大数据时代高校计算机专业教学改革研究

大数据给各行各业都带来了前所未有的变化,高校计算机专业教育更是发生了革命性的变化。本文分析了大数据背景下高校计算机专业教育改革的必要性,然后从教学理念、教学内容、教学实践等方面进行了分析研究,以期对计算机专业教学的改革提供参考。

常数级压缩技术中随机分段文件频率表的研究

对随机文件中分段字节频率分布规律进行了研究,发现对于20k分段字节出现的频率大多分布在长度为64的连续区域内,偏离点个数非常少,借助该规律可以对频率表进行压缩。此外采用01标识法对附加信息进行优化,减少了附加信息存储空间。频率表及附加信息的压缩存储对整个常数级压缩技术的实现具有重要意义。

基于运行成本约束的含碳捕集设备电力系统低碳调度模型

发展低碳电力系统是应对全球变暖挑战的基础,如何充分发挥碳捕集设备的作用,且有效地解决含碳捕集设备电力系统的调度问题变得至关重要。针对含碳捕集设备场景下的低碳调度问题,首先建立风电、储能、火电机组的联合调度模型,根据此模型以系统运行成本为优化目标,可以得到不含碳捕集设备场景下的系统最优成本。在此基础上,建立风电、储能、碳捕集以及火电机组的低碳优化调度模型,将无碳捕集设备场景下的系统最优成本作为约束条件之一,以二氧化碳排放量减少为调度优化目标。由于该场景下的低碳调度问题可以视为一个马尔可夫决策过程,最后基于深度强化学习模型对问题进行求解。实验结果表明,所提出的含碳捕集设备场景下的低碳调度模型,不但可以有效地控制系统总运行成本,同时可以进一步降低二氧化碳的排放量。

基于GPRS/CDMA技术的油田配电网络系统

油田配电网络自动化系统主要针对油田供电面积大、配电网络线路长、用电负荷重等因素致使配电网运行维护极其不便进行自动化监测与监控。提出基于GPRS/CDMA技术设计的油田配电自动化系统,可以实现油田配电网络优化运行与先进管理。

真实交通数据下的实时电动汽车智能充电策略

随着社会生产和经济高速发展,环境问题日益突出。电动汽车(Electric Vehicle,EV)由于其零污染排放的特性,很受人们的欢迎,导致EV规模越来越大。随着EV数量增加交通拥堵问题日趋严重,充电难成为人们的困扰。如何解决EV充电的及时性和不确定性以及降低EV充电成本成为新能源领域面临的一个挑战。通过考虑道路交通状况的随机性和天气变化的影响,构造状态、动作、和系统奖励函数,将EV充电调度问题描述为马尔可夫决策过程(Markov Decision Process,MDP)。提出一种基于深度强化学习(Deep Reinforcement Learning,DRL)的SAC(Soft Actor-Critic)算法动态学习最优充电策略,为用户最小化充电时间和电池能耗,改善充电体验。此外,设计了实时电价预测的深度学习模型,辅助智能充电决策,进一步为用户节省充电成本。实验结果验证了所提方法的有效性和优越性。

一种考虑隐私保护的深度强化学习任务分配模型

移动群智感知(mobile crowdsensing,MCS)是利用大规模移动智能设备进行数据收集、数据挖掘和智能决策的新范式,高效的任务分配方法是MCS获得高性能的关键.传统的贪婪算法或蚂蚁算法假设工人和任务固定,不适用于工人和任务的位置、数量和时间动态变化的场景.而且,现有任务分配方法通常由中央服务器收集工人和任务的信息进行决策,容易导致工人隐私泄露.因此,提出具有隐私保护的深度强化学习(deep reinforcement learning,DRL)模型来获得优化的任务分配策略.首先,将任务分配建模为多目标优化的动态规划问题,旨在最大化工人和平台的双向收益,实现纳什均衡.其次,提出基于DRL的近端策略优化(proximal policy optimization,PPO)模型进行训练,学习模型参数.最后,通过本地差分隐私方式,对工人位置等敏感信息加入随机噪声实现隐私保护,并由中央服务器训练整个模型,获得最优分配策略.对收敛时间、最大收益和任务覆盖率等指标进行实验评估,在模拟数据集上的实验结果表明,与传统方法和其他基于DRL的方法对比,该方法在不同的评估指标上均有明显提升,并且能够保护工人的隐私.

