123,123,123

果蠅優(yōu)化算法的加權(quán)策略研究

針對(duì)基本果蠅優(yōu)化算法（FOA）收斂速度慢和尋優(yōu)精度不高的缺點(diǎn)，在位置更新公式中引入加權(quán)因子，提出了基于線性遞減策略和先增后減策略的兩種加權(quán)果蠅優(yōu)化算法（WFOA），從而增強(qiáng)了種群的多樣性。通過(guò)對(duì)6個(gè)測(cè)試函數(shù)的仿真實(shí)驗(yàn)，驗(yàn)證了這些策略的可行性，表明這些策略能夠有效地提高算法的收斂速度和搜優(yōu)精度。經(jīng)過(guò)兩種策略的對(duì)比，發(fā)現(xiàn)線性遞減策略具有更快的收斂速度，而先增后減策略具有更強(qiáng)的魯棒性和稍好的尋優(yōu)精度。

發(fā)表于：2015/6/9

光電經(jīng)緯儀圖像實(shí)時(shí)壓縮的實(shí)現(xiàn)

針對(duì)光電經(jīng)緯儀高幀頻和高分辨率圖像實(shí)時(shí)壓縮難以實(shí)現(xiàn)的問(wèn)題，在TI公司提供的H.264單核編碼開(kāi)源工程和多核并行算法的基礎(chǔ)上，提出了基于TMS320C6678多核處理器的H.264并行算法。在單核編碼開(kāi)源工程實(shí)現(xiàn)多核并行視頻編碼，將每幀圖像平均劃分成多個(gè)Slice，每個(gè)DSP核處理一個(gè)Slice。實(shí)驗(yàn)結(jié)果表明，與單核視頻編碼相比，多核并行視頻編碼的加速與比核數(shù)的增加呈線性增長(zhǎng)，在TMS320C6678多核處理器上實(shí)現(xiàn)光電經(jīng)緯儀的實(shí)時(shí)圖像壓縮具備較強(qiáng)的工程實(shí)踐性

發(fā)表于：2015/6/9

古建筑文物三維全景展示的設(shè)計(jì)與實(shí)現(xiàn)

針對(duì)當(dāng)前虛擬古建筑文物缺乏靈活性、不能實(shí)時(shí)更新內(nèi)容和資源重復(fù)建設(shè)等問(wèn)題，提出了一種改進(jìn)的Web 3D技術(shù)來(lái)虛擬古建筑物文物。首先闡述了虛擬古建筑文物存在的問(wèn)題，然后介紹了所涉及到的關(guān)鍵技術(shù)，接著對(duì)古建筑文物三維全景展示進(jìn)行設(shè)計(jì)，最后對(duì)其實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，采用改進(jìn)的Web 3D技術(shù)所虛擬的古建筑文物三維全景達(dá)到了預(yù)期目標(biāo)。

發(fā)表于：2015/6/9

阿里云與美國(guó)云計(jì)算廠商Equinix達(dá)成戰(zhàn)略合作

美國(guó)云計(jì)算服務(wù)供應(yīng)商Equinix日前宣布和阿里巴巴集團(tuán)旗下云計(jì)算平臺(tái)阿里云確立了合作關(guān)系。兩者的合作，不管對(duì)于Equinix從北美到亞洲，還是對(duì)阿里云進(jìn)軍國(guó)際市場(chǎng)都是一場(chǎng)雙贏。

發(fā)表于：2015/6/9

大數(shù)據(jù)時(shí)代不是所有數(shù)據(jù)都那么珍貴

　數(shù)據(jù)中心不斷地被大量數(shù)據(jù)們淹沒(méi)，那么作為數(shù)據(jù)中心的管理員們，能不能就舍棄一部分不需要的數(shù)據(jù)呢？最重要的擔(dān)心就是怕錯(cuò)過(guò)任何可能的有用信息。你公司的營(yíng)銷(xiāo)副總裁很有可能會(huì)有朝一日讓你提供一份公司過(guò)去20年的銷(xiāo)售數(shù)據(jù)。而上面的領(lǐng)導(dǎo)一換，說(shuō)不定新的數(shù)據(jù)要求在等著你。

