IMA双层调度算法中的任务可调度性分析方法

任务可调度性分析是综合模块化航电(IMA)系统双层调度算法研究中的一个关键问题。针对这个问题,首先剖析了单分区调度系统中任务精确响应时间计算方法所具有的计算复杂度高以及计算函数不连续等局限性;然后提出了一种计算任务响应时间上限的快速方法,分析该计算方法的推导过程,得到了双层调度情况下任务响应时间上限的计算方法,并由此推演出任务可调度性分析方法和分区参数设计方法;最后通过计算机仿真实验,分别使用定量的响应时间上限相对误差法以及定性的资源放大分析法考察了系统任务数量以及系统利用率对文中提出的响应时间上限计算方法精度的影响程度,并得到了该方法取得较高应用精度的可行性条件。     

乙炔端基砜与聚砜类共混的相容性及其SIPN相分离行为研究

借助扭辫分析(TBA)技术研究了乙炔端基砜(ATS)与用双酚A型聚砜(PSF)、聚醚砜(PES)及酚酞型聚芳醚砜(PES-C)制备的半互穿高聚物网络(SIPN)的相容性及不同固化条件对其分离行为的影响。起始为相容的SIPN体系在固化过程中发生了相分离。两相的T_(?)都与固化条件有关,不同的SIPN均显示类似的相分离行为。     

阶梯函数逼近阶与若干函数类的特征

利用阶梯函数逼近给出了连续函数类的特征,并在此基础上分别导出阶梯函数逼近李普希兹函数类和狄尼-李普希兹函数类的逼近阶。     

一种图像分割方法的实现

本文基于模糊数学理论中的模糊Ｃ－均值聚类算法,将其思想用于图像分割。通过与其它经典方法的比较,证明了这种方法具有较好的处理效果和较强的抗噪能力。     

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法, 然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

在约束条件下集值全局真有效点集的连通性

讨论全局真有效点集在局部凸拓扑线性空间中的连通性。在可行域为非空的一般紧子集、约束集上的目标集值映射是上半连续且为锥类凸的、约束映射为上半连续的情况下,通过对对偶锥上的集值映射连通性的证明,给出了含约束锥类凸的集值优化问题全局有效点集的非空连通性定理。此结论是在相对较弱的条件下得到的,这就使目前的全局真有效点集连通性的相关结论得到了进一步拓展。