纵横加工向量机的原理及应用

本文讨论以中小规模集成电路为基础的巨型机。文中从分析伊里阿克Ⅳ的主要问题入手,特别是对于不能直接使用大容量中速主存和使用很不方便等严重缺点,进行一系列的彻底改造,结果得到了“纵横加工向量机”。“纵横加工向量机”分别克服了和部分地克服了伊里阿克Ⅳ的不能直接使用大容量主存储、使用很不方便、器材费、效率低和有效应用范围窄等严重缺点。本文介绍了纵横加工向量机的原理,实现的等价性,存在问题和解决办法。还讨论了纵横加工向量机具有横向加工的优点。这点使它比通常的纵向加工向量机(例如STAR-100),对存储系统供数能力的要求,降低了三倍以上。不仅可以节省器材,而且增加了研制××次×型机的现实性。在最后简要结论中,还指出了它的实际应用。     

通用细胞结构巨型机——虚共存细胞结构纵横加工向量机(所谓“微处理机”组合巨型机的一种有效算法和结构)

本文讨论新型通用巨型机——“共存细胞结构纵横加工向量机”的进一步发展:另一种“通用虚共存细胞结构纵横加工向量机”,其子系统与多维阵列机等价。本文从中小规模集成电路为基础的纵横加工向量机(m×n_p 型)为出发点,简略介绍了由于“超大规模集成电路”的物质基础的发展趋势而引入的共存细胞结构纵横加工向量机(m×n型,m×n_p 型),是一类具有“多数据流”和“多指令流”两种并行方式的新型向量机。在此基础上,为了大幅度提高解题速度的需要,也就是,大幅度扩大台数的需要,本文重点介绍一种新型巨型机,可以多达成千上万个细胞单元的“虚共存加共存”式的细胞结构纵横加工向量机,并讨论了它的一个子系统与多维阵列机的等价性。从另一角度说,本文提出一类用成千上万台“微处理机”(更准确地说是“细胞单元”)构成的巨型机系统的使用方法。本文还讨论了这类新型巨型机系统的话言,主要算法,对应的主要指令,细胞单元的主要功能,以及“共存”、同步、数据传输联线组数与传输步数等问题。     

纵横加工向量机的交叉问题及其解决

本文从“单指令流——单数据流”计算机上的“标准高级语言向量扩充语言”上的“交叉”问题的解决方法:“语句限制”出发,讨论了通常向量机(纵向加工)及“纵横加工向量机”中的交叉问题及其处理办法。     

纵横加工流水线向量机的交叉问题及其解决

本文从单指令流-单数据流计算机上的“标准高级语言向量扩充语言”上的“交叉”问题的解决方法,“语句限制”出发,讨论了通常向量机(纵向加工)及纵横加工流水线向量机中的交叉问题及其处理办法。     

细胞结构纵横加工向量机

本文讨论一般向量机及纵横加工向量机的细胞结构化的可能性。随着器件的飞速发展,细胞结构巨型机成为巨型机重要方向。多处理机、阵列机、关联阵列机的细胞结构化是显然的;而向量机,一种比较受欢迎的巨型机,语言可在标准语言基础上扩充,使用与习惯较接近,效率比较高的巨型机,能否细胞结构化?本文给出了构造性的肯定回答。本文介绍了标准语言向量扩充和纵横加工向量机。在此基础上讨论了细胞结构向量机及细胞结构纵横加工向量机。最后简略讨论其优点及细胞单元数目有限的局限性(例如N≤64)。     

757向量计算机的体系结构

本文概述了“757”向量机的体系结构,主要性能指标,技术条件及其结构特点。从硬件结构设计的角度,着重论述了如何充分发挥向量机纵横加工这一特点,克服流水线机器的致命障碍——相关;如何处理好向量机三控之间的速度匹配,特别是处理好高速的中央处理机与低速的磁心存储器之问的供求矛盾。     

