数据分类中的粒度计算

粒度计算理论为知识发现的研究提供了新的理论工具，通过引入全粒度空间的概念，对信息系统的论域空间进行等价划分，给出了论域子空间可精确粒度表示的充分条件，建立了目标概念的外延和内涵的粒度计算关系，揭示了目标概念学习中的粒度计算过程，提出了一种新的数据分类模型。     

基于粒度计算理论的数据分类建模

文章研究了基于粒度计算理论的数据分类建模,引入了全粒度空间的概念,定义了集合的粒度表示,给出了概念学习在粒度计算理论中的解释,导出了一个基于数据分类的知识发现模型,从而说明了知识发现可归结为在全粒度空间中寻找目标概念的最佳粒度表示,而各粒度描述的析取构成决策规则的前件。     

基于等价关系的混合多粒度粗糙集

以基于等价关系诱导的划分为基础,提出了混合多粒度空间的概念,以便研究同时具有析取和合取关系的多 粒度空间。利用混合多粒度空间中的划分对目标概念进行近似逼近,提出了混合多粒度粗糙集模型。讨论了混合多 粒度粗糙集模型的基本性质,证明了混合多粒度粗糙集是乐观和悲观多粒度粗糙集的广义化表现形式。     

基于代价敏感的粗糙集近似集与粒度寻优算法

粗糙集的近似集用已有知识粒对不确定性目标概念进行近似描述,但在构建近似集时并没有考虑数据的代价信息这一实际因素.对此,首先分析在构建粗糙集的近似集时考虑代价信息的必要性;然后,从代价敏感角度构建误分类代价的粗糙集近似集模型,并分析该模型下求得的近似集的相关性质.为了在多粒度空间中寻找一个合适的粒度空间来对不确定性目标概念进行近似描述,使误分类代价与测试代价之和尽可能小,给出属性代价贡献率的定义,并提出一种代价敏感的粒度寻优算法.实验结果表明,所提出算法能适用于现有代价认知场景,并在给定代价场景下求出合理的层次粒度空间结构以及不确定性目标概念的近似集.     

基于粒度分布评估与优化的制粒过程 PSO-BP 控制算法

针对钢铁烧结中混合料粒度分布无法在线测量、难以实现混合制粒过程优化控制的问题,提出基于 粒度分布评估函数(Evaluation model of granularity distribution, EMGD)的混合制粒优化控制算法. 首先,根据烧结生产历史数据和混合料筛分实验数据建立粒度分布BP神经网络(BP neural network, BPNN)评估模型; 然后,以该模型为目标函数,以制粒过程状态参数的边界为约束条件,采用粒子群算法(Particle swarms optimization, PSO)计算粒度分布优化值; 最后建立基于BPNN的制粒水分设定模型,根据粒度分布优化值和当前配重实现水分优化控制. 仿真实验和工业应用表明评估模型真实反映了粒度分布对料层透气性的影响; PSO-BP粒度分布优 化控制算法对改善透气性、减少燃料损耗、稳顺烧结生产具有重要意义.     

面向KDD的粒度计算建模研究

给出了全粒度空间的拓扑结构模型，进一步介绍了面向粒度计算的产生式决策逻辑语言GDL-language，然后定义了面向粒度描述的正基语言，阐明该语言公式的语义解释，给出了一种“全粒度空间＋正基语言”的粒度计算模型，并找到了正基语言系统、粒度空间和基本概念空间的关系定理。最后，把KDD任务归结为基于该模型的粒度计算问题，这样就可以把各种KDD任务统一到一个理论框架下，也便于比较和研究。这些工作无疑对令后知识发现的研究起着重要的作用．     

粒度计算模型的研究

粒度计算可以看作是利用粒度解决问题的理论、方法、技术和工具。文中介绍粒度计算的一些基本概念以及研究粒度计算的目的，阐述粒度计算研究的基本问题，分析当前粒度计算研究的几个模型，重点讨论不同粒度世界的描述法——商空间法，并从各种角度对几个模型做出比较，得出它们的联系与区别，证明几种方法各有优劣。     

