课程文献中心 更多>>

关键词： Spark   作业调度   混合云   蚁群优化算法   作业截止期限   虚拟机使用成本  

摘要： 大数据计算框架如Apache Spark在大数据分析任务中的重要性日益凸显。但是，仅依靠本地计算资源往往难以支撑数据密集型作业任务的处理。因此，一种可行的方案是租用公共云服务商的云资源，并将Spark集群完全部署在云端。然而，这样做会导致计算成本过高。为了降低成本，越来越多的用户选择使用本地资源和云资源协同的方式构建混合云计算集群。但是，在混合云部署的Spark集群中，如何在满足多个服务水平协议需求(例如最小化成本和保证作业截止期限)的同时完成作业调度是一项具有挑战性的任务。现有的研究主要关注如何降低集群使用成本或者提高作业截止日期的满足率，而没有考虑这两个目标之间的平衡。针对这一问题，本文提出了一种新的期限-成本感知蚁群优化(Deadline-Cost Aware Ant Colony Optimization，DC-ACO)作业调度算法，该算法能够在利用混合云部署集群中不同虚拟机(Virtual Machine，VM)实例定价优化集群VM使用成本的同时，最大限度地保证作业截止日期的满足百分比。详实可信的仿真实验被执行用以对比提出的DC-ACO作业调度算法与基线算法的性能。实验结果表明，DC-ACO算法具有良好的可扩展性，并且能够将作业截止日期的满足百分比提升约20%，同时将混合集群的VM使用成本降低约10%。

关键词： 缺陷检测   轻量化YOLOv8s   FasterNet   M-C2f   GS-Detect  

摘要： 针对当前钢材表面缺陷检测存在效率低和精度差等问题，以及现有缺陷检测模型结构复杂、参数量庞大、检测精度和实时性较差的挑战，基于YOLOv8s模型，提出一种轻量高效的钢材缺陷检测算法(FMG-YOLOv8s)。该方法首先采用轻量级的FasterNet网络作为骨干网络，降低模型复杂度并更好地处理多尺度特征信息，以提升检测性能；然后重构特征交互模块(M-C2f)，有效保留空间和通道特征，抑制冗余信息，促进检测精度和速度的提升；最后设计GS-Detect模块作为整体模型的检测网络，降低模型复杂度，提升训练和推理速度。在Severstal钢材缺陷数据集进行实验验证，相较于YOLOv8s算法，FMG-YOLOv8算法的mAP提升3.3%、参数量和计算量分别降低8.2M和22.1G、检测速度达到250帧、召回率提升6.9%。实验结果表明，该算法在检测精度、速度和轻量化方面取得更好的平衡，为边缘终端设备提供较高精度、轻量化和实时性的可靠参考。最后在NEU-DET缺陷数据集上进行泛化性验证，相较于原模型，mAP和检测速度分别提升3.1%和185帧，结果显示该算法具备良好的鲁棒性。

关键词： 人脸识别   细粒度   掩码估计   遮挡   特征掩码  

摘要： 针对人脸遮挡产生面部结构信息丢失，从而导致人脸识别准确率降低的问题，提出了一种细粒度深度特征掩码估计的遮挡人脸识别算法。首先，将人脸图像输入特征金字塔网络中，从而得到多尺度深度语义特征；其次，将FPN网络提取的特征经过空洞卷积处理后，与MobileNetV3网络提取的精细浅层特征进行融合，并以像素级二值掩码为标签训练网络以获得细粒度特征掩码；进而，利用该深度特征掩码与深层特征相乘，以抑制由遮挡产生的干扰特征，获得更准确的人脸表征；最后，采用余弦损失和掩码估计损失联合训练网络，提高遮挡人脸识别算法的性能。在LFW数据集基础上创建了口罩、围巾和中心遮挡3种类型的人脸遮挡数据集，实验结果表明：在不同的数据集上，所提算法与现有算法相比具有更高的准确率，并在不同类型遮挡情况下均获得十分稳定的人脸识别结果；在数据集LFW和LFW口罩遮挡上的准确率分别达到了99.38%和98.42%；在数据集LFW围巾遮挡和LFW 中心遮挡上的准确率分别达到了98.72% 和 98.65%，优于对比算法。

关键词： UAV   目标检测   DS证据理论   信息融合  

摘要： 无人驾驶飞机（Unmanned Aerial Vehicle UAV）因机动性高和战场适应能力强被广泛应用。然而仅依靠单类传感器的目标检测方法无法满足UAV在高速复杂运动场景下的目标检测要求。针对上述问题，提出一种融合可见光信息和红外信息的检测融合算法，主要包括基于深度学习的图像检测，数据关联和异类信息融合。创新点在于整合数据关联融合算法并利用证据理论将关联结果进行决策级融合，完成候选目标识别与检测。通过公开数据集OTCBV的部分场景以及UAV航拍数据验证本文方法。实验结果表明，多源信息融合检测算法以结合多种证据更新YOLO（You Only Look Once）的检测精确率提高至0.9以上。

