循环扭曲技术的再认识

本文对Ｗｏｌｆｅ８６年提出的循环扭曲转换技术进行了重新认识。通过引入相关距离矩阵和相关方向矩阵概念，给出了扭曲变换多重紧嵌套循环的一般化方法。然后分析了循环扭曲对并行性和数据局部性的影响，最后讨论了它和其它转换技术之间的相互关系。     

一种梯度方向直方图的人耳识别方法

为了提高多姿态人耳的识别准确率,提出了一种结合梯度方向直方图（H（）G）特征和监督保局投影的人耳识别方法．人耳图像被划分成重叠的子区域,在每个子区域中计算局部HOG特征．所有的局部HOG特征构造成包含丰富信息的高维向量,高维向量映射到流形空间利用监督保局投影进行鉴别分析,获得强鉴别力的特征．利用最小欧氏分类器进行分类识别．结果表明,本文方法提高了大姿态人耳的识别率．稀疏的子区域表示和局部HOG特征能在一定程度上克服姿态变化造成的对齐误差,对角度变化有很好的鲁棒性．     

基于Web和VR技术的动态实时异地协同设计系统

在分析异地协同设计面临问题的基础上，提出了适应目前网络条件的解决方案。通过集成VRML、Java等开放标准和技术，实现了低成本的基于Web和VR(虚拟现实)的异地协同设计，直观、准确、迅速地共享、传输、重用异地分布的设计信息，并使设计结果实时可视化，提高了异地协同设计的效率与质量。     

基于改进DHT算法的分布式资源发现模型的研究*

为了解决大型分布式系统由集中管理导致的扩展性和鲁棒性差的问题,利用改进的结构化对等网组织分布式计算资源,构造一个SRDM（scalable resource discovery model,可扩展资源发现模型）。SRDM将逻辑空间中的节点分为主机节点和资源节点。主机节点对应分布式环境中的计算节点,用于存储peer关联信息,通过相容性hash映射到逻辑空间上;资源节点对应分布式环境中资源属性信息,其与逻辑空间的映射通过分段hash再合并的方法得到。通过对属性值采用位置保留hash方法,使改进后的DHT算法支持有效的资源节点范围查询和多属性范围查询。最后通过实验证明,基于改进DHT算法的资源发现方法比集中式的方法有更好的扩展性,更适用于大规模分布式系统下的资源发现。     

一种 新的Cache优化方法—部分Cache局部性方法

Ｃａｃｈｅ的性能优化在高性能计算中起着非常重要的作用。传统的Ｃａｃｈｅ优化方法存在着一些缺陷。本文分析ＲＩＳＣ处理器的特点的基础 上，提出了“部分ｃａｃｈｅ方法。实践表明，该方法有很好的优化效果，且易实于实现。     

Cacheap: Portable and Collaborative I/O Optimization for Graph Processing

Journal of Computer Science and Technology - Increasingly there is a need to process graphs that are larger than the available memory on today’s machines. Many systems have been developed...     

非局部约束下的局部稀疏保持投影及其在故障检测中的应用

局部保持投影,保持数据的邻域关系,已成功应用于过程监测.然而,局部保持投影忽略了非局部结构信息,不能保证远距离样本之间的关系.最近提出的局部保持稀疏模型,利用稀疏编码获得一组超完备基,较好地表征原始数据的内在结构特征.鉴于稀疏编码能够较好地实现过程数据的局部稀疏表示,提出了非局部约束下的局部稀疏保持投影方法.首先,利用稀疏编码获取表征全局结构信息的稀疏码;其次,在非局部关系约束下保持局部结构特征,估计出不同稀疏码的概率密度,赋以相应权重,以便突出其对故障的贡献度;然后,融合过程状态信息构建合成统计量指标实施故障检测;最后,将提出的方法用于数值系统和TE化工过程仿真验证,并与现有的几种模型进行对比,结果表明了该方法的优越性.     

融合LSH和LoG特征的人脸识别

为了解决人脸识别率受光照变化影响较大的问题,提出一种局部敏感直方图（LSH）和高斯-拉普拉斯（LoG）特征相结合的人脸识别方法。首先,提取人脸图像中的LSH光照不变特征以及LoG边缘细节特征,然后通过计算各特征的标准差确定自适应融合权重,将其进行特征级融合来弥补单一使用LSH特征带来的细节损失,并以此构建更为有效的人脸特征样本集,最后使用稀疏表示算法对样本进行分类识别。在PIE和AR人脸库上的实验表明,所提方法能很好地处理光照问题,而且在训练样本较少的情况下,依然能获得较高的识别率。     

基于TLSHOG特征新方法的动态手势识别

为了提高实际复杂场景的人机交互中动态手势识别的准确性和实时性,提出了一种时序局部敏感直方图（Temporal Locality Sensitive Histograms of Oriented Gradients,TLSHOG）特征新方法,用于描述手势运动的时序变化和空间姿态,实现了快速而精确的动态手势识别。采用普通网络摄像头获取手部的二维图像序列作为训练样本,然后构造单帧图像特征描述手部的空间姿态,并结合时间金字塔（Temporal Pyramid,TP）来描述手势运动轨迹的时空特征,运用多维支持向量机（Support Vector Machine,SVM）算法进行模型训练,对测试样本中的多种手势进行精确的分类。实验结果表明,该方法准确度高,实时性好,对于复杂背景干扰、光照强度变化有较强的鲁棒性。     

一种Spark集群下的shuffle优化机制

Spark是基于内存的分布式数据处理框架,其shuffle过程中大量数据需要通过网络传输,已成为Spark最主要的瓶颈之一。针对shuffle过程中存在的数据分布不均造成不同节点网络I/O负载不均的问题,设计了基于task本地性等级的重启策略,进一步提出了均衡的调度策略来平衡各节点的网络I/O负载。最后通过实验验证了优化机制能够减少计算任务的执行时间,提升整个shuffle过程的执行效率。