检索结果-内蒙古大学图书馆

通信学报 2020年第10期41卷 25-36页

作者：梁冰纪雯中国科学院计算技术研究所北京100190 中国科学院大学计算机科学与技术学院北京100190 移动计算与新型终端北京市重点实验室北京100190 鹏城实验室广东深圳518055

为了提升多用户计算任务卸载时的系统效用,提出了一种基于边云联合计算的多用户任务卸载方案。该方案在提升系统效用的同时,考虑了边云资源的协同优化问题。针对计算任务卸载模式的选择及边云资源分配的问题,设计了一种基于次模理论的... 详细信息

为了提升多用户计算任务卸载时的系统效用,提出了一种基于边云联合计算的多用户任务卸载方案。该方案在提升系统效用的同时,考虑了边云资源的协同优化问题。针对计算任务卸载模式的选择及边云资源分配的问题,设计了一种基于次模理论的贪心算法并充分利用了云端以及边缘端的计算和通信资源。仿真结果表明,所提方案能够有效降低计算任务执行的时延和能耗,且当多用户卸载计算任务时,所提方案在资源受限的条件下仍然能够保持稳定的系统性能。

关键词：云计算边缘计算多用户计算卸载次模优化边云联合计算

来源：评论

学校读者我要写书评

暂无评论

多目标跟踪中基于次模优化的轨迹片段生成方法

引用

电子与信息学报 2024年第3期46卷 995-1004页

作者：孙瑾杜官明南京航空航天大学民航学院南京211106

作为智能视觉任务的基础工作,多目标跟踪(MOT)一直是计算机视觉领域具有挑战性的课题之一。遮挡是影响跟踪准确性的主要因素,为此该文采用基于检测跟踪的思想,以轨迹片段为基础进行关联获取目标的完整轨迹;同时,为提高跟踪鲁棒性,该文... 详细信息

作为智能视觉任务的基础工作,多目标跟踪(MOT)一直是计算机视觉领域具有挑战性的课题之一。遮挡是影响跟踪准确性的主要因素,为此该文采用基于检测跟踪的思想,以轨迹片段为基础进行关联获取目标的完整轨迹;同时,为提高跟踪鲁棒性,该文将轨迹片段的生成问题转化为运筹学中的设施选址问题,并进而提出基于次模优化的轨迹片段生成方法。该方法融合梯度(HOG)和颜色(CN)两个互补特征进行目标表征,并根据运动信息设计权重系数提高目标匹配准确度,最后提出具有约束的次模最大化算法实现全局范围内的数据关联生成轨迹片段。通过在多个基准数据集上的对比实验,表明该文算法在保证性能的同时能有效处理遮挡问题。

关键词：多目标跟踪轨迹片段数据关联次模优化

来源：评论

学校读者我要写书评

暂无评论

低时间复杂度的次模最大化算法研究

低时间复杂度的次模最大化算法研究

引用

作者：吴本伟中国科学技术大学

学位级别：博士

作为经典的组合优化问题,次模最大化问题在计算机、人工智能、大数据、运筹优化、博弈论、金融投资等领域有着广泛而深远的影响以及应用。在早期的次模最大化算法的研究中,由于数据量较少、应用环境简单等原因,研究者的兴趣主要在于如... 详细信息

