基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

近似最小树的哈希Dijkstra算法

为了解决Dijkstra(DK)算法对大规模数据构造最小树时效率不高的问题,结合局部敏感哈希映射(LSH),针对欧氏空间中的样本,提出了一种近似最小树的快速生成算法,即LSHDK算法.该算法通过减少查找近邻点的计算量提高运行速度.计算实验结果表明,当数据规模大于50 000个点时,LSHDK算法比DK算法速度更快且所计算的近似最小树在维数较低时误差非常小(0.00～0.05%),在维数较高时误差通常为0.1%～3.0%.     

纳微米混杂增强铝基复合材料及其应用

西安工业大学和西安康博新材料科技有限公司共同研制的纳微米粒子混杂增强铝基复合材料专有技术及金属型整体铸造高功率增压柴油机活塞全套技术,可用于制造汽车柴油机用铝基合金活塞.应用本技术生产的混杂增强铝基复合材料,成本与铝合金价格基本相当或略高于铝合金价格,而性能显著提高.耐磨性比铝合金提高3～5倍,热膨胀系数减少10%以上,抗拉强度提高20%～30%,刚度(弹性模量)提高10%～15%,使用温度提高50～100℃.     

Linux内核中内存池的实现及应用

基于对Linux操作系统内存管理机制、算法和模式的分析,详细解读Linux内核2.6版本中有关内存池的定义内涵,明确内存池的创建方法和调用原理,并给出内存池在网络文件系统中的应用。实验表明,在内存实现及用户程序中使用内存池进行内存管理,可以减少内存碎片,提高分配速度,防止内存泄露。     

基于蜂群单阈值分割的SRC板材缺陷分类方法

针对传统单阈值板材缺陷分割算法易陷入局部最优、早熟以及收敛速度慢等缺点,提出了一种基于改进蜂群算法的单阈值分割算法.为了提高缺陷分类准确率并减少运算量,将稀疏表达分类器(SRC)运用到板材缺陷分类过程中.改进算法每次迭代都会同时进行全局和局部搜索,且侦查蜂随机全局选取蜜源以加快收敛速度,搜索半径可以根据时变搜索参数进行自适应调整,SRC可将缺陷分类问题转换为求最稀疏系数解的过程.结果表明,本文算法可以准确快速地计算出最佳分割阈值,并将分类准确率提高到90%以上,具有一定的可靠性与可行性.     

剪力连接件对型钢混凝土超短柱抗震性能的影响

进行了6个剪跨比为1的超短柱的滞回性能试验研究,其中包括2个钢筋混凝土柱(RC)、2个不设剪力连接件的型钢混凝土(SRC)柱和2个设剪力连接件的型钢混凝土柱.试验结果表明,不设剪力连接件的SRC超短柱的破坏模式为粘结破坏,与RC超短柱相比,其抗剪承载力和变形能力无显著提高,但耗能能力有所提高.设置剪力连接件的SRC超短柱的破坏模式为斜压破坏,与不设剪力连接件的SRC超短柱相比,其抗剪承载力和变形能力显著提高.随轴压比的提高,SRC超短柱的抗剪承载力提高;但轴压比对SRC超短柱的延性和变形能力无显著影响.     

基于最大属性熵的GIDS报文分类算法

网络带宽的激增对网络入侵检测系统（NIDS）的检测速度提出越来越高的要求。分类算法作为一种有效降低数据包待匹配规则集的方法,其效率对后继检测算法影响重大。研究了适用于GIDS的经典分类算法Hicuts和针对它的修改升级算法Picuts,针对Picuts没有考虑报文域的特征对于分类树的影响的缺点提出了基于最大属性熵的分类树本地优化策略和新的分类树生成算法MaxFeatureEntropy。最大属性熵策略从理论上保证减小决策树高度。采用开源的snort1.8.7的规则集作为实验数据,结果表明：当每结点包含规则数阀值等于6时,其空间消耗只有Hicuts的10%,是Picuts的60%,速度上较之Hicuts提升了44.4%,较之Picuts提升了20%。     