通用细胞结构巨型机——虚共存细胞结构纵横加工向量机

本文从中小规模集成电路为基础的纵横加工向量机(m×n_p型)出发,简略地介绍了由于“超大规模集成电路”的发展趋势而引入的共存细胞结构纵横加工向量机(m×n型,m×n_p型)。 在此基础上,为了用大幅度扩大台数的办法来大幅度提高解题速度,本文重点介绍一种新型通用巨型机,即可以多达成千上万个细胞单元的“虚共存加共存”式的细胞结构纵横加工向量机。它提出了所谓用“微处理机”组合巨型机的一种有效算法和结构,其子系统与多维阵列机等价。本系统可构成一个规模大小不同的组合机系列,如进一步简化,也可以成阵列部件系列。 本文还讨论了这类新型巨型机的语言,主要算法,对应的主要指令,细胞单元的主要功能,以及“共存”、同步、数据传输等问题。 本系统具有如下特点:从物理结构的观点看,它接近于多维阵列机,且是分散存储;但从功能的角度(即用户的角度)看,它是向量机,且是集中、公共存储。     

两种不确定支持向量机分类性能的对比研究

为了克服支持向量机方法对于噪声或孤立野值点敏感的问题,通过引入模糊理论与粗糙集方法,可以分别得到两种不确定支持向量机模型.文中通过分析和比较模糊支持向量机和粗糙支持向量机分类模型构造方法,解释了这两种不确定支持向量机模型克服噪声影响的原理.同时通过一个合成数据集和一组标准数据集对这两种不确定支持向量机的泛化性能进行了对比验证.实验结果表明,相比传统支持向量机,两种不确定支持向量机都能不同程度地提高分类精度,并且模糊支持向量机算法整体表现出了更好的泛化性能.     

虚共存细胞结构纵横加工向量机上向量无冲突存取方法

本文讨论虚共存细胞结构纵横加工向量机上无冲突的向量位移的有关性质,在此基础上对各种无位移冲突的向量的自动访问和对压缩、还原、扇出、复置等特殊的向量处理给出了实现的具体方法,并给出了用于N~(1/2)×N~(1/2)方块向量的高效并行算法的数据调度方法。文中提出的方法位移步数少,控制信息需要的计算量小,从而使虚共存机面向的主要数据调度能高效实现。     

并行算法简介

纵横加工流水线机不同于通常概念的流水线机。为了能够发挥纵横加工流水线的结构特点,需要给出与之相适应的并行算法。文中引入纵横加工并行算法的概念,并对若干典型计算问题给出了并行计算格式。对于所述并行计算格式的可用性,均附以简单结论。     

不平衡支持向量机的惩罚因子选择方法

支持向量机在处理不平衡数据集时常常不能取得良好的效果,而基于不同惩罚因子的不平衡支持向量机能够较好地处理这个问题。阐述了支持向量机在不平衡数据集上失效的原因,讨论了不平衡支持向量机的求解算法,提出了一种根据数据集分布的平均密度直接选取惩罚因子的方法,以减少传统交叉验证方法选取参数所需的时间。实验表明,与其他方法相比,这种平均密度方法能够有效提高不平衡支持向量机在不平衡数据集上的识别效果。     

解线性代数方程组的一个高效并行算法

在阵列机或细胞结构向量机上用高斯消去法求解线性代数方程组的基本操作是进行大量的行向量变换。若并行处理机台数S远超过方程组的阶数N,则因在行变换时至少有S-N台处理机不工作而造成系统效率极低。本文提出一种可以在“虚共存细胞结构纵横加工向量机”(以下简称“虚共存机系统”)上实现的高效并行算法,使系统效率大大提高。     

直接执行高级向量语言计算机

本文探讨直接执行高级向量语言计算机的现实性,并讨论一类有利于这种现实性的计算机——向量机对高级语言的直接执行。 随着器件的飞速发展,不久将来,从计算器开始,部分的微处理机、小型机、中型机、甚至将来的部分大型机,会逐渐出现“剩余速度”和“剩余器材”。而这些速度和器材的“剩余”,对某些计算机来说,会逐渐被转移到用来提高系统软件的生产能力。本文认为这里讨论的直接执行高级向量语言的向量机可能最有希望被提前实现。     

向量自动位移原理和自动位移迭代原理

本文介绍虚共存细胞结构纵横加工向量机的一种互连网络,在此网络上建立了向量自动位移原理,给出了向量位移无冲突的充分必要条件。为了解决位移冲突这一困难问题,本文进一步提出了向量自动位移迭代原理。最后对均匀分布的随机地址向量的位移迭代次数给出了概率估算和数值模拟的结果。     

快速原空间孪生支持向量回归算法

孪生支持向量回归(TSVR)通过快速优化一对较小规模的支持向量机问题获得回归函数。文中提出在原始输入空间中采用Newton法直接优化TSVR的目标函数,从而有效克服TSVR通过对偶二次规划问题求得近似最优解导致性能上的损失。数值模拟实验表明该方法不仅能提高TSVR的性能,并且可降低学习时间。     

