智能车辆上的时延敏感型任务对计算能力的要求很高,然而请求车辆上可用的计算资源有限不足以单独处理整个任务数据,很难满足时延需求。车辆雾计算(Vehicle Fog Computing,VFC)通过在请求车辆附近进行计算卸载来改善车辆服务。文中基于...智能车辆上的时延敏感型任务对计算能力的要求很高,然而请求车辆上可用的计算资源有限不足以单独处理整个任务数据,很难满足时延需求。车辆雾计算(Vehicle Fog Computing,VFC)通过在请求车辆附近进行计算卸载来改善车辆服务。文中基于两阶段生产计划对计算卸载过程进行建模,提出了一种计算卸载算法(Computation Offloading Algorithm,COA)来优化卸载决策和执行顺序,从而降低计算卸载时延。COA在遗传算法(Genetic Algorithm,GA)的基础上应用了Johnson Rules决定卸载顺序。通过SUMO和MATLAB仿真,显示出与GA相比,在相同的迭代次数下,COA具有更低的平均卸载时延和更好的稳定性。展开更多
基金The National Science and Technology Major Project(No.2012ZX03004005-003)the National Natural Science Foundationof China(No.61171081,61201175)the Science and Technology Support Program of Jiangsu Province(No.BE2011187)
文摘手术导航系统广泛使用外置标记物进行点配准,在配准过程中,需要选取图像中标记物的中心.为了实现标记物中心自动定位,基于肺穿刺手术导航系统设计了一种自动分割标记物算法.该算法先对胸部CT图像初分割得到疑似标记物;然后根据标记物在胸部图像中的序列特性,对疑似标记物进行筛选,得到正确标记物.实验结果表明,该方法与手动分割标记物的重合率达到95%以上,中心坐标误差小于0.22 mm.