可大幅提高计算机运行速度的全新数学模型提出

计算机运行速度的提高不仅与处理器性能有关,还需解决内存疗面的“存储墙”问题。美旧伊利诺伊理大学的研究人员提出一种名为C-AMAT的数学模型,通过平行内存读取方式使计算机的缓行和存储系统并行处理,可极大地减少计算机在数据读取方而的延迟,最多可使数据读墩速度提高100倍。     

型钢混凝土异形柱非线性分析

基于压弯构件的原理,编制了适用于计算型钢混凝土(Steel Reinforced Concrete,简称SRC)异形柱截面的弯矩-曲率非线性程序.通过该程序,研究了SRC异形柱(T形、L形)在不同的荷载角、配钢形式、配钢率和轴压力比条件下的截面延性,并对计算结果进行了理论分析.由计算分析可知:加载角对截面的延性有较大的影响;在相同的延性条件下,配钢形式的不同对截面的抗弯承载力影响较大;在常用配钢率范围内,随配钢率的增大,SRC异形柱的延性逐渐增大;随轴压比的增大,SRC异形柱的延性逐渐下降.最后给出了适合于提高抗弯承载力的合理配钢形式,可作为SRC异形柱研究的参考.     

一种查找算法的改进方法

折半查找算法是数据结构中有序序列查找中的一个重要算法,此算法在含有n个元素的有序序列中查找某一个元素时,最大循环比较次数为「log2n」 1.但是在很多情况下,查找之前有序序列分布的很多信息为已知,如当知道了有序序列中每相邻2个元素之差最大值的一个上界,就可以有比折半法更加有效的查找算法.以此改进的折半法查找性能明显优于原算法的查找.受序列分布的影响,其在最坏情况下查找一个元素的最大比较次数在1和「log2n」 1之间,明显优于折半查找.此方法在实际应用中可极大提高查找效率.     

相变存储器预充电读出方法

分析传统相变存储器读出方法读取速度受限的原因,提出一种预充电读出方法.该方法将本地位线充电到预充电电压后开始读取数据.预充电电压设置在第一参考电压和第二参考电压的中间值.第一参考电压为读取最高晶态电阻值的存储器件时的本地位线电压,第二参考电压为读取最低非晶态电阻值的存储器件时的本地位线电压.采用SMIC 40 nm CMOS工艺进行设计和仿真,1-Mb相变存储器的随机读取时间为6.64 ns;Monte Carlo仿真表明,最长随机读取时间为9.07 ns.传统读出方法的随机读取时间和最长随机读取时间分别为45.36 ns和128.1 ns.晶态单元读电流是4.84 μA.仿真结果表明,所提方法比传统方法能更好地抑制工艺角、电源电压和温度波动.     

一种改进的分布式搜索引擎模型

为了解决传统分布式搜索引擎存在的搜索性能问题,从索引结构、查询算法方面改进了传统模型．提出了一种非集中的高并行化搜索模型,该模型按照文档主题对索引分类,对较长的倒排记录表采用位图结构,利用多线程技术对索引节点实现并行搜索算法(multi max score heap,MMSH)．实验结果表明:改进模型中的索引分类方法与倒排表结构的位图策略,能够增强Merge层查询的针对性,降低Merge层节点的CPU和内存开销;在倒排表不能完全存入内存情况下,MMSH算法能够实现高度并行化查询,其查询效率高于经典的term-at-a-time算法,缩短了平均查找时间,提高了系统吞吐量．索引分类、位图结构以及并行查询算法能够避免查询的盲目性,改善了分布式搜索引擎的性能．     

