一种改进的Linux实时进程调度算法——RAD算法

在Linux实时进程调度算法中,RM算法是一种针对任务周期的长短来确定优先级调度算法,EDF算法是以最后期限的顺序来指定优先级的动态调度算法,这两种算法在LiFlUX内核调度算法中都得到广泛应用.在深入分析以上两种算法优缺点的基础上,提出将两种算法优点合并,根据进程的重要程度和紧急程度来选择确定进程调度的优先级,得到一个新的高效RAD(Rate And Deadline)算法,试验证明新算法RAD的运行效率更高.     

基于一致性球的点云配准算法研究

针对三维建模中经典ICP算法在点云重叠度低时配准精度不高的问题,提出一种基于一致性球的配准算法。该算法在寻找对应点方面,将球体的旋转不变性与基于邻域的SVD正交一致性算法结合起来,使得配准算法能够获得较高正确率的对应点,并以此为基础进行扩散,得到更多的对应点;再使用刚性约束对错误点对进行剔除,最后使用四元数法求解变换矩阵。该方法不仅克服了传统ICP配准算法的缺陷,而且精度也优于传统ICP配准算法。     

利用新型群体智能优化算法研究微震震源定位

引入并介绍6种新型群体智能优化算法(灰狼算法、鲸鱼优化算法、蝗虫优化算法、麻雀搜索算法、蚁狮算法、蜻蜓算法)的仿生原理、核心计算公式及优化特性,在经典到时差模型基础上设计一种新型微震震源反演数学模型,利用仿真的矿山微震震源正反演数据对比分析6种方法的性能差异。结合实际矿山人工爆破数据,通过6个统计指标从精度、收敛速度、稳定性等多个角度测试这6种新型群体智能优化算法在微震震源定位中的有效性和可靠程度。     

基于神经网络汉语分词模型的优化

针对目前汉语分词系统中BP算法收敛速度慢等难题，提出利用Levenbery-Marquart算法优化神经网络分词模型。较详细地介绍了所建立的试验系统。并进行了试验分析。优化后的模型可以有效地解决神经网络模型中易陷于局部极小、算法收敛速度慢等缺点。进一步提高该模型在分词领域中的实用性和分词效率，对于中文信息的自动化处理具有重要意义。     

利用AO-SVR模型预测PM2.5浓度

针对支持向量回归(support vector regression, SVR)模型无法主动选取最优参数和核函数等问题,采用天鹰算法(aquila optimizer, AO)对其进行优化,构建天鹰算法优化支持向量回归模型(AO-SVR)。分别构建AO-SVR、SVR、灰狼算法优化支持向量回归(GWO-SVR)、鲸鱼算法优化支持向量回归(WOA-SVR)4种模型,使用2020-01-01～30拉萨、乌鲁木齐、长春、武汉、上海5市的大气污染物、气象因素以及天顶对流层延迟(zenith tropospheric delay, ZTD)的小时数据,分别预测5市2020-01-31的PM_2.5浓度变化。结果表明,AO-SVR模型的适用性更好,其中,上海的预测值最贴近实际观测值。     

基于抗差自适应SITAN算法的水下重力匹配导航方法

针对水下重力匹配导航SITAN算法中动力学模型误差以及重力异常观测数据存在粗差的问题,提出一种抗差自适应匹配算法。通过构建自适应因子和抗差因子来调节状态预测信息与量测信息对滤波贡献的权重,有效抑制粗差和预测信息异常的影响,提高匹配算法的稳定性和可靠性。在南海选取一块重力异常特征变化丰富的海域进行仿真实验,结果表明,与常规SITAN算法相比,该算法能够显著降低异常观测值的影响,系统的定位精度和鲁棒性均有提升。     

基于三种机器学习算法的山洪灾害风险评价

依据洪灾风险概念模型,从触发因子、孕灾环境和承灾体3方面选取江西省的12个洪灾风险指标,采用k近邻、随机森林、AdaBoost 3种机器学习算法构建洪灾风险评价模型。利用精度、Kappa系数、ROC曲线（AUC值）3种定量评估指标评价洪灾风险模型,基于随机森林和Boruta特征提取算法共同分析指标重要性,最后对比3种模型绘制的江西省山洪灾害风险分区图并分析山洪灾害分布特征。结果表明：① AdaBoost模型的精度、Kappa系数和AUC值的平均值为别为0.902、0.870和0.826,精度和Kappa系数略优于随机森林,AUC值与随机森林相当,而k近邻模型的3种性能指标均低于前2种算法;② 农田生产潜力、年最大6 h暴雨均值、年最大1 h暴雨均值、归一化差值植被指数、年降雨量均值这5个指标对最终的洪灾风险形成具有非常重要作用;③ 江西省较高风险区与最高风险区的面积和约占江西省总面积的34.4%,且主要分布于高降雨量、高暴雨量、农田生产潜力大的山区。     

