基于Q学习和双向ACO算法的云计算任务资源分配模型设计

云计算异构环境中由于计算和存储资源物理分布的不一致性,往往容易导致在应用传统的调度算法进行任务资源分配时存在调度效率低和负载不均衡的问题,为此,设计了一种基于Q学习和双向ACO算法的云计算任务资源分配模型;首先,引入了基于主从结构的调度模型,并综合考虑任务计算完成时间、网络带宽和延迟等因素设计了资源分配目标函数,然后,设计了基于Q学习的云计算资源初始分配方法,将其获得的最优策略对应的Q值初始化网络中节点的Q值,最后,设计一种结合前向蚂蚁和后向蚂蚁的双向ACO算法实现任务资源的最终分配,并对算法进行了定义和描述;在CloudSim环境下进行仿真实验,结果证明文中方法能有效实现云计算异构环境下的任务资源分配,且与其它方法相比,负载均衡离差值平均约为0.071 5,是一种适用于云计算异构环境的有效资源分配方法。      

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙。该算法的可行性和有效性通过实验结果可以得到证明。     

一种基于单元信息熵的目标匹配改进算法

为解决图像信息熵无法有效进行图像匹配的问题,将图像单元信息熵和投影特征相结合,定义了图像单元信息熵,并提出了一种基于单元投影信息熵的图像匹配方法.在单元信息熵的基础上,在各个单元格内进行单元信息熵投影计算,然后按照一定的测度进行计算,从而实现图像的匹配.采用网格分层的搜索算法,加快搜索速度,提高其工程实用性.实验证明:该算法具有良好的抗几何失真能力和抗辐射失真的能力,以及很好的抗噪声干扰的能力,可以准确的进行目标匹配.     

BeiDou Short-Message Satellite Resource Allocation Algorithm Based on Deep Reinforcement Learning

The comprehensively completed BDS-3 short-message communication system, known as the short-message satellite communication system (SMSCS), will be widely used in traditional blind communication areas in the future. However, short-message processing resources for short-message satellites are relatively scarce. To improve the resource utilization of satellite systems and ensure the service quality of the short-message terminal is adequate, it is necessary to allocate and schedule short-message satellite processing resources in a multi-satellite coverage area. In order to solve the above problems, a short-message satellite resource allocation algorithm based on deep reinforcement learning (DRL-SRA) is proposed. First of all, using the characteristics of the SMSCS, a multi-objective joint optimization satellite resource allocation model is established to reduce short-message terminal path transmission loss, and achieve satellite load balancing and an adequate quality of service. Then, the number of input data dimensions is reduced using the region division strategy and a feature extraction network. The continuous spatial state is parameterized with a deep reinforcement learning algorithm based on the deep deterministic policy gradient (DDPG) framework. The simulation results show that the proposed algorithm can reduce the transmission loss of the short-message terminal path, improve the quality of service, and increase the resource utilization efficiency of the short-message satellite system while ensuring an appropriate satellite load balance.     

Improved YOLO Based Detection Algorithm for Floating Debris in Waterway

Various floating debris in the waterway can be used as one kind of visual index to measure the water quality. The traditional image processing method is difficult to meet the requirements of real-time monitoring of floating debris in the waterway due to the complexity of the environment, such as reflection of sunlight, obstacles of water plants, a large difference between the near and far target scale, and so on. To address these issues, an improved YOLOv5s (FMA-YOLOv5s) algorithm by adding a feature map attention (FMA) layer at the end of the backbone is proposed. The mosaic data augmentation is applied to enhance the detection effect of small targets in training. A data expansion method is introduced to expand the training dataset from 1920 to 4800, which fuses the labeled target objects extracted from the original training dataset and the background images of the clean river surface in the actual scene. The comparisons of accuracy and rapidity of six models of this algorithm are completed. The experiment proves that it meets the standards of real-time object detection.     

