基于Parzen窗估计的一类加权极限自编码器

针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点.     

基于灰色预测理论的电梯交通流组合预测

电梯乘客交通流预测是电梯智能群控调度的前提,有效提高电梯乘客交通流的预测精度能够使电梯智能群控系统更加合理派梯,从而缩短乘客候梯时间,减少电梯不必要的停靠次数,节约电梯运行的能源消耗.针对电梯乘客交通流时间序列小样本特征,根据等维新息原则,提出一种改进的灰色GM(1,1)模型对电梯交通流分别进行周期特性及发展变化趋势预测.综合考虑电梯交通流的周期特性及发展变化趋势,将两组预测数据进行最优加权组合预测.通过交通流数据最优加权组合预测与小波神经网络预测模型相比较表明,在实际获取的乘客交通流数据量较少的情况下,最优加权组合预测的预测误差更小.将两种预测方法的结果进行群控调度,仿真结果表明,组合预测方法使智能群控系统更加合理派梯,缩短了乘客乘候梯时间,节约了电梯能耗.     

改进的Raft一致性算法及其研究

一致性问题是分布式领域中的经典问题.在保证可用性和分区容错性的前提下,如何在尽可能短的时间内达到最终一致性仍然是一个挑战性的课题.文中主要针对Raft算法中的事务磁盘持久化和日志的网络同步部分,在复制状态机中的日志模块中增加了内存缓冲池,当一段时间内通信正常,未出错的情况下,将Raft算法中节点日志的更新方式由单次同步改进为批量异步.在持久化部分,采用文件如果超出设定的大小则调用fsync方法写入磁盘.最后,通过实验验证了改进后的Raft算法比原始的Raft算法选举Leader节点的效率高.因此,文中方法提高了Leader节点的选举效率,进而缩短了集群出现故障后恢复服务的时间.     

一种异步执行改进三维重构的并行方法

虚拟现实技术是一种模拟现实环境的交互式三维动态场景仿真,其功能需求因应用领域的不同而显差异,其共性技术难点集中在虚拟场景的高效构建和复杂环境的实时绘制,而目前三维重构方法具有较高的计算复杂度和较大的数据处理规模,影响了重建的质量和实时性.针对以上不足,文中提出一种异步执行改进三维重建的并行方法,其算法核心是将多目视频流重建过程分配到服务器端和终端异步执行;接着针对较耗时模块引入CUDA(compute unified device architecture)并行技术,使得重构效率明显提升;最后,通过实验验证了文中方法能有效提高计算效率,减少终端节点与服务器之间的数据传输量,并在一定条件下改善重构的及时性.在移动网络环境中,该方法充分利用终端硬件设备,为室内动态三维场景的实时呈现提供了一种实现方式.