基于实时应用接口调度模型的扩展研究

针对实时应用接口（RTAI）的调度器是基于静态优先级调度,不支持动态调度的缺点,提出将单调速率调度算法（RM）和最小空闲时间优先调度算法（LLF）引入到RTAI调度器中,实现了静态优先级结合动态优先级调度的调度模型,扩展了RTAI调度器的实时性。最后对扩展调度器进行测试,验证了这种扩展策略是正确的。     

自然景物树的视觉模拟

用ＰＤＺＬ算法、Ｆｔａｃｔａｌ－Ｓｕｂｄｉｖｉｓｉｏｎ算法在ＳＧＩ工作站上实用了自然景物树的计算机视觉模拟．     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测.实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网...     

面波频散反演的数值模拟

大量的数值模拟表明,SVD和LSQRD在面波频散网格反演两步法中的应用效果都很好.但SVD可以用分辨矩阵、信息矩阵和协方差矩阵对解估计进行数学上客观有效的评价;而对于大型稀疏方程组的求解,LSQRD确是一种内存需求小、计算速度快以及分辨抗噪能力都较强的算法 .在现有计算机运算速度较快、内存可以扩充较大的条件下,实测数据量不很大时,应采用SVD算法进行线性反演.     

矢量量化编码的码书设计研究

以矢量量化技术在图像压缩领域的应用作为研究目标，详细阐述了矢量量化码书生成技术，总结分析了现有典型的LBG算法，并针对LBG算法的不足，提出了改进的覆盖聚类算法，减少了计算复杂度，缩短了程序运行时间。通过理论推导和具体实现，证明了改进方法的可行性和有效性。     

基于蚁狮优化算法的瑞雷波频散曲线反演

反演瑞雷波频散曲线获得横波速度剖面,是近地表瑞雷波勘探中最重要的步骤之一;瑞雷波频散曲线反演是一个多极值、高度非线性问题,为此引入蚁狮优化算法求解该类问题。蚁狮优化算法是一种群智能算法,是模仿蚁狮设置陷阱捕食的行为建立的全局优化算法,该算法收敛速度较快且降低了不同的参数设置对结果产生的影响。通过使用蚁狮优化算法对典型的理论地质模型进行了频散曲线反演,反演结果表明蚁狮优化算法能够运用在瑞雷波频散曲线反演中且精度较高,在实测资料中与传统非线性方法进行了对比,验证了基于蚁狮优化算法频散曲线反演的优势与实用性。     

RANSAC-PSO算法的抗差反演——以芦山地震为例

本文利用RANSAC-PSO算法研究在反演断层滑动参数时所用大地测量数据包含粗差的问题。在模拟实验中对理论观测值加入1%、5%、10%粗差,分别采用粒子群算法、选权迭代算法和RANSAC-PSO算法反演断层滑动参数。结果表明,当观测值中包含粗差率达10%时,PSO算法反演的滑动参数与理论值相差23.2 cm,选权迭代法反演的滑动参数与理论值相差26.2 cm,而RANSAC-PSO反演的滑动参数与理论值相差小于1 cm。芦山地震具有以逆冲为主兼具少量左旋走滑性质,采用芦山地震同震GPS位移数据分别以PSO算法和RANSAC-PSO算法反演断层滑动参数,RANSAC-PSO算法反演的走滑量为0.051 8 m,倾滑量为0.828 9 m,均大于PSO的反演结果;释放能量1.000 9×1019 N·m（MW6.63）,与GCMT 的1.060 0×1019 N·m更加吻合。分别用RANSAC-PSO算法与PSO算法反演的滑动参数计算地表水平位移,并与GPS观测进行对比,发现二者在计算距断层的远场点时,计算的水平位移基本一致;而在计算距断层的近场点时,RANSAC-PSO算法表现更为优秀,尤其体现在LS07点上,其计算值与GPS观测值完全重合。     

电子政务中实时移动通讯技术

由于客观上企业和政府机关在地理上的分布性以及工作时间的不连续性,当需要处理较为重要且有时限性要求的事务时,现有的各种办公系统的局限性就显现出来.介绍了电子政务中的实时信息通讯技术,引入无线移动通讯平台,嵌入办公自动化系统,实现政令的实时上传与下达.     