基于深度强化学习考虑碳捕集电厂综合灵活运行方式的含风电低碳经济调度

随着碳达峰碳中和战略目标的提出,降低碳排放量是新形势下电力系统转型要面对的重要问题。风电等新能源虽然具有零碳排量的优势,但其具有不确定性,给电网的平稳运行带来了挑战,因而较为稳定的火电仍然是重要的电能来源,但需要对传统火电厂进行改造,采用碳捕集和封存利用技术减少碳排放量。经改造后的碳捕集电厂具有综合灵活的运行方式,可以与风电进行配合。在综合灵活运行方式下,研究了碳捕集电厂灵活运行时的能量特性,建立了低碳经济调度模型。同时,为了提高调度的效率,减少不确定性的影响,设计了基于深度强化学习的算法来学习调度策略,并基于真实的电力系统运行数据进行仿真,证明了所提出方法的有效性。

一种纸币识别方法研究

快速准确的纸币清分在银行业中具有非常重要的意义。清分系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤,其中分类器设计是核心技术基础。论文提出了一种用于高速纸币清分的人民币识别方法,该方法基于整张纸币的特征提取,采用了基于结构风险最小化的高斯混合模型(GMM)设计识别分类器。实验结果表明,提出的方法取得了较高的识别率。

一种有效的本体排序算法MIDSRank

本体已经在很多的领域中得到了广泛的应用,网络上的本体也越来越多,为了节约本体构建的成本避免从头构建本体,人们经常首先从网络上获取候选者,然后再以此为基础构建自己的本体.而随之而来的本体排序问题则成为一个研究热点.通过对现有本体排序算法的总结与分析,将现有本体排序算法划分为两大类,分别阐述了其基本思想以及存在的问题.然后,提出了一种经过改进的本体排序方法,该方法结合了原有方法的优点并提高了本体搜索的质量.最后讨论了未来研究的方向和注意事项.

无线传感器网络中基于相关性的数据压缩算法

针对传感器网络中数据分布特性,提出了两种数据压缩方法,能有效压缩传感器感知数据,减少网络中的节点能量耗费,并通过模拟实验验证了所提方法的有效性。

无线传感器网络具有跟踪质量保证的节点选择算法

目标跟踪广泛地应用于无线传感器网络的各个领域.该文研究无线传感器网络目标跟踪中的节点选择问题,提出了具有跟踪质量保证的跟踪节点选择算法.该算法在保证给定目标跟踪可靠性要求的同时对网络生存期进行优化.文中首先分析了影响传感器节点生存期的3个因素,包括节点感知数据的可靠性、节点剩余能量以及节点通信和采样的能量消耗.在此基础上建立节点生存期函数,在满足用户给定目标跟踪可靠性要求的前提下选择使网络生存期最大化的节点参与目标跟踪.实验结果表明该文所提出的节点选择算法可以有效延长网络生存期.

基于表面形态分布的单幅灰度图像高光检测

镜面高光是由明暗恢复形状算法的重大障碍,但是对于单幅灰度图像,由于只包含亮度信息,现有以色度分析和极化分析为基础的高光检测方法均不能适用.为此,提出了一种利用表面形态分布信息检测图像高光的方法.首先,利用成像过程信息,对表面法向量进行估计;其次,基于物理光照模型,通过模拟退火算法最小化亮度误差函数,计算漫反射成分和镜面反射成分;然后,定位高光区域;最后,给出了基于曲率连续性假设的约束补色方法.通过对仿真图像和真实图像的高光检测及表面恢复,验证了提出的算法具有良好的稳定性,提高了镜面高光图像的表面恢复精度.

一种新颖的基于颜色信息的粒子滤波器跟踪算法

传统的基于直方图的粒子滤波器算法常常需要在准确表达颜色分布和计算效率之间做出妥协,从而影响跟踪算法的性能甚至导致跟踪算法失败.针对这一问题,文中提出一种新颖的基于颜色信息的粒子滤波器跟踪算法.该算法采用自适应剖分颜色空间的概率模型,能够用较少的子空间准确地表达目标的颜色分布.文中进一步提出一种推广的积分图像,通过在该积分图像上进行数组索引操作得到每一个子空间的像素数目、均值向量和协方差矩阵,从而能够快速地计算出颜色模型.然而在CPU上计算积分图像十分耗时,为此文中提出一种基于GPU的并行算法快速计算积分图像.该并行算法在显卡的GPU上创建3个线程网格,分别顺序执行3个Kernel函数,依次完成创建原始积分图像以及对它的行和列执行前缀求和算法的任务.同传统的基于直方图的粒子滤波器算法相比,新算法每帧平均跟踪时间显著减少,同时跟踪准确性和鲁棒性都有较大提高.

