基于双向位图的CSR大规模图存储优化

大数据时代,Graph500是评测超级计算机处理数据密集型应用能力的重要工具,E级验证系统的图遍历处理能力主要受限于内存空间和访存带宽,尤其是内存空间利用率直接决定了图的测试规模和测试性能.针对天河E级验证系统小内存特征,提出了基于双向位图的大规模图数据压缩存储方法(bidirectional-bitmap based CSR,Bi-CSR),Bi-CSR在CSR矩阵压缩的基础上引入行方向位图和列方向位图协同完成稀疏矩阵压缩存储,行方向位图主要负责行方向位图的压缩存储与索引,列方向位图除了进一步压缩图存储空间,还负责为顶点遍历向量并行优化提供加速空间.Bi-CSR大幅度减少了稀疏矩阵存储空间.面向天河E级验证系统,当图输入规模为237时,Graph500的图存储空间节约效率接近70%,全系统稳定测试性能为2.131E+12TEPS,性能最大加速比超过100倍.     

基于堆外中子能谱测量的堆芯中子场反演方法

目前商用反应堆堆内采用的自给能探测器(Self-Powered Detector,SPD)可以实现堆芯中子通量分布的在线测量,但难以测量中子能谱。同时由于一些先进反应堆堆内服役环境更加恶劣,现有的堆内测量系统难以满足先进反应堆堆芯中子场在线测量的需求。本文提出了一种基于堆外中子能谱测量的堆芯中子场反演方法,通过正向中子输运计算构建堆芯相邻截断面之间的能谱响应矩阵,实现反应堆堆芯中子场的反演计算。通过采用两个简化的反应堆模型进行验证,其中对压力容器处反演的中子能谱与蒙特卡罗输运计算结果平均相对偏差约为14%,在外层燃料组件区域反演的中子能谱与蒙特卡罗输运计算结果平均相对偏差约为11%,初步验证了本方法的可行性。     

地理分层结构与社会关系的兴趣点推荐

随着基于地理位置的社交网络的兴起,兴趣点(POI)推荐引起了人们的许多关注。POI推荐向用户推荐他们可能感兴趣但没有访问过的地方,从而解决用户"下一步去哪"的问题。本文提出新的用户相似性度量、全局影响力以及热门POI的概念。综合考虑了多个影响因素之间的关系,以地理分层结构的矩阵分解模型(HGMF)为基础,提出新的POI推荐算法HGS-MF。在Yelp和Gowalla社交网络数据集上对HGS-MF进行了评估。实验结果表明,HGS-MF方法的实验表现均优于传统的POI推荐算法。     

极化SAR图像解译中的不相似性度量

不相似性度量常用来描述极化合成孔径雷达(SAR)样本数据之间的差异性,已被广泛应用于滤波、目标检测、分割分类和变化检测等多种极化SAR图像解译技术中。基于极化SAR数据的矩阵表达形式,从特征、统计分布、假设检验、信息论散度和信息几何等多角度出发,总结回顾了极化SAR图像解译问题中常见的不相似性度量,简要分析了其优势、存在的问题以及适用范围,并对极化SAR不相似性度量的研究趋势进行了展望。     

一种基于压缩感知的运动目标检测技术

运动目标检测是计算机视觉、图像处理等相关领域的研究热点，其核心就是对视频图像中的每一帧图像进行相应的研究和处理。本文主要研究思路是从压缩感知技术采样信号的角度出发，将每一帧的二维图像压缩采样成具有少量信息的一维信号，再通过信号重构用少量数据量将图像重构出来，最后通过目标检测技术对每一帧的图像进行运动目标提取。仿真实验表明该方法是可行和有效的，同时可以大大减少目标检测中所记录的数据量，解决海量数据的存储与传输问题。     

利用C语言求解方阵行列式及逆矩阵的探讨

行列式与逆矩阵是《线性代数》课程的重要内容之一。借助C语言实现了任意方阵行列式的计算与逆矩阵求解,算法设计完全从线性代数中行列式、逆矩阵相关概念与定理的内涵出发,综合运用C语言的基本知识与技巧,算法思维简洁、结构清晰。该程序的设计与实现,为深刻理解线性代数的基本概念与知识,提高学生的计算思维水平与编程能力提供了一种参考途径。     

一种超宽带多模喇叭的设计

采用模式匹配法结合优化算法，为新疆天文台110 m天线研制出一种工作频带为4~12 GHz的三倍频多模喇叭.该喇叭由225个圆波导台阶组成，除了加工制造易于实现之外，与常规多模喇叭以及波纹喇叭相比，最突出的优点是在超宽频带内具有等化的辐射方向图，非常适合用作超宽频带射电天文观测天线的高效率馈源或者用于其他需要超宽频带设计的天线.     

距离度量学习算法的精确性研究

距离度量学习是机器学习领域较为活跃的研究课题之一,文中利用UCI(加州大学欧文分校)数据库的数据对度量学习算法进行比较研究。为了寻找一种可靠的没有明确定义标志的算法,选择四种算法在UCI的六个数据集上对距离矩阵进行比较。每个样本数据集的性质(尺寸和维度)是不同的,因此算法的结果也不同。编码相似度算法在大多数情况下表现良好。在未来的实际应用领域,对于提高无标记数据和相似集的距离度量学习算法的精确性提供了研究基础。