关键词： 大数据   智能算法   智能算法安全   人工智能伦理与安全   TRC范式  

摘要： 智能算法是指实现智能的计算过程所体现的方法，大多具备数据驱动、不确定性计算、模型推断难解释等特性，而这些特性同时也给智能算法应用带来了潜在的安全风险。文章首先探讨智能算法安全的内涵。具体地，智能算法安全的内涵依据人机融合的程度，由算法自身的一元内生性安全，延伸到算法服务于人时的人机二元应用性安全，最终拓展为人机共生的复杂社会系统中多元系统性安全，故据此提出智能算法安全层级范式（以下简称“TRC范式”），分别涵盖内生决策可信（trustworthiness）的一元安全目标、应用服务可管（regulatability）的二元安全目标和系统风险可控（controllability）的多元安全目标。进一步，基于当前实现TRC范式中的技术难点与智能算法可信、可管、可控的目标，文章提出实现智能算法安全需要重点突破的不确定性算法的可信域判定、黑箱模型的透明化监测与人机共生智能系统的风险临界点感知3个重大科学问题。最后，围绕TRC范式的“度量—评估—增强”技术体系，提出7项研究方向建议与4方面智能算法安全相关的发展建议，并展望其助力实现人机共治的未来愿景。

关键词： 图聚类   增强特征表示   自监督   可信样本  

摘要： 随着图神经网络的发展，各种深度图神经聚类算法持续涌现，但大多数算法主要利用神经网络的提取能力，且在特征提取中也主要依靠图结构信息，对聚类信息及节点属性重视不足。为解决此问题，构建一种基于特征增强表示与可信自监督的图聚类算法。以融合两种自编码器的深度图聚类模块来获取聚类信息，借助可信样本选择机制模块提取高可靠度的伪标签，以辅助自监督模块的学习训练。在3个真实的引文网络数据集上将该算法与8种经典聚类算法进行对比实验分析，结果表明该算法ETDGC在ACC、NMI、ARI和F1等指标上总体优于经典算法。

关键词： 钻进参数   Stacking算法   强度预测   集成学习   模型融合  

摘要： 针对传统岩石强度参数测试方法周期长且高成本的问题，提出了一种基于Stacking集成算法的新型岩石单轴抗压强度预测方法。利用自主研发的岩石数字钻探测试系统，对不同强度材料的组合试件进行了数字钻探试验。选择了四种不同的机器学习算法（包括支持向量机、随机森林、LightGBM和BP-神经网络），通过钻进数据训练相应的算法模型，探究钻进速度、扭矩和推进力与岩石单轴抗压强度之间的关系。采用双层Stacking框架，融合四种抗压强度预测模型，构建集成算法模型，以解决单一算法模型预测精度不足和泛化能力差的问题。研究结果表明，Stacking算法模型在不同转速下对于岩石单轴抗压强度的预测性能优秀，在300转速与400转速下对不同试件的单轴抗压强度预测结果决定系数R2基本高于0.9，优于其他四种基学习器。平均绝对误差与实际强度值之间的偏差小于5%。现场试验应用表明Stacking算法模型能有效预测巷道岩层的岩石单轴抗压强度，为岩体随钻探测研究提供了新的思路和方法。

关键词： 织物疵点   YOLOv8   Ghost   注意力机制   轻量化   目标检测  

摘要： 为应对织物疵点目标检测中背景纹理复杂以及硬件资源有限问题，本文提出一种基于改进YOLOv8n的轻量化织物疵点检测算法（GSL-YOLOv8n）。首先，为减少YOLOv8n模型参数量与网络结构复杂度，结合Ghost思想构建C2fGhost模块，并用Ghost卷积层替换YOLOv8n网络结构的普通卷积（Conv）；其次，在主干网络末端嵌入无参注意力机制SimAM，去除冗余背景，增强小目标语义信息和全局信息，增强网络特征提取能力；最后，设计轻量化共享卷积检测头LSCDH，运用Scale层对特征进行缩放，在保证模型轻量化的同时尽可能减少精度损失。改进后的算法GSL-YOLOv8n相比原YOLOv8n模型平均精度提升0.60%，达到98.29%，检测速度FPS基本保持不变，模型体积、计算量和参数量分别减少66.7%、58.0%和67.4%，满足纺织工业生产对织物疵点检测的应用要求。

关键词： 口算除法   多元表征   算理   算法迁移  

摘要： 口算是诸多运算中的一种最基本的运算,但是口算教学不是一件容易的事情.口算教学能帮助学生明晰算理,迁移算法,提高运算能力,渗透数学思想.文章以人教版三年级下册"口算除法"为例,通过分析不同版本教材、教师教学现状以及学生学情,发现问题并进行思考与探究,旨在探索教学策略,巧解教学疑虑.

关键词： 永磁同步电机   自抗扰控制,超螺旋滑模控制   矢量控制  

摘要： 为了提高永磁同步电机矢量控制性能，解决传统比例积分（proportional integral，PI）控制超调，抗干扰能力不足的问题，提出了自抗扰速度控制器和改进超螺旋滑模电流控制器。在转速环中引入非线性误差控制率和扩张状态观测器，提升自抗扰响应速度和抗干扰能力；在电流环中引入改进的超螺旋滑模控制，提高了永磁同步电机响应的快速性和电流品质。搭建永磁同步电机自抗扰控制和超螺旋滑模控制相结合的仿真模型，在仿真结果中实现了快速跟踪阶跃信号，电流波动小，系统出现扰动时，电机的转速和转矩波动较小，迅速恢复稳定，提高了系统的鲁棒性和动态性能。