作为经典的组合优化问题,次模最大化问题在计算机、人工智能、大数据、运筹优化、博弈论、金融投资等领域有着广泛而深远的影响以及应用。在早期的次模最大化算法的研究中,由于数据量较少、应用环境简单等原因,研究者的兴趣主要在于如何尽可能地提高算法的近似保证,从而忽视了算法的时间复杂度。但是随着大数据时代的到来,待处理数据规模不断增加,应用环境不断多样化、复杂化,使得这些原先具有接近最优近似比的经典算法往往会因为不切实际的高时间复杂度而难以满足实际应用的需要。因此,本文将聚焦低时间复杂度的次模最大化算法研究,研究如何在确保低时间复杂度的前提下尽力提升算法的近似保证,或在维持算法的近似保证的前提下尽力降低算法的时间复杂度。本文的研究内容与创新贡献主要由三大部分组成,具体如下所示。(1)面向社交广告收益优化的单调次模最大化算法研究。该部分,本文主要研究如何在多广告商场景下的社交网络中选取高质量的种子用户推广商品,使得社交广告的收益最大化。该问题可以建模为多个次模背包约束与单个分部拟阵约束联合限制下的单调次模最大化问题。由于次模最大化问题本身就是NP-难的,而种子用户集的影响力估计是#P-难的,因此该问题是一个具有高度挑战性的复合型难题。针对该问题,本文先假设任意种子集的影响力大小精确可查,然后基于贪心阈值筛选与二分阈值查找策略设计了一种具有常数近似比的理想算法。随后,本文提出了一种新颖的均匀采样方法用于种子集的影响力估计。结合精心设计的渐进均匀采样框架,本文在理想算法的基础上提出了一种具有实际应用价值的快速算法。理论分析表明快速算法能够在O(mn)的运行时间内以1-δ的概率实现接近常数的近似比,其中m和n分别表示社交网络的边数与结点数,δ ∈(0,1)表示一个任意小的输入参量。同时,实验结果表明快速算法在广告收益、种子选取代价、预算利用率、可拓展性方面显著优于现有算法。(2)面向群体公平众包计算的单调次模最大化算法研究。该部分,本文主要研究群体公平众包计算的任务分配问题。首先,本文基于预算公平分配原则设计了一种兼具简洁性、实用性与通用性的群体公平约束模型,将其作用到任务分配问题的解空间后,即可使任意任务分配算法(即使是一个完全随机算法)都能输出一个具有群体公平性的解。随后,本文通过实验验证了群体公平约束模型的有效性。接着,本文研究了两种经典众包计算的群体公平任务分配问题,并证明它们的本质是单个背包约束与多个分部拟阵约束联合限制下的单调次模最大化问题。为了解决这两个问题,本文基于密度阈值筛选以及候选解增强技术分别设计了两种群体公平任务分配算法O2-GE和M2-GE。O2-GE算法主要解决“单任务-单工人”场景下的群体公平任务分配,可以在接近线性的运行时间内返回近似比接近3.4的解,而M2-GE算法主要用于“多任务-多工人”场景下的群体公平任务分配,可以在接近线性的运行时间内返回近似比接近4.3的解。最后,本文通过实验验证了两个算法在方案效益、运行时间以及群体公平性方面的先进性。(3)面向数据摘要提取的非单调次模最大化算法研究。该部分,本文主要研究两类重要的数据摘要提取问题——SMM问题与SMKM问题。SMM问题的本质是单个拟阵约束限制下的非单调次模最大化问题,其应用场景包括社交网络监控、病毒营销等。针对该问题,本文采用同步贪心选取策略设计了一种近似比为4、时间复杂度为O(nr)的快速算法,其中n表示输入数据规模,r表示最大可行解大小。同时,本文还结合阈值筛选技术提出了一种近似比接近4、时间复杂度为O(nlogr)的加速算法。SMKM问题的理论模型是单个拟阵约束与单个背包约束联合限制下的非单调次模最大化问题,其应用场景包括图像摘要提取、电影推荐系统以及社交网络收益最大化等。为了解决该问题,本文同时采用同步贪心选取以及密度阈值下降策略设计了一种近似比为8、时间复杂度为O(nr log n)的快速算法。并且,针对分部拟阵约束场景下的SMKM问题,本文结合同步候选解增强技术提出了一种近似比接近7.2、时间复杂度为O(nr log n)的快速算法。实验结果展示了上述算法在数据摘要效益、运行时间方面的优越性。

关键词：次模优化社交广告收益最大化群体公平众包计算数据摘要

来源：评论

学校读者我要写书评

暂无评论

基于边缘智能计算的城市交通感知数据补全关键技术研究与实现

基于边缘智能计算的城市交通感知数据补全关键技术研究与实现

引用

作者：张昭重庆大学

学位级别：硕士

当今,城市中智能交通系统已经得到广泛的应用,能够为各种智能交通应用提供交通感知数据。然而,智能交通系统的交通感知数据会因为各种因素发生缺失,这会严重阻碍智能交通系统发挥应有的功能。此外,当前分布式的智能交通系统日益普及,然... 详细信息