一种基于宏观事件驱动的Web服务协同机制

讨论基于服务粒度等级与访问权限相结合的web服务单元结构，在此基础上提出了一个基于协同语义和宏观事件驱动的web服务协同模型，最后给出了该模型的一个应用实例。     

可变直觉模糊多粒度粗糙集模型及其近似分布约简算法

为了在多粒度粗糙集模型中对目标概念达到更好的近似逼近效果,首先将直觉模糊粗糙集与多粒度粗糙集结合,提出直觉模糊多粒度粗糙集模型。由于该模型的目标近似存在过于宽松的缺陷,因此通过引入参数的方式对所提模型进行改进,提出一种可变直觉模糊多粒度粗糙集模型,并证明了该模型的有效性,同时基于该模型提出了相应的近似分布约简算法。在仿真实验结果中,所提出的下近似分布约简结果比已提出的模糊多粒度决策理论粗糙集约简和多粒度双量化决策理论粗糙集多了2~4个属性,所提出的上近似分布约简算法比这些算法少了1~5个属性,同时约简结果的近似精度拥有了更为合理且优越的表现。因此,理论和实验结果均验证了所提的可变直觉模糊多粒度粗糙集模型在近似逼近和数据降维方面均具有更高的优越性。     

基于局部可调节多粒度粗糙集的属性约简

经典的多粒度粗糙集模型采用多个等价关系(多粒度结构)来逼近目标集。根据乐观和悲观策略,常见的多粒度粗糙集分为两种类型:乐观多粒度粗糙集和悲观多粒度粗糙集。然而,这两个模型缺乏实用性,一个过于严格,另一个过于宽松。此外,多粒度粗糙集模型由于在逼近一个概念时需要遍历所有的对象,因此非常耗时。为了弥补这一缺点,进而扩大多粒度粗糙集模型的使用范围,首先在不完备信息系统中引入了可调节多粒度粗糙集模型,随后定义了局部可调节多粒度粗糙集模型。其次,证明了局部可调节多粒度粗糙集和可调节多粒度粗糙集具有相同的上下近似。通过定义下近似协调集、下近似约简、下近似质量、下近似质量约简、内外重要度等概念,提出了一种基于局部可调节多粒度粗糙集的属性约简方法。在此基础上,构造了基于粒度重要性的属性约简的启发式算法。最后,通过实例说明了该方法的有效性。实验结果表明,局部可调节多粒度粗糙集模型能够准确处理不完备信息系统的数据,降低了算法的复杂度。     

细粒度显式并行体系结构微处理器设计

文章在分析微处理器体系结构发展的基础上,利用文献[1]提出的显式硬件单元控制EHCC技术,设计了一个细粒度显式并行计算微处理器模型。仿真结果表明细粒度显式并行计算将是微处理器体系结构发展的理想方向。     

一种针对结构化并行控制机制的任务调度算法

缩短程序的执行时间是并行处理的首要目标,有效的任务分配算法是实现这一目标的关键,对机群系统来说更是如此.研究机群系统上针对结构化并行控制机制的任务调度问题,并基于贪心算法、粒度控制、反馈式分派的原则,提出近优的任务调度算法SSA(sub-optimal scheduling algorithm).实验结果表明,在机群环境下,该算法的并行计算性能与其他算法相比均有所提高.     

分布式并行计算网络体系结构研究

随着网络用户的迅速扩展,利用网上资源构筑颁式并行计算环境进行中、大粒度任务的分布式并行计算这一课题已呈现出重要研究价值,本文分析了现有各类互连系统的本质特点,明确了构筑分布式并行网络和现有网络体制这间存在的主要矛盾,提出了一种新的分布式并行计算网络体系结构模型并讨论了实现中的关键问题。     

Automatic Parallelization: Executing Sequential Programs on a Task-Based Parallel Runtime

There are billions of lines of sequential code inside nowadays’ software which do not benefit from the parallelism available in modern multicore architectures. Automatically parallelizing sequential code, to promote an efficient use of the available parallelism, has been a research goal for some time now. This work proposes a new approach for achieving such goal. We created a new parallelizing compiler that analyses the read and write instructions, and control-flow modifications in programs to identify a set of dependencies between the instructions in the program. Afterwards, the compiler, based on the generated dependencies graph, rewrites and organizes the program in a task-oriented structure. Parallel tasks are composed by instructions that cannot be executed in parallel. A work-stealing-based parallel runtime is responsible for scheduling and managing the granularity of the generated tasks. Furthermore, a compile-time granularity control mechanism also avoids creating unnecessary data-structures. This work focuses on the Java language, but the techniques are general enough to be applied to other programming languages. We have evaluated our approach on 8 benchmark programs against OoOJava, achieving higher speedups. In some cases, values were close to those of a manual parallelization. The resulting parallel code also has the advantage of being readable and easily configured to improve further its performance manually.     

