基于ESCA系统的层次化显式访存机制研究

针对高性能混合计算系统中的存储墙问题,在分析其计算模式特点及传统访存机制局限性的基础上,提出适用于混合计算系统的层次化显式存储访问机制,并基于ESCA多核处理器系统进行实现和评测。实验结果显示,针对核心应用程序DGEMM,延迟隐藏能够占据整体运行时间的56%,并获得1.5倍的加速比,能弥补计算与存储访问间的速度差异,提高系统计算效率。     

Modeling Default Data Via an Interactive Hidden Markov Model

In this paper, we first introduce the use of an interactive hidden Markov model (IHMM) for modeling and analyzing default data in a sector. Under the IHMM, transitions of the hidden risk states of the sector depend on the observed number of bonds in the sector that default in the current time period. This incorporates the feedback effect of the number of defaults on the transitions of the hidden risk states. This feature seems to be more realistic and does not enjoy by the traditional HMMs. We then develop a “dynamic” version of the binomial expansion technique (BET) modulated by the IHMM for modeling the occurrence of defaults of bonds issued by firms in the same sector. Under the BET modulated by the IHMM, the number of bonds defaulting in each time period follows a Markov-modulated binomial distribution with the probability of defaulting of each bond depending on the states of the IHMM, which represent the hidden risk states of the sector. Efficient method will be presented for estimating the model parameters in the BET modulated by the IHMM. We shall compare the hidden risk state process extracted from the IHMM-modulated BET with that extracted from the BET modulated by HMM in order to illustrate the significance of the feedback effect using real data. We shall also present the estimation results for the BET modulated by the IHMM and compare them with those for the BET modulated by the HMM.     

软件交互行为的可信性分析与态势预测研究

研究现代分布式软件系统中交互实体的行为可信性问题,关注运行期意图、情景、行为和行为效应之间的关系,采用先进的统计机器学习工具分析行为踪迹规律,提出了一个新的软件行为分析与态势预测方法.针对松散聚合的交互实体间可能产生新的交互事件和行为模式的问题,本文用分层Dirichlet过程和无限隐Markov模型对被监测的交互接口数据进行聚类确定未知交互事件,用含有未知事件的序列进行行为模式的半监督学习,由管理者将其添加到规则与知识库中.在确定未知事件和行为模式时,用Beam抽样方法较其他方法(如Gibbs抽样)有更高的数据抽样和推理效率.当知识库的行为模式达到一定规模时,系统便可以无监督地对交互行为进行分析和预测.本文用HMM的Viterbi算法分析当前交互事件的最佳序列,从而确定当前交互行为的善恶,对恶意行为及时报警,对非恶意行为的后续趋势进行主动预测.通过仿真实验证实了该方法在软件行为分析与预测上具有独特的优势.     

基于权重信息挖掘社会网络中的隐含社团

社团结构是一种普遍存在于各类真实网络中的结构特性.挖掘网络的社团结构对于理解网络的功能与行为有着重要作用.然而,现有的各种社团挖掘算法仅仅基于网络拓扑结构信息,而忽视了蕴涵于真实社会网络边权信息中丰富的语义信息.目前普遍使用的基于模块性最大化的社团挖掘算法倾向于将小社团合并,这使得语义上丰富的小社团容易湮灭于基于拓扑结构信息所挖掘出的大社团中.而挖掘出这些隐含于大社团中的有着丰富语义内涵的小社团对于加深社会网络语义层面的理解有着重要作用.为此,提出一个接近线性复杂度的有权网络社团挖掘算法.通过充分利用权重信息,算法可以将社会网络划分为富含语义信息的粒度较细且相对较小的隐含社团.通过对基于DBLP作者合作网络的实证分析,证实了新算法的有效性和高效性.     