当今,城市中智能交通系统已经得到广泛的应用,能够为各种智能交通应用提供交通感知数据。然而,智能交通系统的交通感知数据会因为各种因素发生缺失,这会严重阻碍智能交通系统发挥应有的功能。此外,当前分布式的智能交通系统日益普及,然而部署运行智能交通系统产生的成本和费用却十分高昂。因此,本文基于国外政府的公开数据集,深入研究了交通感知数据的精确补全和智能交通系统部署通信成本联合优化两大方面的内容,研究成果如下:(1)本文首先从澳大利亚新南威尔士州交通局网站上下载悉尼市区主要道路的大规模交通流量数据集,对数据中进行预处理,随后通过实验验证交通流量数据具有时空相关性和低秩性。利用这些性质,本文提出基于不动点迭代的交通流量数据补全算法,无需预训练即可精确补全缺失数据。根据对比实验验证,该算法的精度较现有的方法实现了明显提升。(2)为了分析分布式的智能交通系统的结构,本文提出基于边缘计算的分布式计算模型,其通过边缘节点实现数据存储和处理的功能。根据分析,最优化边缘节点部署成本和通信成本是一个NP难问题。通过将目标问题建模为一个满足拟阵约束的次模最大化问题,本文提出有成本上限保证的基于局部搜索的边缘节点部署算法。考虑实际应用场景,本文进行了一系列实验验证,结果表明该算法能在多项式时间内实现边缘节点的低成本部署和通信。(3)综合基于不动点迭代的交通流量数据补全算法和基于局部搜索的边缘节点部署算法,本文设计出基于边缘计算的城市交通感知数据补全系统框架。为更直观地展示城市交通流量数据补全的过程,本文设计并实现出城市交通流量数据补全可视化系统。该系统前端基于echarts可视化插件,后端使用Tomcat服务器,实现了动态展示和访问控制的功能。

关键词：智能交通系统边缘计算低秩次模优化 web可视化展示

来源：评论

学校读者我要写书评

暂无评论

在线遗憾最小化查询算法研究

在线遗憾最小化查询算法研究

引用

作者：郝志扬南京航空航天大学

学位级别：硕士

在众多现实应用中,寻找一个很小的代表子集以满足用户期望是数据库系统的一项关键功能。因结合了Top-6)查询和Skyline查询的优点,遗憾最小化查询在近十年来受到了广泛关注,已成为实现该功能的主流的查询技术。而在大数据时代,大量数据... 详细信息