Parallel execution of Prolog with granularity control

This paper presents a system for parallel execution of Prolog supporting both independent conjunctive and disjunctive parallelism. The system is intended for distributed memory architecture and is composed of a set of workers with a hierarchical structure scheduler. The execution model has been designed in such a way that each worker's environment does not contain references to terms in other environments, thus reducing communication overhead. In order to guarantee the improvement of the performance by the parallelism exploitation, a granularity control has been introduced for each kind of parallelism. For conjunctive parallelism PDP applies a control based on the estimation provided by CASLOG. The features of the system allow to introduce this control without adding overhead. For disjunctive parallelism PDP controls granularity by applying a heuristic-based method, which can be adapted to other parallel Prolog systems. Different scheduling policies have also been tested. The system has been implemented on a transputer network and performance results show that it provides a high speedup for coarse grain parallel programs.     

基于网络的并行计算系统模型

随着Internet迅速发展,利用网上资源构筑分布式并行计算环境进行中、大粒度任务的分布式并行计算已呈现出重要研究价值。另外,Agent理论的日益成熟及多Agent系统MAS(Multi-Agent System)的出现,为开放式分布系统的开发和应用提供了新的模式。结合移动Agent在并行计算中的任务特性,对网络并行计算进行了抽象的分析和描述,然后给出了一个基于移动Agent计算的任务流模型实例。     

异构多核上支持OpenMP3.0的自适应任务粒度策略

任务粒度是决定任务并行程序性能的关键因素,鉴于不同应用其最优的任务粒度可能不同,提出一种异构多核Cell处理器上支持OpenMP3.0的自适应任务粒度策略.该策略首先广度生成任务,直到所有的线程达到饱和,之后若某个线程执行完自身任务而处于空闲状态时,通过回溯到忙碌线程的任务树中最早可以派生任务的结点处生成新任务,以供空闲线程窃取执行.该策略不仅保证生成的任务粒度最大化,并且有效地解决了负载不均衡问题.实验在一个Cell处理器上进行,结果表明与顺序执行速度相比,自适应任务粒度策略达到了4.1到7.2的加速比,并且该策略优于现有的Tascell和AdaptiveTC方案,同时对于绝大部分应用表现出了良好的可扩展行.     

Optimal granularity and scheme of parallel test generation in adistributed system

Client-Agent-Server model (CAS model) which can decrease the work load of the client by adding agent processors to the Client-Server model (CS model) is proposed and an approach to parallel test generation for logic circuits on the CAS model is presented. Two problems are considered: optimal granularity problem and optimal scheme problem. First, the problem of parallel test generation on the CAS model is formulated to analyze the effect of the granularity (grain size of target faults allocated to processors) in both cases of static and dynamic task allocation (optimal granularity problem). Then the relationship between the number of processors and the total processing time is analyzed (optimal scheme problem). From the analysis, it is shown that the CAS model can reduce the total processing time over the CS model and that there exists an optimal scheme (an optimal pair of numbers of agent processors and server processors) for the CAS model which minimizes the total processing time for a given number of processors. To corroborate the analysis, the proposed parallel test generation algorithm is implemented on a network of more than 100 workstations and experimental results for the ISCAS benchmark circuits are presented. It is shown that the experimental results are very close to the theoretical results which confirms the existence of optimal granularity and optimal scheme which minimizes the total processing time for the CAS model     

实时集群平台RTCSP的设计与实现

首先介绍了并行计算模型的粒度选择原则和任务分解要求,然后具体论述了实时集群平台RTCSP的任务分解,最后说明了集成该算法的集群平台RTCSP体系结构及并行模型。该RTCSP平台适合大多数时间/事件驱动的实时计算,可用于军事指挥控制等实时性要求较高的领域。     

高性能SAR成像程序的并行粒度选择技术

高性能并行仿真程序必须采用针对性的并行优化技术以获得高效的性能加速。而根据程序特性,确定适合的并行粒度是设计并行优化技术的基础。因此,以典型合成孔径雷达(SAR)成像程序--距离-多普勒(RD)程序为代表,研究了高性能SAR成像程序的并行粒度选择技术,重点针对并行粒度的基本准则和RD算法的并行粒度选择方法进行了研究。实验结果证明,经过并行粒度优化选择的SAR成像程序能够获得显著的性能提升,并且具有良好的可扩展性。