An efficient QoS routing algorithm for multi-constrained path selection

1　INTRODUCTIONAkeyissueinthedesignofbroadbandarchitecturesishowtoprovidetheresourcesinordertomeetthere quirementsofmultimediatransmission .TheestablishmentofefficientQoS (qualityofservice)routingschemesis ,undoubtedly ,oneofimportantcomponentsinsucharchi tectures .ItisachallengetoQoSroutingtofindpromptlyafeasible paththatsatisfiesasetofconstraintswhilemaintaininghighutilizationofnetworkresources[1] .QoSroutingis,ingeneral,acomplexproblemduetoseveralreasons.Firstly ,distributedapplicati…     

基于全局最优的自适应和声搜索算法

针对传统和声算法收敛速度慢和搜索精度低等固有缺点,提出一种改进的自适应全局最优和声搜索算法。在即兴创作方案中,带宽由当前和声里的最优和声变量和最差和声变量之差表示,使得带宽具有针对具体情况的自适应能力,并且每次保存最优和声中一个随机和声变量。在产生的随机数大于和声记忆库存储考虑概率时,利用种群内差分随机生成一个和声变量。为了提高和声搜索算法的搜索能力,在即兴创作结束后产生一个新的和声的同时,再从当前种群中的最小和声到最大和声之间随机产生一个和声,然后将两个新产生和声中误差小的和声进入更新和声记忆库阶段。将所提出的算法与3个改进和声搜索算法在13个测试函数上进行对比。试验结果表明,提出的改进算法具有更好的全局搜索能力和收敛速度。     

基于关键角点引导约束的广义Hough变换两层目标定位算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量大且同时保证速度和精度存在困难。为解决该问题,本文在定位与验证两级框架下提出由关键特征点引导约束的广义Hough变换两层目标定位快速算法。粗定位过程首先利用模板图像的特征点——角点建立R表,将待检测图像中的角点依据局部R表对平移、缩放系数和旋转角度进行全局搜索,得到其参考点位置以及和的参数值;在验证过程中,建立模板图像边缘像素的全局R表,在约束的参数范围内依据全局R表进行验证,求出精确检测结果。实验表明,本文算法也适用于局部遮挡,局部变形等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。     

水电厂经济运行的遗传算法

本文提出求解水电站厂内经济运行问题的新方法———遗传算法，它不同于常规优化算法的特点在于，从多个初值点开始，沿多路径搜索实现全局或准全局最优，计算过程中不需要存储状态或决策变量的离散点，大大减少计算机内存，不必求导计算，编程简单，是一种有效的自适应随机搜索算法。     

用于目标情感分类的多跳注意力深度模型

文本情感分类是近年来自然语言处理领域的研究热点,旨在对文本蕴含的主观倾向进行分析,其中,基于特定目标的细粒度情感分类问题正受到越来越多的关注。在传统的深度模型中加入注意力机制,可以使分类性能显著提升。针对中文的语言特点,提出一种结合多跳注意力机制和卷积神经网络的深度模型（MHA-CNN）。该模型利用多维组合特征弥补一维特征注意力机制的不足,可以在没有任何先验知识的情况下,获取更深层次的目标情感特征信息。相对基于注意力机制的LSTM网络,该模型训练时间开销更小,并能保留特征的局部词序信息。最后在一个网络公开中文数据集（包含6类领域数据）上进行实验,取得了比普通深度网络模型、基于注意力机制的LSTM模型以及基于注意力机制的深度记忆网络模型更好的分类效果。     

高性能行任务散列法GPU一般稀疏矩阵-矩阵乘法

针对一般稀疏矩阵-矩阵乘法（SpGEMM）的性能问题,提出了一种基于任务分类和低延迟散列表的图形处理器上的加速SpGEMM算法RBSPARSE.该算法由一种低成本子任务复杂度预分析方法和一种低延迟共享内存上的散列表的方法组成,以达到最大效率.通过解决负载均衡和内存延迟问题,RBSPARSE可以显著减少计算的总时间.比较了RBSparse和BHSparse,前者是最快的SpGEMM算法,结果表明RBSparse的性能是BHSparse的平均3.1倍,在最佳情况下可达到14.49倍.