基于独立分量分析的隐蔽Web领域聚类

针对隐蔽Web主题领域自动识别问题,提出一种基于独立分量分析（ICA）的聚类算法。对查询页面进行页面文本抽取和预处理,利用TF-IDF公式计算权重并选择前N个权重最大的特征词构造文档矩阵,在使用潜在语义索引（LSI）进行特征重构的基础上通过ICA分解获得类别信息。利用LSI的词共现分析和文本降噪能力提高聚类准确率。实验表明聚类平均准确率达到90％以上。     

基于改进遗传算法和隐Markov模型的协议异常检测方法

针对现有基于隐Markov模型的协议异常检测方法中存在的训练样本不足问题和初始参数敏感问题,提出一种基于改进遗传算法和隐Markov模型的协议异常检测新方法。首先,采用局部竞争选择策略、算术交叉算子和自适应非均匀变异算子改进遗传算法,避免传统遗传算法在收敛过程中的“早熟”和“停滞”问题;然后,利用改进的遗传算法优化隐Markov模型的初始参数,解决模型对初始参数敏感的问题;最后,以协议关键词和关键词时间间隔作为训练观测值,细粒度的描述协议行为,扩大模型的训练样本空间。在DARPA 1999数据集上的实验结果表明,该方法具有很高的检测率和较低的误报率。     

成像光谱技术的古画隐藏信息提取

目的 古画隐藏信息是包含在画作中的一种微弱信息,对于文物鉴定与修复具有非常重要的意义,如何快速无损准确提取古画中微弱的隐藏信息是目前研究和应用的一大技术难题,本文利用高光谱成像技术快速无损提取古画隐藏信息。方法 对古画进行高光谱扫描成像,得到短波红外波段（1 000~2 500 nm）的高光谱立方体数据,联合多种光谱匹配技术分析古画中人物头冠颜料种类;利用主成分分析技术,提取古画头冠周围涂抹痕迹。结果 通过多种光谱匹配算法对颜料进行分析,确定了颜料种类,并对匹配算法进行了对比,结果表明在颜料混合的情况下,光谱匹配算法仍能够有效的识别出混合颜料的端元种类,光谱信息散度与光谱角的匹配算法SID_SA匹配精度可以达到0.096,相比其他匹配算法,效果最好;利用主成分分析技术分层剥离主要背景信息后,头冠周围位于画作底层的涂抹信息得到了加强,可以有效地区分背景颜料信息与涂抹信息,提取隐藏信息。结论 高光谱分析技术对古画隐藏信息的提取有很好地识别效果,能够准确提取绘画颜料种类,发现绘画过程中的涂抹等痕迹,特别适用于混合颜料的种类识别与画作底层信息提取,发掘画作隐藏信息,为文物保护修复与鉴定提供支持。     

隐马尔可夫模型下视频手写签名认证算法研究

为了提高视频手写签名认证的准确率,确保身份认证的严谨性,需要对隐马尔可夫(Hidden Markov Models,HMM)模型下视频手写签名认证算法进行改进设计;使用当前算法对视频手写签名进行认证时,存在认证判断误差大、效率低的问题;提出基于HMM模型下视频手写签名认证算法;该算法将使用Wacom手写板采集手写签名特征点及压力数据,对采集到的手写签名特征与压力数据进行预处理,消除采集过程中环境和手写板产生的影响,并且规范采集的视频手写签名特征位置、尺寸,提取手写签名特征与压力数据,再以HMM模型对已提取的视频手写签名特征点与压力数据进行认证与计算,确定签名的真实度;实验仿真证明,所提算法提高了视频签名认证的性能。     

基于翻译规则的统计机器翻译

扩展HMM模型可以解决词语对齐结果与句法约束冲突,从而更好地进行词语对齐。在短语对齐基础上利 用目标语言的短语结构树抽取翻译规则。采用扩展CYK算法CYKA+作为系统的解码器,该算法可以处理非乔姆 斯基范式的翻译规则;采用两轮解码算法在解码过程中整合语言模型。实验表明,与传统词语对齐模型相比,改进的 HMM词语对齐模型具有更高的对齐准确率,并且翻译结果的BLEU评测得分更高。采用翻译规则的系统在不同数 据集上具有更稳定的翻译结果。两轮解码算法与立方剪枝算法具有相近的解码质量,但前者解码速度更快。     

基于书写摩擦力的签名识别方法

由于动态测量坐标系的存在, 使得数字笔在不同的握笔姿态下, 引起书写平面内摩擦力的分解不同. 由此本文提出采用书写摩擦力进行在线签名识别. 该方法将摩擦力的方向在直角坐标系内进行特征量表示, 并与三维书写力的大小相结合, 实现概率值和距离测度信度级的融合. 在进行真假签名的判别中, 加入快速剔除的方法, 进行两级判别, 以提高识别效率. 实验结果表明, 基于签名书写力大小和方向特征的融合识别方法互相补充, 相对于单个方法具有更高的识别率, 系统性能得到显著改善.