基于计算思维的大学计算机基础教学改革

为有效解决当前大学计算机基础教学中存在的不足,对如何将计算思维引入到《大学计算机基础》课程教学中去进行研究,提出了培养学生计算思维能力相关措施。

基于组合优化理论的无线网络流量建模与预测

无线网络流量受到上网成本、上网行为等因素的综合作用,具有随机性和周期性变化的特点,针对单一模型不能全面描述该变化特点的难题,提出基于组合优化理论的无线网络流量预测模型。首先采用自回归积分滑动平均模型进行建模,找出无线网络流量的周期性变化规律,然后采用相关向量机进行建模,找出无线网络流量的随机性变化特点,最后将它们的预测结果组合在一起进行单步和多步的无线网络流量预测实验。实验结果表明,该模型可以同时对随机性和周期性变化特点进行描述,预测精度高于单一自回归积分滑动平均模型或者相关向量机。

高效的H.265/HEVC快速帧内编码方法

H.265/HEVC帧内编码采用率失真最优化穷举搜索大大提高了编码效率,但引入极高计算复杂度。为降低计算复杂度,对当前64×64单元与时空相邻编码单元之间的率失真统计特性进行研究,提出一种纹理代价与非纹理代价关系优化的提前判决算法。实验结果表明,该方法平均降低了48.74%的计算复杂度,同时相比于HM参考软件,只增加了0.49%的BDBR,仅损失了0.039dB的BD-PSNR。

一种改进的模糊聚类日志异常检测方法

随着分布式信息系统的普及与应用,系统的在线运行管理变得尤为重要。如何利用各类系统运行产生的日志数据保障在线业务应用不间断服务已成为当前研究的热点问题,而基于机器学习方法的日志数据异常检测是该领域的有效路径。围绕日志数据的异常检测问题,文中提出一种模糊聚类的无监督学习方法,通过引入模糊隶属度函数,对不同的分类对象赋予不同模糊隶属度,可有效分类噪声与奇异数据点的影响,效果明显优于传统的其他同类机器学习方法。其次,针对日志数据正常与异常数据聚群的不平衡问题,引入不平衡补偿因子,进一步提高异常检测的性能。实验结果表明:模糊聚类算法明显优于现有无监督机器学习方法,准确率达到96%,召回率为100%,综合评价指标F1值为97.9%;改进的算法则在原基础上,准确率和F1分别提升1个百分点。

基于最优同质块的分段式矩形优化排样

为有效解决企业实际生产中的矩形优化排样问题,对矩形优化算法进行研究,提出基于最优同质块的分段式矩形优化排样算法,有效解决了企业实际生产中的剪切排样问题。该算法首先使用剪床将板材剪成不同长度的子段,然后在子段上基于最优同质块进行优化排样。算法将板材的分段问题以及最优同质块在子段上的最优排样问题均转化为背包问题,并基于动态规划算法求解;使用枚举法求解最优同质块排样。将板材分成若干个子段使算法可以有效解决长板排样问题,使用最优同质块对子段进行优化排样使算法的优化性能得到提高。两组实例应用表明本文算法优于文献中的其他算法。

基于同质段矩形优化排样问题求解

为有效解决企业实际生产中的矩形优化排样问题,对矩形优化排样算法进行研究,给出基于同质段矩形优化排样问题的求解算法,该算法可同时有效解决企业实际生产中矩形优化排样的单一排样和套裁排样问题。算法首先基于隐式枚举法求出所有同质条带的最优排样及备选同质段,对备选同质段进行规范化处理求出所有的候选同质段,使用候选同质段将板材分成若干个子段,并将矩形优化排样问题转化为完全背包问题,最后基于动态规划算法进行求解。两组应用实例验证了本文算法的有效性。