基于Landsat TM影像不同地表温度反演算法的比较

地表温度是反映地表环境的一个重要参数,精确获取地表温度的方法对研究城市热岛效应、进行生态环境监测评价是必不可少的。利用遥感手段进行地表温度的反演是一种较新颖的方法,相对成熟的反演算法主要有单通道算法、辐射传输方程法及单窗算法。本文以山东省威海市Landsat TM数据为例,分别利用辐射传输方程法和单窗算法进行地表温度反演,通过遥感目视解译的方法提取研究区各类典型地物对应的地表温度,进行统计分析,结果表明,两者反演得到的地表温度具有一致的变化趋势,其中单窗算法中不同典型地物的地表温度整体标准差较小,如建设用地为0.530,起伏波动小,算法精度略优于辐射传输方程法。     

基于QSSP的震源破裂过程反演方法

在Qt平台上,基于QSSP软件,利用C⁺⁺进行地震破裂过程反演方法研究。采用按阶段反演的方法,第1阶段反演采用热浴算法进行全局搜索,先按断层区域的构造背景等初始条件对参数范围进行划取,在该范围内随机给定一组初始值开始迭代,使波形初步拟合避开局部最优解;第2阶段反演使用拟牛顿法进行快速收敛,提高波形拟合程度,迭代至目标函数小于误差条件时停止,输出满足误差条件的待解模型参数。为避免模型参数出现病态问题,使用拉普拉斯方程建立平滑矩阵并引入平滑因子对断层模型进行平滑约束。使用棋盘模型验证该方法的稳定性和可靠性。最后,将全国13个台站的重力数据积分后对2013-04-20芦山7.0级地震的破裂过程进行反演,并与其他研究结论进行对比分析。     

基于MapReduce的网格化优化CURE算法的实现

针对CURE算法处理大量数据时聚类速度较慢的问题,一方面采用网格聚类方法对初始聚类对象进行网格预聚类处理,缩短初始化族聚类时间;另一方面采用MapReduce框架对算法进行并行性扩展,使其能够充分利用集群的计算和存储能力,从而加速海量数据的处理。以联合程序开发网站的数据集和MATLAB人工数据集作为测试数据集,对改进算法Grid-CURE进行实验分析。实验结果表明:方法可有效提升处理大数据的效率以及提升其抗噪声能力。     

图划分对Arc-flags算法的影响

最短路径计算作为导航的常用算法在移动互联网中扮演了重要角色,由于路网规模的增大和终端的不停移动,传统的串行最短路径算法已经无法满足实时性要求,因此预处理技术得到了广泛使用。Arc-flags是一个经典的基于预处理技术的最短路径算法,可以提供高效的在线最短路径查询服务。现有Arc-flags算法的研究主要集中在提升预处理时空效率和比较不同路网划分方式的优劣上,尚未见图划分对Arc-flags算法影响的深入研究。本文在真实路网上测试了不同的图划分数量和边界点数量等因素对Arc-flags算法的影响,主要包括预处理时间和空间的消耗、在线查询时间和搜索范围等方面,并根据实验结果和分析提出了合理的图划分建议（如选用好的图划分方法减少边界点数量等）,为改进和使用Arc-flags算法提供指导。     

TM热波段图像的地表温度反演算法与实验分析

目前利用LandsatTM热波段数据反演地表温度有3种算法:辐射传导方程法、单窗算法和单通道算法。辐射传导方程法由于计算过程复杂且需要实时大气剖面数据,因而实际应用较为困难。单窗算法和单通道算法对Landsat热波段反演地表温度能获得较高精度。单窗算法所需的大气参数包括近地表气温和大气水分含量,单通道算法所需的大气参数仅为大气水分含量。地表辐射率为这两种算法共有的关键参数。本文以福建省福州市为研究区,使用1989年6月15日LandsatTM数据,利用单窗算法和单通道算法对研究区进行地表温度反演,并将这两种算法的反演结果与研究区反演的亮度温度进行了比较,结果表明:(1)两种算法反演的结果总体趋势比较接近,但单窗算法的结果相对于单通道算法较低,二者相差约2.45℃;(2)两种算法的结果与亮度温度相比,单窗算法要高出约2.84℃,而单通道算法则要高出约5.28℃。