使用稠密SIFT特征表达目标的跟踪方法(英文)

提出了一种使用稠密SIFT特征进行目标跟踪的算法。该算法首先将表达目标的矩形区域分成相同大小的矩形块,计算每一个小块的SIFT特征,再对各个小块的稠密SIFT特征在中心位置进行采样,建模目标的表达。然后度量两个图像区域的不相似性,先计算两个区域对应小块的Bhattacharyya距离,再对各距离加权求和作为两个区域间的距离。因为目标所在区域靠近边缘的部分可能受到背景像素的影响,而区域的内部则更一致,所以越靠近区域中心权函数的值越大。最后提出了能适应目标尺度变化的跟踪算法。实验表明,本算法具有良好的性能。

一种改进的Mean Shift跟踪算法

本文主要针对经典的Mean Shift跟踪算法均匀剖分整个颜色空间造成许多空的直方图区间以及不能准确表达目标颜色分布的缺点,提出了一种改进算法．该改进算法首先对目标的颜色进行聚类分析,根据聚类结果通过矩阵分解和正交变换自适应地剖分目标的颜色空间从而确定对虑于每一聚类的子空间．在此基础上定义了一种新的颜色模型,该模型统计落入每一颜色子空间的像素的加权个数并用高斯分布建模每一个子空间的颜色分布,并推导了一种相似性度量来比较目标和候选目标的颜色模型之间的相似程度．最后基于该颜色模型提出了改进算法．实验表明,基于该颜色模型的改进算法比经典的Mean Shift算法具有更好的性能,而跟踪时间与经典算法大致相同．

超平面树:度量空间中相似性搜索的索引结构

相似性搜索是从数据库中检索出同给定数据对象相似的数据对象 ,已有的基于R tree的相似性搜索 ,当搜索空间的维的个数较小时效率较高 ,但当搜索空间的维的个数较大时则效率很低 针对此问题 ,提出了新的度量空间分割方法和索引结构 pgh tree,利用数据对象与很少几个固定参考对象的距离之差进行数据分割和索引 ,产生一个平衡的索引树 在此基础上 ,提出了新的算法 ,利用查询数据对象与固定参考对象的距离之差过滤掉大部分的不相关数据 ,具有较小的I/O代价和距离计算复杂性 ,平均复杂性为θ(n0 58) ,是目前复杂性最小的相似性搜索算法 另外还讨论了基于 pgh tree的最近相邻点搜索策略 .

传感器网络感知数据自适应去噪方法

在传感器网络研究领域中,去除感知数据含有的噪声是个重要的研究课题。现存的去噪算法没有考虑节点密度不均匀及信息拥塞的情况,从而过多地消耗了能量。考虑这两个因素,使用时间维加权的方法,提出了一个基于节点密度的网内自适应去噪算法-DHA(density-based hybrid approach)。DHA能够根据节点密度来进行算法决策,并且在时间维进行加权,能够对数据变化作出快速反应并且提高数据精度。实验结果表明,DHA方法能够在保证良好的去噪效果、快速响应时间的前提下,比目前最好的去噪算法WMA(weighted moving average-based)更节省能量。

基于Agent的内部威胁监视系统的动态管理

采用动态管理机制管理基于Agent的内部威胁监视系统,用管理树控制主机的加入和退出,主机中存在两种代理群:安全数据收集代理和安全管理代理.该方法对系统中各种资源滥用、内部威胁及攻击行为提供3种响应机制:实时响应、延迟响应和滞后分析响应.相对集中式分布控制和分级式分布控制,树形动态管理机制灵活性高,较好地避免了网络拥塞和单点故障问题.

冲击波超压数据采集装置的设计与实现

为了准确评估爆炸性武器的效果,需要对爆炸产生的超压冲击波信号进行动态采集分析。根据爆炸信号的特点及超压冲击波信号采集的实际需求,设计制作了以双嵌入式芯片为控制单元,结合ADS7891芯片对ICP113B26传感器进行动态采集,采用LoRa与WiFi(远程和近程)相结合的无线通讯控制方式,能够完整记录爆炸产生的冲击波的全过程,在测量的同时数据同步存入SD卡,测量数据可通过SD卡导入或通过WiFi传输至计算机进行系统分析,该装置在军工靶场的兵器测试领域有广阔应用前景。

感受野特征增强的SSD目标检测算法

SSD(Single Shot multi-box Detector)算法是在不同层的特征图上,进行多尺度对象的检测,具有速度快和精度高的特点.但是,传统SSD算法的特征金字塔检测方法很难融合不同尺度的特征,并且由于底层的卷积神经网络层具有较弱的语义信息,也不利于小物体的识别,因此本论文提出了以SSD算法的网络结构为基础的一种新颖的目标检测算法RF_SSD,该算法将不同层及不同尺度的特征图以轻量级的方式相融合,下采样层生成新的特征图,通过引入感受野模块,提高网络的特征提取能力,增强特征的表征能力和鲁棒性.和传统SSD算法相比,本文算法在精度上有明显提升,同时充分保证了目标检测的实时性.实验结果表明,在PASCAL VOC测试集上测试,准确率为80.2%,检测速度为44.5 FPS.