多分类孪生支持向量机研究进展

孪生支持向量机因其简单的模型、快速的训练速度和优秀的性能而受到广泛关注.该算法最初是为解决二分类问题而提出的,不能直接用于解决现实生活中普遍存在的多分类问题.近来,学者们致力于将二分类孪生支持向量机扩展为多分类方法并提出了多种多分类孪生支持向量机.多分类孪生支持向量机的研究已经取得了一定的进展.本文主要工作是回顾多分类孪生支持向量机的发展,对多分类孪生支持向量机进行合理归类,分析各个类型的多分类孪生支持向量机的理论和几何意义.本文以多分类孪生支持向量机的子分类器组织结构为依据,将多分类孪生支持向量机分为：基于“一对多”策略的多分类孪生支持向量机、基于“一对一”策略的多分类孪生支持向量机、基于“一对一对余”策略的多分类孪生支持向量机、基于二叉树结构的多分类孪生支持向量机和基于“多对一”策略的多分类孪生支持向量机.基于有向无环图的多分类孪生支持向量机训练过程与基于“一对一”策略的多分类孪生支持向量机类似,但是其决策方式有其特殊的优缺点,因此本文将其也独立为一类.本文分析和总结了这六种类型的多分类孪生支持向量机的算法思想、理论基础.此外,还通过实验对比了分类性能.本文工作为各种多分类孪生支持向量机之间建立了联系比较,使得初学者能够快速理解不同多分类孪生支持向量机之间的本质区别,也对实际应用中选取合适的多分类孪生支持向量机起到一定的指导作用.     

基于身份签名的认证方案在WEP协议中的应用

分析了WEP协议,指出了WLAN安全机制的最终隐患是初始向量IV未经认证。针对初始向量IV提出一种基于身份签名的认证方案。该方案使用NAI（Network Access Identifier）作为用户公钥,简化了无线环境中的密钥管理问题,有效地解决了对初始向量IV的认证问题。安全性分析表明,该方案能在不改变对现有设施要求的前提下保证初始向量的机密性和不可否认性,能抗FMS分析方法、抗密钥流重复使用和已知明文攻击。     

基于边界近邻的最小二乘支持向量机实现

最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量即采用二次规划方法解决模式识别问题,能够有效地减少计算的复杂性。但最小二乘支持向量机失去了对支持向量的稀疏性。文中提出了一种基于边界近邻的最小二乘支持向量机,采用寻找边界近邻的方法对训练样本进行修剪,以减少了支持向量的数目。将边界近邻最小二乘支持向量机用来解决由1-a-r(one-against-rest)方法构造的支持向量机分类问题,有效地克服了用1-a-r(one-against-rest)方法构造的支持向量机分类器训练速度慢、计算资源需求比较大、存在拒分区域等缺点。实验结果表明,采用边界近邻最小二乘支持向量机分类器,识别精度和识别速度都得到了提高。     

基于无监督聚类的约简支撑向量机

为解决标准支撑向量机算法所面临的巨大的计算量问题,Lee和Mangasarian提出了约简支撑向量机算法;但他们选取的“支撑向量”是从训练样本里面任意选的,其分类结果受随机性影响比较大。该文利用简单的无监督聚类算法,在样本空间中选取了一些具有较强代表性的样本作为“支撑向量”,再运用约简支撑向量机算法,有效地减少了运算量。实验验证文中方法可以用较少的“支撑向量”来得到较高的识别率,同时运行时间也大大缩短。     

基于边界近邻的最小二乘支持向量机实现

最小二乘支持向量机采用最小二乘线性系统代替传统的支持向量即采用二次规划方法解决模式识别问题,能够有效地减少计算的复杂性.但最小二乘支持向量机失去了对支持向量的稀疏性.文中提出了一种基于边界近邻的最小二乘支持向量机,采用寻找边界近邻的方法对训练样本进行修剪,以减少了支持向量的数目.将边界近邻最小二乘支持向量机用来解决由1-a-r(one-against-rest)方法构造的支持向量机分类问题,有效地克服了用1-a-r(one-against-rest)方法构造的支持向量机分类器训练速度慢、计算资源需求比较大、存在拒分区域等缺点.实验结果表明,采用边界近邻最小二乘支持向量机分类器,识别精度和识别速度都得到了提高.