该文研究了IP/MPLS over WDM网中,利用综合路由法为到达的业务流建立标签交换路径(LSP)时,如何选择是在WDM层为它新建一条光路,还是利用现有的逻辑IP链路来满足其要求,提出一种带宽碎片消除的策略,该策略在决定是否利用逻辑IP链路来建立...该文研究了IP/MPLS over WDM网中,利用综合路由法为到达的业务流建立标签交换路径(LSP)时,如何选择是在WDM层为它新建一条光路,还是利用现有的逻辑IP链路来满足其要求,提出一种带宽碎片消除的策略,该策略在决定是否利用逻辑IP链路来建立LSP时,总是尽量减少造成带宽碎片,从而可以有效提高全网的资源利用率,仿真结果表明带宽碎片消除策略可以进一步改善综合路由算法的性能。展开更多
虚拟样本是一种在学习过程中引入先验知识的有效手段,一定程度上提高了分类器的性能。然而由于生成的虚拟样本集的数据分布与原始训练集的分布不一致,因此利用虚拟样本扩充后的训练样本集进行学习的分类器分类性能上存在波动。针对这种...虚拟样本是一种在学习过程中引入先验知识的有效手段,一定程度上提高了分类器的性能。然而由于生成的虚拟样本集的数据分布与原始训练集的分布不一致,因此利用虚拟样本扩充后的训练样本集进行学习的分类器分类性能上存在波动。针对这种不足,提出一种基于权重选择虚拟样本的新分类算法。该方法首先利用TrAdaBoost算法对扩充后的样本集进行预处理,然后选取权重大于某一给定阈值的样本构造新训练样本集,最后根据新样本集进行训练得到分类器。由于排出了不重要的样本,因此在新样本集上得到的分类器具有更高的精度。在部分UCI标准数据集与KDD cup 99网络入侵检测数据集上的对比实验说明了该算法较不产生虚拟样本的直接分类算法和利用虚拟样本全集进行训练的分类算法具有更高的精度。展开更多
文摘针对遥感图像中大纵横比目标因正样本不足而出现的学习不充分问题,提出一种基于形状自适应标签分配的遥感有向目标检测网络(shape-adaptive label assignment for oriented object detection network,SALANet)。首先,引入纵横比敏感系数建立目标几何特征与正样本数量的动态映射关系,缓解传统方法中固定分配规则引发的样本分布不平衡问题;其次,设计自适应标签分配策略,通过对交并比(intersection over union,IoU)进行排名实现高质量正样本选择;最后,提出中心轴先验,将圆形中心先验区扩展为目标中心轴的矩形区域,增强大纵横比目标的几何特征表征能力。在DOTAv1.0和HRSC2016数据集上的对比实验表明,SALANet分别取得0.777 1和0.932 3的平均精度均值(mean average precision,mAP),较基线方法RoI Transformer分别提升8.15%和2.87%。
基金National Natural Science Foundation of China(No.10671074 and No.60673048)Natural Science Foundation of Education Ministry of Anhui Province(No.KJ2007B124 and No.2006KJ256B)
文摘该文研究了IP/MPLS over WDM网中,利用综合路由法为到达的业务流建立标签交换路径(LSP)时,如何选择是在WDM层为它新建一条光路,还是利用现有的逻辑IP链路来满足其要求,提出一种带宽碎片消除的策略,该策略在决定是否利用逻辑IP链路来建立LSP时,总是尽量减少造成带宽碎片,从而可以有效提高全网的资源利用率,仿真结果表明带宽碎片消除策略可以进一步改善综合路由算法的性能。
文摘虚拟样本是一种在学习过程中引入先验知识的有效手段,一定程度上提高了分类器的性能。然而由于生成的虚拟样本集的数据分布与原始训练集的分布不一致,因此利用虚拟样本扩充后的训练样本集进行学习的分类器分类性能上存在波动。针对这种不足,提出一种基于权重选择虚拟样本的新分类算法。该方法首先利用TrAdaBoost算法对扩充后的样本集进行预处理,然后选取权重大于某一给定阈值的样本构造新训练样本集,最后根据新样本集进行训练得到分类器。由于排出了不重要的样本,因此在新样本集上得到的分类器具有更高的精度。在部分UCI标准数据集与KDD cup 99网络入侵检测数据集上的对比实验说明了该算法较不产生虚拟样本的直接分类算法和利用虚拟样本全集进行训练的分类算法具有更高的精度。
基金Supported by the Natural Science Foundation of Education Ministry of Anhui Province (No.KJ2010B138)the Foundation for the Excellent Young Talents of Anhui Province(No.2010SQRL136ZD)the Natural Science Foundation of Chuzhou University(No.2008kj013B)