發(fā)表于：2015/6/9

中文客戶評(píng)論對(duì)象特征的抽取與聚類(lèi)方法

通過(guò)利用Apriori算法抽取評(píng)價(jià)對(duì)象的候選特征集，結(jié)合計(jì)算領(lǐng)域一致度和領(lǐng)域相關(guān)度對(duì)候選特征進(jìn)行過(guò)濾，實(shí)現(xiàn)了對(duì)中文客戶評(píng)論的對(duì)象特征挖掘，并且用實(shí)驗(yàn)驗(yàn)證了該方法的有效性。

發(fā)表于：2015/6/8

布谷鳥(niǎo)搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)

為了提高預(yù)測(cè)精度，提出一種布谷鳥(niǎo)搜索算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)模型(Cuckoo Search BP neural network Flow Prediction，CS-BPNN)。根據(jù)混沌理論建立網(wǎng)絡(luò)流量學(xué)習(xí)樣本，采用BP神經(jīng)網(wǎng)絡(luò)對(duì)學(xué)習(xí)樣本進(jìn)行訓(xùn)練，將模型參數(shù)當(dāng)一個(gè)鳥(niǎo)巢，通過(guò)模擬布谷鳥(niǎo)尋窩產(chǎn)卵的行為找到最優(yōu)模型參數(shù)，最后采用網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，測(cè)試模型性能。仿真實(shí)驗(yàn)表明：所提出模型較好的解決了BP神經(jīng)參數(shù)優(yōu)化問(wèn)題，能夠獲得更加理想的網(wǎng)絡(luò)流量預(yù)測(cè)結(jié)果。

發(fā)表于：2015/6/8

一根光纜引發(fā)支付寶癱瘓云計(jì)算2.0時(shí)代“互聯(lián)網(wǎng)+”引擔(dān)憂

近日，先是支付寶因?yàn)橐桓饫|出現(xiàn)宕機(jī)，隨后又出現(xiàn)攜程酒店信息被強(qiáng)制性物理刪除，不禁引發(fā)了人們對(duì)于“互聯(lián)網(wǎng)+”到底能否委以重任的擔(dān)憂。事實(shí)上，信息技術(shù)發(fā)展的車(chē)輪一路向前，不曾因使用者的擔(dān)憂而遲疑。

發(fā)表于：2015/6/8

一種改進(jìn)的多群協(xié)作粒子群優(yōu)化算法

提出了一種改進(jìn)的多群協(xié)作粒子群優(yōu)化算法，該算法整個(gè)種群采用主從模式，分為一個(gè)主群和多個(gè)從群，多個(gè)從群粒子統(tǒng)一地進(jìn)行初始化操作，從而避免了多個(gè)粒子群重復(fù)搜索現(xiàn)象。同時(shí)，算法采取了一種擾動(dòng)策略，即當(dāng)前全局最優(yōu)解在擾動(dòng)因子的迭代周期內(nèi)保持不變時(shí)，就重置粒子的速度，迫使粒子群擺脫局部極小。該算法不僅增加了種群的多樣性，擴(kuò)大了搜索范圍，而且還改善整個(gè)種群易陷入局部極小值的缺陷。通過(guò)9個(gè)基準(zhǔn)函數(shù)進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明，IMCPSO與MCPSO算法相比具有明顯的優(yōu)越性。

發(fā)表于：2015/6/7

軟件可靠性測(cè)試及評(píng)估平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)

設(shè)計(jì)并實(shí)現(xiàn)了軟件可靠性測(cè)試與評(píng)估平臺(tái)，支持軟件可靠性測(cè)試用例自動(dòng)生成，便于可靠性數(shù)據(jù)收集以及軟件可靠性評(píng)估和預(yù)測(cè)，解決了軟件可靠性測(cè)試難以有效開(kāi)展的問(wèn)題。通過(guò)與SMERFS預(yù)測(cè)結(jié)果對(duì)比，表明本平臺(tái)對(duì)軟件可靠性測(cè)試與評(píng)價(jià)具有較強(qiáng)的實(shí)用性。

