该文讨论了全连接结构的光交换网络在Hose不确定模型下的动态选路问题,并基于Valiant负载平衡机制,提出了一种新的动态选路算法--.分配系数可调的负载平衡选路算法(Load Balancing with Adjustable Distribution Fraction,LBADF)。LBAD...该文讨论了全连接结构的光交换网络在Hose不确定模型下的动态选路问题,并基于Valiant负载平衡机制,提出了一种新的动态选路算法--.分配系数可调的负载平衡选路算法(Load Balancing with Adjustable Distribution Fraction,LBADF)。LBADF算法根据网络中各条链路上空闲光路的数目对Valiant负载平衡机制中的分配系数进行动态的调整,从而达到优化网络性能的目的。计算机仿真表明LBADF算法相对于分配系数恒定的VLB算法具有更小的全网呼损率,同时也相应地降低了全网中所有节点对的最大呼损率。展开更多
多目标跟踪(multi-object tracking,MOT)结合同时定位与建图(simultaneous localization and mapping,SLAM)能够充分运用场景中动静态信息,可提升定位精度和鲁棒性而受到关注。本文提出了一种基于场景流不确定性模型的3D目标跟踪SLAM算...多目标跟踪(multi-object tracking,MOT)结合同时定位与建图(simultaneous localization and mapping,SLAM)能够充分运用场景中动静态信息,可提升定位精度和鲁棒性而受到关注。本文提出了一种基于场景流不确定性模型的3D目标跟踪SLAM算法,以双目或RGB-D图像作为输入,结合实例掩膜和IMU信息,精确检测动态特征并联合估计自身和物体的位姿变换。针对动、静态和临时静态特征无法准确识别的问题,结合实例信息和场景流不确定性建模剔除误差干扰,实现精准的动态特征检测;针对运动物体特征点稀少和跟踪困难的问题,结合KLT光流和实例信息进行鲁棒的多层级数据关联;通过构建因子图并引入车辆运动学约束,实现了自身和运动物体位姿以及地图点坐标的紧耦合优化。最后,在公开数据集上进行对比实验。结果表明,所提算法能够准确跟踪自身和运动物体的位姿变换。展开更多
水文模型结构不确定性是影响水文预报精度的重要因素,如何量化并降低其影响是当前的研究热点问题.基于动态系统响应曲线方法(dynamic system response curve,DSRC),假设水文模型系统的误差仅来源于模型结构误差,推导模型结构误差与输入...水文模型结构不确定性是影响水文预报精度的重要因素,如何量化并降低其影响是当前的研究热点问题.基于动态系统响应曲线方法(dynamic system response curve,DSRC),假设水文模型系统的误差仅来源于模型结构误差,推导模型结构误差与输入量的变化量之间的数学关系,结合经典概率论,提出了能够分辨模型结构不确定性来源的考虑模型结构不确定性的动态系统响应曲线校正方法(dynamic system response curve method considering the model structure uncertainty,UNDSRC).将该方法应用于大坡岭流域与富水流域检验UNDSRC方法的综合表现,并与DSRC方法进行比较.研究表明:1)在实际流域检验中,UNDSRC方法相较于DSRC方法具有更好的校正效果,校正效果评价系数分别为0.82与0.60;2)DSRC方法在2个实际流域均可以对新安江模型进行有效校正,且校正效果相似;3)UNDSRC方法校正效果优异且稳定,能够适应更复杂的流域下垫面情况,方法对洪峰流量的校正优于对径流深的校正;4)校正精度相同的情况下,UNDSRC方法相较于DSRC方法具有更小的岭系数.展开更多
文摘该文讨论了全连接结构的光交换网络在Hose不确定模型下的动态选路问题,并基于Valiant负载平衡机制,提出了一种新的动态选路算法--.分配系数可调的负载平衡选路算法(Load Balancing with Adjustable Distribution Fraction,LBADF)。LBADF算法根据网络中各条链路上空闲光路的数目对Valiant负载平衡机制中的分配系数进行动态的调整,从而达到优化网络性能的目的。计算机仿真表明LBADF算法相对于分配系数恒定的VLB算法具有更小的全网呼损率,同时也相应地降低了全网中所有节点对的最大呼损率。
文摘多目标跟踪(multi-object tracking,MOT)结合同时定位与建图(simultaneous localization and mapping,SLAM)能够充分运用场景中动静态信息,可提升定位精度和鲁棒性而受到关注。本文提出了一种基于场景流不确定性模型的3D目标跟踪SLAM算法,以双目或RGB-D图像作为输入,结合实例掩膜和IMU信息,精确检测动态特征并联合估计自身和物体的位姿变换。针对动、静态和临时静态特征无法准确识别的问题,结合实例信息和场景流不确定性建模剔除误差干扰,实现精准的动态特征检测;针对运动物体特征点稀少和跟踪困难的问题,结合KLT光流和实例信息进行鲁棒的多层级数据关联;通过构建因子图并引入车辆运动学约束,实现了自身和运动物体位姿以及地图点坐标的紧耦合优化。最后,在公开数据集上进行对比实验。结果表明,所提算法能够准确跟踪自身和运动物体的位姿变换。
文摘构建准确的滑坡预测模型和确定环境因子的贡献程度,对滑坡易发性评价具有重要意义。在以往研究中,最大熵物种分布(maximum entropy model,MaxEnt)模型因其对样本量要求低、预测精度高和可避免模型过度拟合等优点,被广泛运用在生态学领域。以沅陵县为研究区,基于342处滑坡灾害点数据和9个环境变量,分别采用确定性系数(certainty factor,CF)模型、逻辑回归(Logistic)模型和MaxEnt模型对沅陵县进行滑坡易发性分区预测。同时采用刀切法(Jackknife)检验环境因子对预测结果的贡献程度,确定滑坡地质灾害的主要影响因素。结果表明:确定性系数模型、逻辑回归模型和MaxEnt模型的受试者特征曲线(receiver operating characteristic,ROC)下面积(area under the curve,AUC)值分别为0.827、0.803、0.911,3种模型的预测精度均较高,且MaxEnt模型精度最高,表现较好;河流是影响研究区滑坡灾害发生贡献程度最高的环境因子;滑坡灾害主要发育在以河流为中心向外延伸100 m范围内,集中分布在沅江、深溪和兰溪附近。研究能为沅陵县地质灾害易发性评价提供一种新的方法。
文摘水文模型结构不确定性是影响水文预报精度的重要因素,如何量化并降低其影响是当前的研究热点问题.基于动态系统响应曲线方法(dynamic system response curve,DSRC),假设水文模型系统的误差仅来源于模型结构误差,推导模型结构误差与输入量的变化量之间的数学关系,结合经典概率论,提出了能够分辨模型结构不确定性来源的考虑模型结构不确定性的动态系统响应曲线校正方法(dynamic system response curve method considering the model structure uncertainty,UNDSRC).将该方法应用于大坡岭流域与富水流域检验UNDSRC方法的综合表现,并与DSRC方法进行比较.研究表明:1)在实际流域检验中,UNDSRC方法相较于DSRC方法具有更好的校正效果,校正效果评价系数分别为0.82与0.60;2)DSRC方法在2个实际流域均可以对新安江模型进行有效校正,且校正效果相似;3)UNDSRC方法校正效果优异且稳定,能够适应更复杂的流域下垫面情况,方法对洪峰流量的校正优于对径流深的校正;4)校正精度相同的情况下,UNDSRC方法相较于DSRC方法具有更小的岭系数.