基于强化学习和蚁群算法的WSN节点故障诊断

为了克服现有的WSN节点故障诊断方法所具有的难以实现在线诊断和诊断精度仍然不够高的缺点,设计了一种基于Sarsa算法和改进蚁群算法的WSN节点在线故障诊断方法。首先,建立了监测区域的网络模型和WSN节点故障诊断模型,然后,采用主成分分析法对节点故障样本数据进行降维,从而提高诊断效率,将样本数据作为层次,将故障诊断类作为各层节点建立层次树,采用改进的Sarsa算法求取各层节点的Q值,并将其用于初始化蚁群算法中路径的信息素,最后,提出了一种改进的蚁群算法求取从第一层出发的蚁群到各层节点之间的路径,将各层中信息素最大的节点作为最终的故障诊断类别。在Matlab环境下进行仿真实验,结果证明文中方法能有效实现WSN节点故障诊断,且与其它方法相比,具有故障诊断精确度高且能在线故障的优点,是一种有效的节点故障诊断方法。     

Misalignment Fault Prediction of Wind Turbines Based on Improved Artificial Fish Swarm Algorithm

A misalignment fault is a kind of potential fault in double-fed wind turbines. The reasonable and effective fault prediction models are used to predict its development trend before serious faults occur, which can take measures to repair in advance and reduce human and material losses. In this paper, the Least Squares Support Vector Machine optimized by the Improved Artificial Fish Swarm Algorithm is used to predict the misalignment index of the experiment platform. The mixed features of time domain, frequency domain, and time-frequency domain indexes of vibration or stator current signals are the inputs of the Least Squares Support Vector Machine. The kurtosis of the same signals is the output of the model, and the 3σ principle of the normal distribution is adopted to set the warning line of misalignment fault. Compared with other optimization algorithms, the experimental results show that the proposed prediction model can predict the development trend of the misalignment index with the least prediction error.     

基于区域协方差的惯性组合导航景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置和航向偏差的要求,提出了一种基于区域协方差的实时图像匹配算法.算法采用区域协方差矩阵的距离作为图像匹配时的相似性度量.首先,对图像进行高斯平滑滤波,提取图像的多种特征计算区域协方差矩阵,利用金字塔多级匹配技术进行全局搜索,获得测试图在参考图中像素级匹配位置.然后,利用全局匹配的结果,在实测图上选取多个局部区域,分别进行局部搜索匹配,获取参考图和实测图中一一对应的局部匹配集.最后,利用RANSAC算法和最小二乘算法计算出两幅图像间的最优相似变换参量.仿真分析表明,该算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求.     

An Improved Stereo Matching Algorithm for Vehicle Speed Measurement System Based on Spatial and Temporal Image Fusion

This paper proposes an improved stereo matching algorithm for vehicle speed measurement system based on spatial and temporal image fusion (STIF). Firstly, the matching point pairs in the license plate area with obviously abnormal distance to the camera are roughly removed according to the characteristic of license plate specification. Secondly, more mismatching point pairs are finely removed according to local neighborhood consistency constraint (LNCC). Thirdly, the optimum speed measurement point pairs are selected for successive stereo frame pairs by STIF of binocular stereo video, so that the 3D points corresponding to the matching point pairs for speed measurement in the successive stereo frame pairs are in the same position on the real vehicle, which can significantly improve the vehicle speed measurement accuracy. LNCC and STIF can be used not only for license plate, but also for vehicle logo, light, mirror etc. Experimental results demonstrate that the vehicle speed measurement system with the proposed LNCC+STIF stereo matching algorithm can significantly outperform the state-of-the-art system in accuracy.     

基于二进制比特串描述符的惯性组合导航高速景象匹配算法

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求,提出了一种基于二进制比特串描述符的高速景象匹配算法,尤其适合于计算资源有限的景象匹配场合.算法首先提取环绕中心极值局部特征,然后计算特征点的二进制比特串描述符,接着利用描述符之间的汉明距离进行快速特征匹配.最后,利用分组采样一致算法和最小二乘算...     

