于固定分块且不需要求解偏微分方程来获得融合图像的算法,即利用边缘指示函数和增益函数寻找幸运区域后进行直接融合处理。使用上述算法对实际拍摄的受到湍流影响的文字目标灰度图像以及具有景深的彩色图像进行了图像融合实验,结果表明,经算法处理得到的融合图像质量以及得到图像融合处理的速度有明显的提升,且可以实现在彩色图像上无色差地提高因大气湍流而退化的图像的分辨率。