發(fā)表于：2015/6/4

基于協(xié)作過(guò)濾算法的電子商務(wù)個(gè)性化推薦系統(tǒng)的研究

針對(duì)目前電子商務(wù)個(gè)性化推薦研究的不足，提出準(zhǔn)確全面地獲取用戶獨(dú)特興趣愛(ài)好、滿足用戶差異化需求的推薦服務(wù)，同時(shí)構(gòu)建了具體的個(gè)性化推薦系統(tǒng)模型，給出了基于協(xié)作過(guò)濾算法的電子商務(wù)個(gè)性化推薦的流程、系統(tǒng)設(shè)計(jì)和系統(tǒng)實(shí)現(xiàn)，從而有利于推動(dòng)電子商務(wù)的發(fā)展

發(fā)表于：2015/6/3

基于量子粒子群的改進(jìn)模糊聚類(lèi)圖像分割算法

提出了一種基于量子粒子群的改進(jìn)模糊聚類(lèi)圖像分割算法。針對(duì)FCM圖像分割算法對(duì)聚類(lèi)中心初始值比較敏感的缺點(diǎn)，利用量子粒子群優(yōu)化算法強(qiáng)大的全局搜索能力尋找最優(yōu)解，能夠有效降低圖像分割算法對(duì)初始值的依賴程度；同時(shí)，用一種新的基于簇密度的距離度量公式來(lái)計(jì)算圖像特征點(diǎn)與聚類(lèi)中心點(diǎn)的距離，其在確定類(lèi)中心時(shí)考慮數(shù)據(jù)集的全局信息，并且在迭代過(guò)程中采用動(dòng)態(tài)隸屬度，能夠降低噪聲干擾。仿真實(shí)驗(yàn)結(jié)果證明改進(jìn)算法具有較好的性能。

發(fā)表于：2015/6/3

SIFT-FCACO算法的圖像配準(zhǔn)

為了降低圖像配準(zhǔn)誤匹配率以及減少RANSAC算法特征優(yōu)化迭代次數(shù)，提出了SIFT-FCACO的圖像配準(zhǔn)算法，用快速收斂的蟻群算法對(duì)圖像匹配后的特征點(diǎn)對(duì)進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，該算法不僅減少了匹配時(shí)間，而且提高了匹配的準(zhǔn)確率。

發(fā)表于：2015/6/1

Linux系統(tǒng)實(shí)現(xiàn)資源網(wǎng)絡(luò)共享方法的研究

針對(duì)Linux系統(tǒng)應(yīng)用中資源網(wǎng)絡(luò)共享的方法，研究采用NFS、Samba、FTP和其他軟件工具實(shí)現(xiàn)共享的途徑及其特殊性，實(shí)現(xiàn)安全、可靠、穩(wěn)定和完善的Linux系統(tǒng)資源共享服務(wù)。

發(fā)表于：2015/6/1

基于用戶相似度遷移的協(xié)同過(guò)濾推薦算法

數(shù)據(jù)稀疏性問(wèn)題是傳統(tǒng)的協(xié)同過(guò)濾算法主要的瓶頸之一。遷移學(xué)習(xí)利用輔助領(lǐng)域的用戶評(píng)分信息，有效地緩解了目標(biāo)領(lǐng)域的稀疏性問(wèn)題?，F(xiàn)有的遷移學(xué)習(xí)推薦算法中，普遍存在領(lǐng)域間的用戶需要一致、模型平衡參數(shù)較多等限制。針對(duì)這些局限性，提出了一種用戶相似度遷移的模型，利用輔助領(lǐng)域的用戶相似度幫助目標(biāo)領(lǐng)域用戶相似度的學(xué)習(xí)。此外，通過(guò)一種用戶特征子空間的距離來(lái)度量模型的平衡參數(shù)，使模型更加具有智能性。實(shí)驗(yàn)結(jié)果表明，該模型與其他協(xié)同過(guò)濾算法相比較能夠更有效地緩解數(shù)據(jù)稀疏性問(wèn)題

發(fā)表于：2015/5/31