检索结果

Select

1. 移动边缘计算中的内容分发加速策略

柳兴, 杨震, 王新军, 朱恒

计算机应用 2020, 40 (5): 1389-1391. DOI: 10.11772/j.issn.1001-9081.2019091679

摘要（366）

PDF （490KB）（540）

针对移动边缘计算(MEC)中的内容分发加速问题，考虑MEC服务器存储空间受限对内容缓存的影响，以移动用户获取对象延时为优化目标，根据用户群对不同对象的兴趣的差异，提出了一种基于兴趣的内容分发加速策略(ICDAS)。该策略根据MEC服务器的存储空间、移动用户群对不同对象的兴趣以及对象的文件大小，选择性地在MEC服务器上缓存对象，并及时对MEC服务器上缓存的对象进行更新，最大限度地满足移动用户群的内容需求。仿真结果表明，所提策略具有良好的收敛性能，其缓存命中率相对稳定且明显优于现有策略；当系统运行达到稳定后，相较于现有策略，该策略可使用户获取对象数据的时延减少20%。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于对比度优化流形排序的显著目标检测算法

谢畅, 朱恒亮, 林晓, 马利庄

计算机应用 2017, 37 (3): 684-690. DOI: 10.11772/j.issn.1001-9081.2017.03.684

摘要（505）

PDF （1190KB）（629）

现有的基于背景先验的显著性算法模型中存在先验区域选取不合理的问题，导致计算出的前景区域不准确，影响最终结果。针对该问题提出了基于对比度优化流形排序的显著目标检测算法。利用图像边界信息找出背景先验，设计出采用显著期望、局部对比度以及全局对比度三个指标来衡量先验质量的算法，并根据先验质量设计带权加法，代替简单乘法融合显著先验，从而使显著先验更加准确。从先验中提取显著区域时，更改了选取阈值的策略，更合理地选取出前景区域，再利用流形排序得到显著性图，从而使显著性检测结果更加准确。实验结果表明，与同类算法相比，所提算法突出显著区域，减少噪声，更符合人类视觉感知，并在处理时间上领先于深度学习方法。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于无证书群签名的车联网条件隐私保护认证方案

徐越端陈建伟朱恒亮

《计算机应用》唯一官方网站 DOI: 10.11772/j.issn.1001-9081.2024050695
预出版日期: 2024-09-10

Select

4. 通过边界挖掘和背景引导的伪装目标检测

李钟华钟庚辛范萍朱恒亮

《计算机应用》唯一官方网站 DOI: 10.11772/j.issn.1001-9081.2024091324
预出版日期: 2025-01-13