基于流形学习和空间信息的改进N-FINDR端元提取算法

光谱端元提取是对高光谱数据进一步分析的重要前提。由于双向反射分布函数(BRDF),像元内的多重散射和亚像元成分的异质性等因素,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取的端元精度不高。在光谱非线性混合的基础上,提出一种将流形学习与空间信息结合的改进N-FINDR端元提取算法。首先通过自适应的局部切空间排列算法寻找嵌入在高维非线性数据空间的本质的低维结构,将原始高光谱数据非线性降维到低维空间。接着利用地物分布具有连续性的特点,通过增大空间同质区域的像元的权重进行空间预处理。最后通过寻找最大单形体体积进行端元提取。提出算法很好的解决了高光谱遥感数据非线性结构,并利用了空间信息,提高了端元提取的精度。模拟数据实验和真实高光谱遥感数据实验结果均表明,采用该算法得到的结果优于顶点成分分析(VCA) 算法、基于测地线距离的最大单形体体积(GSVM)算法和空间预处理的N-FINDR(SPPNFINDR)算法。     

基于遗传算法的夜天光光谱匹配方法研究

为了满足微光夜视仪室内性能测试的需求,对晴朗夜空满月光光谱和无月时星光光谱进行模拟.首先,对夜视仪的工作光谱范围进行研究,确定需要拟合的光谱波段.接着,对该波段的夜天光谱进行分析,选取合适的光源.采用简单夜天光谱拟合方法,根据目标光谱和光源光谱,得出所需的滤光片衰减曲线,找出该曲线近似对应的滤光片.提出基于遗传算法的光谱构造方法,根据光谱构造理论,采用现有的47种滤光片进行光谱构造,通过遗传算法求解该光谱构造函数,计算出不同滤光片的最佳匹配模式,并进行模拟.实验结果表明,采用基于遗传算法的光谱构造方法对夜天光谱拟合得到的光谱匹配度更高.     

基于二进制比特串描述符的惯性组合导航高速景象匹配算法

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求,提出了一种基于二进制比特串描述符的高速景象匹配算法,尤其适合于计算资源有限的景象匹配场合.算法首先提取环绕中心极值局部特征,然后计算特征点的二进制比特串描述符,接着利用描述符之间的汉明距离进行快速特征匹配.最后,利用分组采样一致算法和最小二乘算法获取高准确度的航向和位置偏差信息.景象匹配性能评价实验表明：在匹配适应性、匹配速度、准确度和鲁棒性方面,算法都很优越,在参考图为250×250 pixels,实测图为160×160 pixels情况下,整个算法的计算约为40 ms,可以满足景象匹配导航系统高速匹配修正的要求,优于传统的景象匹配算法.     

改进的随机蛙跳算法对农机润滑油污染浓度的近红外光谱检测研究

润滑油是农业机械正常作业的必要物资,农业机械发动机工作的动力性、安全性、经济性以及寿命与润滑油状况有着紧密联系。污染浓度作为油液的综合评价指标,常规的实验室检测耗时长、成本高,所以开发高效的润滑油污染浓度检测技术具有重要意义。提出了一种基于近红外光谱技术的农机润滑油污染浓度的检测方法,同时针对随机蛙跳(RF)特征波长选择算法中迭代次数大,结果再现性低等缺点,提出了一种迭代保留信息变量的随机蛙跳(IRIV-RF)特征波长选择算法。该算法一方面利用迭代保留信息变量(IRIV)算法提取出强信息变量和弱信息变量,将其作为RF算法中的初始变量集,消除初始变量集的随机性对结果再现性的影响。另一方面通过对变量按被选概率值由大到小正向排序后,从首个波长开始依次增加一个波长建立偏最小二乘回归(PLSR)模型,选择交叉验证均方根误差(RMSECV)值最小时的变量子集为特征波长,消除RF算法所提取的特征波长数量的不确定性。利用近红外光谱仪采集自行配制的101份不同污染浓度的农机润滑油原始光谱数据,选用三种不同的预处理方法分别对原始光谱进行处理,确定最佳的预处理方法为变量标准化(SNV)。在此基础上通过RF,...     

