【摘 要】
：
优化网络的拓扑结构是互连网络研究的重要研究方向。局部扭立方体(locally twisted cube,LTQn)是对超立方体(hypercube,Qn)互连网络的优化变种,然而当对LTQn升级时,需要成倍地增加网络的节点,这不利于LTQn的应用和发展。为了克服LTQn这一缺陷,提出了一种新的互连网络拓扑结构:局部扭立方体环互连网络(locally twisted cube-connected r
论文部分内容阅读
优化网络的拓扑结构是互连网络研究的重要研究方向。局部扭立方体(locally twisted cube,LTQn)是对超立方体(hypercube,Qn)互连网络的优化变种,然而当对LTQn升级时,需要成倍地增加网络的节点,这不利于LTQn的应用和发展。为了克服LTQn这一缺陷,提出了一种新的互连网络拓扑结构:局部扭立方体环互连网络(locally twisted cube-connected ring interconnect network,LRN),给出了LRN的定义及其拓扑结构,并研究了LR
其他文献
针对移动机器人栅格路径规划中安全轨迹规划、局部极小点问题,提出了一种基于轨迹安全性评价的免疫遗传路径规划算法。通过将人工势场(APF)模型与轨迹安全性评价相结合,提出利用斥力场强度评估轨迹安全性,建立基于轨迹安全性、行驶代价评估的适应度函数,利用免疫遗传算法对APF模型中的势力场参数进行自适应优化估计。通过将参数变化控制在一个合理的区间,有效避免局部极小情况的发生,同时提高了路径的安全性。算法的有
针对现实中许多超大规模图可达性查询的问题,提出了一种新的基于递归分解的算法,即将原图递归分解成一系列生成树和剩余图两类子图,并通过分别查询这两类子图来减少查询开销。相比于区间标记、链分解、2-hop标签和路径树等传统算法,该算法不仅空间开销更小,且时间复杂度更低。仿真实验表明,该算法对处理大规模有向图可达性问题上存储规模更小且查询效率更高。
非线性降维方法是目前对降维研究有着重要影响的方法,但在降维过程中经常会遇到局部邻域信息量不足、短路和噪声干扰等问题,严重影响降维效果,很难广泛应用于真实数据的处理中。对以上问题分析发现,其主要原因在于经典降维算法都是采用全局固定的邻域大小。提出了一种基于压缩感知的邻域优化算法,运用压缩感知技术对高维空间目标点近邻进行压缩采样,构建"收—放"模型,自适应得到最优子空间,同时优化邻域组成元素,使得数据
首先对去身份识别技术的应用背景和影响因素进行了概括;然后对以影响因素为基础的去身份识别研究成果进行了全面论述,并对去身份识别算法的健壮性要求进行了讨论;最后归纳了当前研究存在的问题与挑战。
为了使曲线易于实现光滑拼接,同时具有对应于相同控制顶点的不同形状,这里定义了具有凸包性、对称性等基本性质的新曲线。它具有形状可调性,插值于控制多边形首末边的中点,在拼接时,只要前一条曲线的末控制边与后一条曲线的首控制边重合,两者便G2连续。由曲线的拼接条件采用特殊方式定义的组合曲线在各连接点处自动G2连接。组合曲线的各曲线段可以由不同数量的控制点定义,可以取不同的形状参数,因此同一组控制点可以定义
为有效避免有监督局部保持投影算法在小样本情况下导致类内分离度矩阵奇异的问题,提出一种基于最大分离度差的有监督局部保持投影算法。提出类内分离度和类间分离度的概念,以类内分离度矩阵和类间分离度矩阵为基础构造基于差模式的鉴别准则,并将该算法推广到非线性情况下,提出基于最大分离度差的有监督核局部保持投影算法。Yale、ORL和CAS-PEAL-R1-POSE人脸库上的实验结果表明所提方法是有效的。
心内膜三维可视化可用于辅助心内科导管消融手术中靶点的准确定位和消融。为满足术中图像导航需求,针对由心内膜结构上动态采集到的三维坐标点的稀疏性和散乱性进行分析,提出一种心内膜三维模型实时构建方法。以采集到的稀疏采样点云的空间坐标数据构建心内膜网格模型,并以薄板样条(thin plate splines,TPS)作为网格模型弯曲能量的约束准则,通过对心内膜网格模型的形变逼近目标结构,快速准确达到收敛条
针对和声搜索算法的不足,提出了一种自适应改进和声—单纯形进化算法(AIHSEA)。通过在新算法中加入变异策略对和声微调进行改进来增强算法的鲁棒性;适时执行单纯形算子增加群体搜索的方向性来加快搜索;采用自适应参数HMCR、PAR和BW调节全局和局部搜索。采用六个标准的优化算法测试函数对AIHSEA进行测试,并与HS、IHS和GHS算法进行对比,仿真结果表明AIHSEA算法具有较强的精确寻优和跳出局部
负载均衡问题是当前云计算研究的重要问题。由于云计算中的负载均衡存在效率低、准确性不高以及资源需求动态变化等问题,建立了云计算环境下的负载均衡模型,通过在发送者策略中引入混沌算法和在接收者策略中引入萤火虫算法,提高了目标节点的最优化选择以及转移任务量的准确性。仿真实验表明,改进后的资源负载算法能够有效地避免负载处理的不均衡,提高系统整体处理能力。
针对人体姿势估计算法部分节点效果差的问题,提出降低训练开销并增加用多视角深度图的后处理改进技术。首先生成一个规模减小而包含常见典型动作的训练集合,并用小型集群服务器训练后进行骨架节点的估计,之后对置信度不高的骨架节点,在深度图投影得到侧视图和顶视图中再次计算需修正的骨架节点的后处理方法以提高节点的准确度。实验表明,在使用样本数量少一个数量级的情况下能取得比微软原算法平均误差小9 mm的结果。