【摘 要】
：
针对网联车辆节点产生不同属性的大数据流量计算任务进行传输并卸载计算时，引起通信系统中时延抖动、计算能耗与系统开销大等问题，根据实际通信环境，提出一种C-V2X车联网(IoV)基于模拟退火算法(SAA)的任务卸载与资源分配方案。首先，根据任务处理优先程度，对处理优先程度较高的任务进行协同卸载计算处理；其次，通过全局搜索最优卸载比例因子的方式，制定了一种基于模拟退火算法的任务卸载策略，分析并优化了任务
论文部分内容阅读
针对网联车辆节点产生不同属性的大数据流量计算任务进行传输并卸载计算时，引起通信系统中时延抖动、计算能耗与系统开销大等问题，根据实际通信环境，提出一种C-V2X车联网(IoV)基于模拟退火算法(SAA)的任务卸载与资源分配方案。首先，根据任务处理优先程度，对处理优先程度较高的任务进行协同卸载计算处理；其次，通过全局搜索最优卸载比例因子的方式，制定了一种基于模拟退火算法的任务卸载策略，分析并优化了任务卸载比例因子；最后，在任务卸载比例因子更新过程中，将系统开销最小化问题转化为功率和计算资源分配凸优化问题
其他文献
人脸表情识别的网络模型通常采用残差网络ResNet或者VGG网络。由于上述模型存在参数量冗余、计算成本高、特征表达瓶颈等问题，为解决这些问题，提出了一种基于改进轻量级秩扩展（ReXNet）网络的人脸表情识别方法。具体方法是：首先构建改进的ReXNet网络，可在参数量少的情况下消除特征表达瓶颈问题，增强表情局部关注，有助于提升模型对人脸表情的识别性能；同时为了增强对面部表情的关注，改进模型中融合坐标
为了提高小样本条件下光伏电池片热斑分类模型的特征提取能力，该文提出一种基于迁移学习的注意力胶囊网络。该网络不同于传统胶囊网络单一卷积层的特征提取，它是利用迁移学习的方法通过VGG-19网络和注意力机制进行特征提取，得到关键数据特征。然后构造向量神经元输入胶囊网络，利用动态路由算法，得到用以分类的数字胶囊层，实现光伏电池片的分类。实验结果表明，当样本数量较小时，该网络对电池片红外图像的识别准确率分别
通过分析不同施肥处理下0～1 m土壤氮素含量、垂直分布特征及水稻氮肥利用率,筛选出适宜当地农业生产及环境友好的秸秆还田条件下的氮磷配施方案。研究结果表明,增施氮肥加大硝态氮的淋溶,导致硝态氮在深层土壤大量累积,土壤全氮储量也有所增加。适当增施磷肥能促进水稻对深层土壤硝态氮的吸收进而减少深层土壤硝态氮的质量比,降低土壤全氮储量。高氮高磷条件下土壤氮素积累显著增加,N2P3处理下土壤氮素储量为12.6
基于卷积神经网络的交通标志检测算法在对现实中复杂的交通场景图像进行交通标志检测时，难以同时解决定位和分类这两个任务，并且相关算法所使用的公开数据集提供的图像和交通标志的种类不能满足现实交通场景中遇到的情况。为了解决以上问题，建立了一个新的道路交通标志数据集，并且在YOLOv4算法的基础上针对现实交通场景图像的复杂性和图像中交通标志尺寸差异较大的特点，设计了多尺寸特征提取模块和增强特征融合模块来改进
为实现对金丝皇菊的快速无损等级评估，本文应用机器视觉技术对5个等级的金丝皇菊进行智能分级。首先根据金丝皇菊的品质特性设计分级装置，并根据金丝皇菊的颜色、形状、完整度等特征设置不同的分级标准；其次运用图像灰度化、图像去噪、图像增强技术完成金丝皇菊图像预处理；再次采用加色法混色模型(Red Green Blue， RGB)完成金丝皇菊颜色特征提取与识别，并通过图像分割和边缘检测技术完成对金丝皇菊图像完
土壤有机质（Soil Organic Matter，SOM）是衡量农业生产力和土壤整体健康的重要指标，对促进区域粮食安全和缓解全球变暖下的粮食危机具有重要意义。为进一步揭示1984—2009年广西全区SOM变化情况，基于广西第二次土壤普查项目（1984年）和广西测土配方施肥项目（2009年）两期数据，利用地统计学、动态度、分布指数等方法分析了广西土壤表层SOM时空演变特征及其在不同海拔高度上的分布
为了解决多种类植物在生长过程中不同时间点动态变化表型参数提取困难问题，提出了一种基于时间序列图像和深度卷积神经网络Mask-RCNN的植物茎叶实例分割方法，在拟南芥、玉米和酸浆属3种代表性植物上进行了实验。结果表明，训练得到的基于Mask-RCNN的植物分割模型对在不同生长时期的植物茎叶的识别精度(mAP_(0.5))均在70.0%以上，最高可以达到87.5%，模型通用性较好。同时，针对茎叶遮挡问
图像分辨率是衡量一幅图像质量的重要标准.在军事、医学和安防等领域,高分辨率图像是专业人士分析问题并做出准确判断的前提.根据成像采集设备、退化因素等条件对低分辨率图像进行超分辨率重建成为一个既具有研究价值又极具挑战性的难点问题.本文首先简述了图像超分辨率重建的概念、重建思想和方法分类;然后重点分析用于单幅图像超分辨率重建的空域方法,梳理基于插值和基于学习两大类重建方法中的代表性算法及其特点;之后结合
属性约简是粗糙集理论中的研究热点，对连续值数据进行属性约简的算法大多基于优势关系或邻域关系。然而连续值数据集的属性不一定具有优势关系；基于邻域关系的属性约简算法虽然可以通过邻域半径调整粒化程度，不过由于属性量纲不同且半径参数为连续值导致半径难以统一，整个参数粒化过程计算量较大。为解决此问题，提出一种基于聚类粒化的多粒度属性约简策略。首先利用聚类方法将相似样本归类，提出了基于聚类的近似集、相对正域及
对准标记精确定位是晶圆键合精度实现的关键，为了提高对准标记定位算法在精度、实时性及适应性，提出了一种基于边缘检测拟合定位的高精度对准标记定位算法。该方法结合分级金字塔模型对对准标记进行逐级定位，获得像素级的目标区域粗定位结果，根据目标区域粗定位结果，结合Canny检测器与改进的高斯拟合法，对对准标记的亚像素轮廓进行拟合，在此基础上结合中心对称的对准标记特征，利用改进后的最小二乘法快速拟合对准标记的