基于属性约简的应用服务器优化算法改进

优化参数配置是优化应用服务器性能的重要方面;基于传统参数调节的优化策略耗时耗力缺乏系统性和规律性;利用模块化思想针对目标决策函数对应用服务器参数进行分类,可构建条件属性约简模型;基于属性约简的应用服务器优化算法,可去除对于目标决策函数相对不重要的参数,并获得相对重要的参数,从而达到锁定目标重点调节,快速提高系统性能的目的;现有的约简模型优化算法多基于经典粗糙集理论,在等价关系的基础上构造分类,容易造成大量的信息破坏和流失;文章通过拓展等价关系到一般二元关系,利用广义粗糙集理论改良了基于模块化思想和属性约简模型的应用服务器优化算法,通过定义辨识函数对条件属性进行约简,再结合依赖度计算,得到最终目标参数。     

基于双混沌系统的大数据环境并行加密算法设计 

为了克服大数据在采用串行加密方式时具有的加密效率低的问题,设计了一种基于双混沌系统的大数据环境的并行加密算法。首先,在对经典的Map-Reduce分布式并行计算框架进行研究的基础上,设计了大数据环境的并行加密模型。然后,设计了改进的Logistic映射和Tent映射构成双混沌系统,在此基础上,设计了Map函数、Sort函数和Reduce函数实现并行加密,在Map函数中通过Logistic映射和Tent映射的不断迭代计算加密密钥或解密密钥,实现明文到密文或密文到明文的转换,在Sort 函数对由Map函数输出的键值对进行排序并剔除重复的数据块,在Reduce函数中对加密后的密文数据块或解密后的明文数据块进一步合并构成输出数据,并生成Logistic映射和Tent映射的迭代次数初始值并保存在历史数据信息中。仿真实验表明：文中设计的基于双混沌系统的Map-Reduce并行加密模型能高效地进行数据加密或解密,能提高数据安全性和加密效率,具有较强的可行性。     

Fault Diagnosis of a Wind Turbine Gearbox Based on Improved Variational Mode Algorithm and Information Entropy

The working environment of wind turbine gearboxes is complex, complicating the effective monitoring of their running state. In this paper, a new gearbox fault diagnosis method based on improved variational mode decomposition (IVMD), combined with time-shift multi-scale sample entropy (TSMSE) and a sparrow search algorithm-based support vector machine (SSA-SVM), is proposed. Firstly, a novel algorithm, IVMD, is presented for solving the problem where VMD parameters (K and α) need to be selected in advance, which mainly contains two steps: the maximum kurtosis index is employed to preliminarily determine a series of local optimal decomposition parameters (K and α), then from the local parameters, the global optimum parameters are selected based on the minimum energy loss coefficient (ELC). After decomposition by IVMD, the raw signal is divided into K intrinsic mode functions (IMFs), the optimal IMF(s) with abundant fault information is (are) chosen based on the minimum envelopment entropy criterion. Secondly, the time-shift technique is introduced to information entropy, the time-shift multi-scale sample entropy algorithm is applied for the analysis of the complexity of the chosen optimal IMF and extract fault feature vectors. Finally, the sparrow search algorithm, which takes the classification error rate of SVM as the fitness function, is used to adaptively optimize the SVM parameters. Next, the extracted TSMSEs are input into the SSA-SVM model as the feature vector to identify the gear signal types under different conditions. The simulation and experimental results confirm that the proposed method is feasible and superior in gearbox fault diagnosis when compared with other methods.     

基于改进克隆选择算法的统一混沌系统同步控制与参数辨识

提出一种改进的克隆选择算法用于解决混沌系统的参数辨识问题.该算法利用抗体的高频变异和受体编辑两种机制有效平衡算法的全局探索与局部开发，并引入向精英抗体学习策略进一步提高算法的收敛质量.对10个优化问题的实验表明：所提出算法在求解精度、收敛速度以及稳定性方面具有更好的性能.以参数未知统一混沌系统的同步控制为研究对象，合理设计同步控制器，并对同步系统的稳定性进行理论分析.通过对同步比例因子的设置，实现统一混沌系统的完全同步、反同步、投影同步等多种同步方式.仿真实验结果表明该方法能够实现对未知系统参数的精确辨识以及驱动-响应系统的有效同步控制，验证了所提方法的可行性与有效性.     

