多层网络级联失效的预防和恢复策略概述

现实生活中,与国计民生密切相关的基础设施网络大多不是独立存在的,而是彼此之间相互联系或依赖的,于是用于研究这些系统的多层网络模型随之产生.多层网络中的节点在失效或者遭受攻击后会因"层内"和"层间"的相互作用而产生级联效应,从而使得失效能够在网络层内和层间反复传播并使得失效规模逐步放大.因此,多层网络比单个网络更加脆弱.多层网络级联失效产生的影响和损失往往是非常巨大的,所以对多层网络级联失效的预防和恢复的研究具有重大意义.就多层网络级联失效的预防而言,主要包含故障检测,保护重要节点,改变网络耦合机制和节点备份等策略.就多层网络发生级联失效后的恢复策略而言,主要包含共同边界节点恢复、空闲连边恢复、加边恢复、重要节点优先恢复、更改拓扑结构、局域攻击修复、自适应边修复等策略.     

基于迁移学习的原子力显微镜成像恢复方法

受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上.     

鬼成像中一些数学问题

鬼成像是一种与传统成像方式不同的通过光场涨落的高阶关联获得图像信息的新型成像方式。近年来,相比传统成像方式,鬼成像所拥有的一些优点如高灵敏度、超分辨能力、抗散射等,使其在遥感、多光谱成像、热X射线衍射成像等领域得到广泛研究。随着对鬼成像的广泛研究,数学理论和方法在其中发挥的作用愈显突出。例如,基于压缩感知理论,可以进行鬼成像系统采样方式优化、图像重构算法设计及图像重构质量分析等研究工作。本文旨在探索鬼成像中的一些有趣的数学问题,主要包括:系统预处理方法、光场优化及相位恢复问题。对这些问题的研究既可以丰富鬼成像理论,又能推动它在实际应用中的发展。     

健康宣教对儿科疾病恢复干预的影响

目的分析讨论健康宣教应用在儿科疾病恢复中的临床干预方法以及临床护理效果。方法选择2015年6月—2016年6月在台山市妇幼保健院接受治疗的82例儿科患者作为观察对象,分为对照组和试验组,每组41例。其中,对照组接受常规护理,试验组接受健康宣教。结果患者经过临床治疗及护理后,对两组小儿患者的临床疗效进行评估,对照组的临床总有效率为75.61%,试验组患者的临床总有效率为95.12%,试验组患者的临床疗效明显比对照组高(P0.05)。结论就儿科患者而言,临床中及时的给予有效措施进行治疗与护理,且充分的对宣教时机进行了解与掌握,可以显著提高临床疗效及护理满意度,确保患者早日恢复健康,值得在临床中广泛推广应用。     

基于旋转变换和鲁棒主成分分析的车牌校正方法

本文研究了受到非高斯噪声污染及边框信息不完整的车牌图像校正的问题.利用鲁棒主成分分析与旋转变换结合的方法,获得了更具普适性的车牌矫正方法.并通过与主成分分析法、旋转投影法的矫正结果相比较,推广了本文方法具有更好的鲁棒性和普适性的结果.     

ATCase:一个基于多项式约束求解的数值程序测试用例自动生成工具北大核心CSCD

现有的基于符号执行的测试用例自动生成技术存在不足之处:由于精度限制和非线性约束求解的复杂性,符号执行在遇到复杂的非线性浮点约束时效果并不理想.针对这一现状,给出了一个基于多项式约束求解和区间验证的测试用例生成算法.对于复杂非线性约束难以求解的问题,采用基于低秩矩量矩阵恢复的多项式系统求解方法,该方法对于含有等式和不等式的多项式系统,相较于其他方法求解速度更快,更适合大规模问题的求解;对于浮点约束求解不准确的问题,采用基于区间分析的验证算法来计算包含精确实解的区间,基于该区间给出测试用例,可以避免浮点计算的不准确和异常.结合该算法和符号执行工具KLEE-FP实现了一个测试用例自动生成工具ATCase(automatically generate test case),它能够分析数值程序中的路径并自动生成满足路径约束的测试用例.在两个开源软件库中的2两个复杂的真实程序上运行的实验结果表明ATCase相比KLEE-FP所使用的STP求解器,能快速生成具有更高覆盖率的测试用例,特别是在处理相对复杂的非线性约束时,优势更加明显.     

低分辨率医学图像的多图谱分割方法

基于多图谱的图像分割方法因其分割精度高和鲁棒性强,在医学图像分割领域被广泛研究,主要包含图像配准和标签融合两个步骤.目前对多图谱分割方法的研究通常都是在图谱图像和待分割目标图像具有相同分辨率的情况下展开的.然而,由于受图像采集时间,采集设备等影响,临床实践中采集的影像大多是低分辨率数据,使得目前在影像研究中广泛使用的方法无法有效应用于临床实践.因此,针对这一问题,我们结合图像超分辨率恢复方法,提出了精确鲁棒的低分辨率医学图像的多图谱分割方法,实验结果显示提出的方法显著地提高了多图谱分割方法的分割精度.     

基于离轴数字全息改善散斑自相关重建效果

针对在成像物体没有超出散射介质记忆效应范围的情况下,提出一种结合数字离轴全息术减少散射介质成像中散斑自相关噪声的方法。当成像目标经过散射介质时,使用自相关技术结合相位恢复算法能够从散斑中重建成像目标。但在实际成像的过程中,为了有效抑制环境噪声和热噪声等对重建效果的影响,设计利用离轴全息中的相移法消除噪声项中静态噪声项的干扰,再利用散斑自相关与相位恢复算法重建去噪后效果更好的成像目标。采用结构相似度对重建效果进行定量评估,仿真结果表明对于给出的成像目标,去噪前后的结构相似度从0.8796提高到0.9875,验证了该方法的有效性。说明所提出的方法能够改善散斑自相关法重建效果。     

半定矩阵秩极小的非凸精确松弛

本文主要研究半定矩阵秩极小问题(P)的非凸精确松弛及其性质.首先,为求解问题(P),我们引入其Schatten p-范数(0＜p＜1)松弛,记为(Sp).其次,通过定义半定限制等距常数和半定限制正交常数,我们给出了问题(P)有唯—解的充分条件.最后,利用半定限制等距性质,我们给出了问题(P)和(Sp)有相同唯一解的充分条件.特别地,对任意0＜p＜1,我们还得到—个一致的精确恢复条件.     

时间敏感选项依赖下的基础设施恢复决策研究

突发事件发生后,基础设施之间的恢复依赖为恢复过程带来了严重挑战。为了能够在突发事件后高效而有序的实现基础设施恢复运行,根据相互之间的恢复依赖关系制定合理的恢复决策非常关键。本文基于网络流理论,以累积恢复效能最大化为目标,建立了时间敏感选项依赖下的恢复设计与调度决策混合整数规划模型。然后,讨论了模型在完全中心化、完全分散和信息共享决策环境下的应用方法。最后,通过真实基础设施数据集测试了模型,结果表明:(1)该模型在突发事件后的基础设施恢复决策中具有应用可行性;(2)决策环境显著影响存在恢复依赖的基础设施网络整体累积恢复效能;(3)与完全分散决策环境相比,在信息共享决策环境下独立决策的整体累积恢复效能可以得到大幅提升。