在众多现实应用中,寻找一个很小的代表子集以满足用户期望是数据库系统的一项关键功能。因结合了Top-6)查询和Skyline查询的优点,遗憾最小化查询在近十年来受到了广泛关注,已成为实现该功能的主流的查询技术。而在大数据时代,大量数据点由各种应用程序不断生成,那么当每个数据点到达时,应该立即被决定接受还是丢弃,这便需要在在线情况中实时地满足用户的查询需求。但现有的遗憾最小化查询相关算法大多数只针对于离线情况,无法适用于更符合实际场景的在线情况。因此,论文针对上述现状,提出了在线平均遗憾最小化查询和在线最大遗憾最小化查询,从两种查询准则的角度全面地研究了在线情况下的遗憾最小化查询问题,并基于次模优化理论,设计了具有理论保证的在线算法来解决上述查询问题。论文的主要工作和创新点如下: (1)提出了基于自适应阈值的在线平均遗憾最小化查询算法。针对已有的遗憾最小化查询算法无法解决在线情况下的查询问题,论文首先以满足大部分用户的期望为目标,定义了在线情况下的平均开心度函数,提出了在线平均开心度最大化查询问题,并论证了该问题是NP-难问题。然后分析了在线平均开心度函数的次模性质,并基于该性质将问题转化为了一个基数约束下的在线次模最大化问题。然后论文提出了一种具有常数竞争比的在线算法,基于自适应阈值策略贪婪地选择数据点。最后,在合成和真实数据集上的实验结果证实了论文所提算法的有效性、高效性和在在线情况下的可应用性。 (2)提出了基于阈值和取代的在线最大遗憾最小化查询算法。论文拓展至解决在线情况下的最小开心度最大化查询问题,关注最坏情况下的解集质量,并分析了该问题的NP-难的。然后根据在线最小开心度函数的非次模性,采用次模理论中常用的截断方法将其转化为等价的次模函数,并提出了解决在线最小开心度最大化查询问题的算法框架。为求解该问题,论文引入了流算法中常用的多阈值选点策略,每个阈值对应一个选点筛子,并从所有筛子中选出最优的候选子集来辅助对每个到达的数据点的决定,设计了一个基于阈值的在线算法。另外,论文分析了在在线情况中对每个数据点的“价值”的衡量方式与接受阈值的设置方式的合理性,引入了增量值的概念,并设计了一个基于取代的在线算法。论文详细证明了两种所提算法的竞争比,与现有的有效在线算法匹配。最后,在合成和真实数据集上进行了大量对比实验,结果表明两种所提算法的性能优于已有算法,可以取得更大的在线最小开心度和更少的运行时间,证实了两种所提算法的有效性、高效性以及较好的可扩展性。

关键词：遗憾最小化查询开心度次模优化在线算法自适应阈值多阈值选点

来源：评论

学校读者我要写书评

暂无评论

基于渐进式学习的细粒度分类方法

基于渐进式学习的细粒度分类方法

引用

作者：吴凡南京邮电大学

学位级别：硕士

细粒度识别旨在划分大类别中的子类别,是计算机视觉领域一个重要的研究分支。相关研究在零售、交通、医学图像以及动植物保护等领域有广泛的应用前景。样本渐进式学习策略已被证明可以加快模型的收敛速度并明显提升识别精度。但目前主... 详细信息

细粒度识别旨在划分大类别中的子类别,是计算机视觉领域一个重要的研究分支。相关研究在零售、交通、医学图像以及动植物保护等领域有广泛的应用前景。样本渐进式学习策略已被证明可以加快模型的收敛速度并明显提升识别精度。但目前主流的细粒度识别主要针对网络结构设计展开,尚未深入研究渐进式学习策略是否能在细粒度识别任务中发挥优势。在细粒度识别中研究渐进式学习策略面临两个挑战:(1)由于光照、遮挡以及尺度变化等不可避免因素导致不同子类类内及类间方差具有独特性,即类内方差大而类间方差小。这一特殊属性使得传统的渐进式学习策略难以直接适用于细粒度识别领域;(2)渐进式学习策略的设计包含困难度指标和训练调度器。如何协调二者协作关系,使训练更加灵活和平滑同样是一个难点。针对这两个挑战,本论文具体研究创新如下:(1)针对细粒度识别样本子集类间差异小而类内差异大的特殊挑战,提出基于次模优化的样本子集组合排序方法。具体而言,所设计排序方法的创新性在于其打破传统课程学习逐样本进行困难度评价的模式,借助次模优化在连续子集筛选中具备的强有力理论支撑,以多个类别子集的组合为基本单元,判断其难易程度。该方案可有效利用子集组合优化体现出的次模性避免子集组合优化陷入局部极值点;在样本子集排序基础上,论文进一步设计了一个渐进式学习策略。所设计的渐进式学习策略能根据识别性能动态调整困难子集和普通子集的比例,确保细粒度识别网络获取平稳性能增益。(2)针对基于困难组量化与训练调节器关联度低的问题,提出了基于网络反馈的渐进式学习策略。为了有效量化类别子集组合,实现平稳渐进式学习,所提基于网络反馈的学习策略的创新性在于其将次模优化引入到自步学习框架中,构建多任务联合优化模型。所构建的联合学习模型能够在类别子集困难度量化及训练状态反馈的基础上,借助自步学习分批次对类别子集组合数据进行进一步筛选,确保细粒度模型能有效利用次模优化及分类损失,选取最适合当前迭代状态的批量数据。将联合优化定义为样本渐进式筛选框架,整个框架重复迭代“生成排好序的样本组-优化深度模型”的过程,随着训练的进行,越来越多的样本被判定为容易样本,模型的识别能力也逐步增强。