基于提升小波变换的阈值改进去噪算法在紫外可见光谱中的研究

在紫外可见光谱定量分析中,由于分光光度计内部的光学系统、光源、检测器、电子元器件,电路设计以及外部环境干扰等因素产生的随机噪声,严重影响光谱定量分析结果的准确性,为提高紫外可见光谱分析精度,需要对光谱数据进行去噪预处理。由于小波分析具有多分辨率,低熵性、去相关性等特点,基于小波分析的去噪算法优于传统的去噪算法,目前基于小波去噪的方法主要有模极大值去噪算法,系数相关去噪算法,阈值去噪算法,工程实际应用以Donoho的阈值去噪法最为常用。根据Donoho阈值消噪原理,提出一种基于提升小波变换的阈值改进算法,一方面使用提升小波变换,提升小波变换是第二代小波变换,继承了小波的多分辨率特性,并且不需要进行傅里叶变换,从而具有算法简单,速度快,实现简单的优点;另一方面提出了一种新的阈值函数,克服了硬阈值函数在阈值处不连续以及软阈值函数存在恒定偏差的问题,同时对阈值估计进行了调整,有利于信号小波系数的保留和噪声小波系数的剔除。对三组多金属离子混合溶液的实测紫外可见光谱信号,添加随机噪声后使用该方法进行去噪处理,并使用信噪比(SNR)和均方根误差(RMSE)进行去噪性能评价。试验结果表明,提出的算法优于Donoho的软硬阈值去噪算法,能够有效提高光谱信噪比和降低均方根误差,从而更好地消除光谱信号中的噪声和保留光谱信号中一些重要的细节特征,比较适合用于紫外可见光谱数据建模之前的去噪预处理,在紫外可见光谱信号分析中具有较好的应用前景。     

高光谱的矿区植物异常信息提取

白茎绢蒿是一种广泛分布于新疆富蕴县各个矿区的一种植物。在矿区进行矿产勘查时，由于植物等障碍信息的存在，传统的勘查方法已经难以发挥作用，急需一些新方法、新思路。遥感植物地球化学方法可以巧妙地利用植物这一天然的信息源，把植物从障碍信息转换为了有用信息。帮助人们快速、经济地获取植物屏障下的矿产有用信息。由于其具有大面积、快速、无损性等优点，受到了越来越多学者的关注，成为当下的研究热点。近些年虽然有学者综合考虑“吸收系数”和“衬度系数”这两个指标，证明了白茎绢蒿是对隐伏矿床的勘查具有较好指示性作用的植物，生在在矿床上部的植物可以较好的吸收土壤中的成矿元素，在其体内形成地球化学异常，相比于其他植物异常信息更加清晰可见。但是目前没有人研究是否可以从光谱的角度来发现白茎绢蒿体内的地球化学异常，进而为隐伏矿床的勘查提供参考。因此，本研究首次尝试从白茎绢蒿的光谱信息中寻找出与地球化学异常密切相关的特征波段或者特征值, 然后构建基于植物光谱的隐伏矿床预测模型。采取的方法是首先利用ASD FieldSpec3 型光谱仪分别对生长在矿床上部和背景区的植物进行光谱测定，然后从原始光谱、一阶导数光谱、二阶导数光谱、一阶导数的分形维数、二阶导数的分形维数五个层面对生长在这两个区域的植物光谱进行对比分析，最终优选出了10个差异显著的特征波段，分别为：R′₈₂₄，R′₈₃₄，R′_{1 533}，R′_{1 573}，R′_{1 633}，R′_{1 643}，R″_{1 284}，R″_{1 703}，一阶导数的分形维数以及二阶导数的分形维数。这些特征波段可以作为植物地区寻找隐伏矿床的植物地球化学标志。以优选出的10个特征波段作为输入参数，分别用随机森林 (RF)和偏最小二乘-支持向量机(PLS-SVM)构建了基于植物光谱数据的隐伏矿床预测模型。结果表明：(1)两种模型均可以取得较好的效果，但是相比于随机森林模型，偏最小二乘-支持向量机模型具有更好的鲁棒性，泛化能力也更强；(2)利用植物的光谱异常寻找隐伏矿床具有较大的潜力，因为相比于传统方法，更加简单、快速。课题组已经利用动力三角翼和HySpex成像高光谱传感器构建了“超低空探测平台”，可以实现对地“亚米级”的观测。但是如何有效的解决“空间尺度”和“光谱尺度”问题，如何把地面试验场建立的模型更好的应用于超低空探测平台，实现研究区大面积地、快速地植物异常信息提取将是我们下一步的研究重点。