基于本体的上下文建模与应用研究

为了在开放、动态的环境中建立上下文感知系统,首先需要定义一个适合于知识共享的上下文描述,即上下文建模．提出了一种基于本体的通用上下文模型,由顶层上下文本体和6种特定本体构成．结合2008年汶川地震救援应用本体,描述了应用本体与通用上下文模型之间的关系．最后结合Web服务技术,提出了上下文感知的Web服务发现方法,对上下文感知计算的应用作了初步探索．     

基于多元高斯概率分布的无线局域网定位方法研究

针对无线局域网环境及室内目标定位需求,研究了基于接收信号强度指示的定位技术,提出了一种基于多元高斯概率分布的信号强度模式匹配方法,讨论了定位系统框架。试验结果表明,该方法具有较好的室内定位效果。     

科学计算可视化在水下可视化战场建设中的应用

科学计算可视化作为一门新兴应用科学,为水下可视化战场建设提供了一种新的表达手段。首先介绍了科学计算可视化的基本概念,然后通过对其在水下战场建设领域的应用举例,展现了科学计算可视化在该领域的应用前景及其对潜艇战术发展的巨大推动作用。     

用局部对比度信息改善图像质量

在图像的摄取和传输中,图像经常降质。为了改善图像质量,将信息熵的概念与图像的局部对比度信息相结合,提出了一种基于熵概念的非线性噪声的滤除方法,并进一步利用局部统计信息对图像进行增强。分别对模拟图像以及红外图像进行了试验,并与中值滤波、Lee滤波、Frost滤波等经典噪声滤波方法进行比较,实验结果验证了该方法的有效性。     

基于广域网的建筑工程管理系统设计

针对韩村河建筑集团工程与办公的特点,设计出基于公共数据交换网环境的工程管理系统。它以建筑工程管理为主,包含办公管理、合同管理、财务管理、材料管理、进度控制和数据接口等功能。系统采用模块化设计并具备多层安全控制机制。     

令牌式计算机局部网的仿真研究

本文介绍了令牌式计算机局部网仿真模型的建立和某些初步的仿真结果,同时对令牌的顺序传递两种方案进行了比较。     

基于改进蚁群算法的云计算任务调度研究

把改进的蚁群算法应用到云计算任务调度中,通过将任务在虚拟机上的一次分配作为蚂蚁的一次成功搜索,实现了虚拟机的负载均衡和调度时间的优化,提高云计算资源分配的效率。通过在Cloud Sim平台下进行仿真测试,结果显示,改进蚁群算法在负载均衡性能和总的任务调度时间方面均优于基本的蚁群算法。     

The effects of local elections on national military spending: A cross-country study

In this paper, we study the domestic political determinants of military spending. Our conceptual framework suggests that power distribution over local and central governments influences the government provision of national public goods, in our context, military expenditure. Drawing on a large cross-country panel, we demonstrate that having local elections will decrease a country’s military expenditure markedly, controlling for other political and economic variables. According to our preferred estimates, a country’s military expenditure is on average 20% lower if its state government officials are locally elected, which is consistent with our theoretical prediction.     

高性能异构加速器MiniGo算子优化方法

根据高性能异构加速器的特性和MiniGo的训练模式提出了一种高效的并行计算方法。对片上计算资源进行合理规划,实现异构设备之间的流水并行优化;根据异构设备间存在共享存储段设计了共享内存编码模式,减少数据传输开销;根据数字信号处理簇内具有多计算资源的特点结合算子计算-访存特性设计了不同的算子并行计算优化策略。同时,面向TensorFlow实现了一个易于使用的高性能计算库。实验结果显示,该方法实现了典型算子的多核并行计算。相对于单核,卷积算子加速比为24.69。相较于裁剪版8核FT2000+CPU,该方法训练和自博弈执行速度加速比分别为3.83和1.5。     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性