关键词：细粒度识别渐进式学习策略次模优化模型反馈

来源：评论

学校读者我要写书评

暂无评论

密集小蜂窝网络的分布式缓存策略研究

密集小蜂窝网络的分布式缓存策略研究

引用

作者：孙帅元西安电子科技大学

学位级别：硕士

由于网络数据流量的爆炸式增长和蜂窝网络中频谱资源的短缺,如何提升网络的吞吐量和容量已经成为了一个研究的热点。在下一代蜂窝系统(5G)中为了进一步提高数据传输的区域频谱效率,提出了密集小蜂窝网络技术,通过在宏基站(MBS)下部署更... 详细信息

由于网络数据流量的爆炸式增长和蜂窝网络中频谱资源的短缺,如何提升网络的吞吐量和容量已经成为了一个研究的热点。在下一代蜂窝系统(5G)中为了进一步提高数据传输的区域频谱效率,提出了密集小蜂窝网络技术,通过在宏基站(MBS)下部署更多的低功率小基站(SBS),可以提高频谱资源的复用率;另一方面,在SBS进行内容的缓存可以进一步提高链路质量和降低用户下载时延,从而提升网络容量。但是,随着SBS的部署密集增加必定会导致回程资源的短缺。通过在SBS处缓存内容来降低回程资源的消耗,用户可以从最近的SBS下载其所需的数据;若SBS中没有缓存用户所需要的数据,则需要接入MBS从核心网处下载,这将会导致消耗更多的回程资源。另一方面,无线接入资源同样非常紧缺,多个小站间协作传输是提高接入资源利用率的有效方法。然而,缓存策略可影响当前小站间的协作机会,因此,密集小蜂窝网络中缓存策略的研究是5G发展的关键问题。本文对联合多点协作传输(CoMP-JT)和干扰的分布式缓存策略、以及考虑SBS接入负载均衡的缓存策略进行了研究,论文的主要内容如下:首先,在密集小蜂窝网络中,考虑有限的接入、回程资源和SBS有限的缓存容量,针对系统的无线频谱资源消耗进行优化,提出了一种联合CoMP-JT和干扰的分布式缓存策略。本文所提出的缓存策略考虑了CoMP-JT对系统的接入、回程资源的消耗和用户成功下载数据的影响,进而影响系统的缓存策略和内容分发效率。在保证用户下载速率需求的前提下,将缓存问题转化为符合拟阵约束的次模优化问题,通过提出的算法来计算最优的缓存策略。通过仿真结果分析,相比于传统的未考虑CoMP(基于内容受欢迎度)和未考虑干扰的缓存策略,提出的联合CoMP-JT和干扰的资源最小化的小蜂窝分布式缓存算法有效地降低了系统的接入和回程资源消耗,并且保证了用户的时延和下载速率需求。随后,本文从均衡SBS的接入负载和提高系统的容量出发,尤其是当小区中用户的密度增加时,在基于联合CoMP-JT和干扰的前提下,引入了SBS接入负载优化的缓存策略。考虑SBS接入容量受限,通过接入选择因子来平衡SBS的接入负载并最大化系统的增益函数,使得系统的容量增加、资源的消耗降低。通过对系统资源消耗、平均下载速率、SBS的平均服务用户数等性能的仿真分析,证明所提出的基于SBS负载优化的联合CoMP-JT和SBS干扰的缓存策略有效地提高了系统的频谱资源利用率和系统的容量。

关键词：密集小蜂窝网络缓存策略 CoMP 无线资源消耗接入负载均衡拟阵理论次模优化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：