大学计算机基础课程考核办法研究

分析新形势下大学计算机基础课程培养目标、特点及考核办法存在的不足,提出为了达到课程培养目标,应对课程的考核办法进行改革,通过修订考核内容和革新考核方式,培养学生的计算思维和创新思维,使学生具备较强的计算能力。     

采集系统中存储技术的研究

随着光纤技术在嵌入式领域中的应用,通信数据量不断增加,高速采集网络上的数据并正确地存储到磁盘上已成为整个系统的瓶颈。本文从系统基本功能模块出发结合生产者/消费者(Producer-Consumer)模型,对多线程并发、直接读写扇区、异步I/O等技术在系统中的应用进行分析;对系统模型进行抽象,用数学方法对系统进行可行性分析。实验表明,数据采集系统中采用多线程多缓冲的方式在性能上有一定的提高。     

Compressed Sensing Projection and Compound Regularizer Reconstruction for Hyperspectral Images

压缩感知理论提供了一种新的数据获取和压缩思路,能有效地把计算负担从编码端转移到解码端.高光谱数据具备数据稀疏性、空间相关性和谱间相关性,结合这3类先验知识,提出了一种基于复合正则化的高光谱图像压缩感知投影与重构方法.该方法的编码端只需要一个简单的投影操作;在重构算法实现中,基于变量分裂的思想,把具备多个正则项的优化问题转化成多个简单的优化问题,并用迭代方式求解.实验结果表明,本文算法在高光谱图像重构上能获得更高的峰值信噪比和更好的重构效果.该方法具备极低的编码复杂度,适用于资源受限的机载和星载高光谱成像平台.     

单参数控制的数字DC-DC变换器设计及其FPGA实现

传统的数字DC-DC变换器采用多参数控制方法,因而增加了控制器设计的复杂度和硬件开销;一种单参数控制的数字变换器控制方法被提出,其数字补偿器由一个乘法查找表和一个加法器构成,使得执行数字控制律的逻辑电路得到显著简化;在分析了控制参数对变换器性能的影响后,提出了获得系统最佳瞬态性能的设计条件;基于所提的单参数控制方法,完成了数字Buck变换器的FPGA实现,测试结果表明:在1MHz的开关频率下,对于1.8V的输出电压,电压纹波律小于1%,电压调整率为6mV/V,负载调节律为8mV/A;负载电流为0.3A时,转换效率高达91.9%。     

预测帧编码中基于场景信息的宏块模式跳过算法*

在对场景信息进行分析的基础上,提出了H.264/AVC中预测帧的一种快速算法.对于未发生场景切换的预测帧,采用INTRA模式跳过算法(IMSA),跳过该帧中所有的INTRA模式的决策过程.对于发生场景切换的预测帧,跳过INTER模式的决策过程(PMSA).仿真结果显示,与采用完整的率失真优化(RDO)决策过程相比,未发生场景切换时,所提方法能减少30%～60%的编码时间;发生场景切换时,能减少60%～70%的编码时间,并且未导致明显的图像质量下降和码率的增加.     

压缩感知及其图像处理应用研究进展与展望

压缩感知理论（Compressed sensing,CS）通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合. 阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.     

基于信息流动分析的动态社区发现方法

随着社交网络和微博等互联网应用的逐渐流行,其用户规模在迅速膨胀.在这些大规模网络中,社区发现可以为个性化服务推荐和产品推广提供重要依据.不同于传统的网络,这些新型网络的节点之间除了拓扑结构外,还进行频繁的信息交互.信息流动使得这些网络具有方向性和动态性等特征.传统的社区发现方法由于没有考虑到这些新的特征,并不适用于这些新型网络.在传染病动力学理论的基础上,从节点间信息流动的角度,提出一种动态社区发现方法.该方法通过对信息流动的分析来发现联系紧密、兴趣相近的节点集合,以实现动态的社区发现.在真实数据集上的实验结果表明：相对于传统的社区发现方法,所提出的方法能够更准确地发现社区,并且更能体现网络中社区的动态变化.     

基于属性约简的MPI运行时参数优化

目前MPI实现提供上百种可供调整的运行时参数,但默认的运行时参数不能发挥程序应有的性能。为了给应用程序提供接近最优的运行时参数,本文提出基于粗糙集理论中的属性约简建立优化模型。首先通过属性约简方法为不同基准程序产生参数组合值,再根据未知应用程序的程序特征通过所建立的优化模型为其预测参数值。实验表明,该方法可以有效地为未知应用程序预测参数值,并且比使用默认参数程序性能提升约20%。     

图表示学习方法研究综述

针对图表示方法的相关解析任务进行了研究,从形式化定义出发,首先以不同核心技术作为分类标准将图表示学习方法划分为五大类,其包括基于降维解析、矩阵分解、随机游走、深度学习和其他表示学习方法。其次通过归纳与对比分析梳理各类技术发展脉络,进而深层次展现各类图表示方法的优劣。随后结合图表示学习的常用数据集、评估方法和应用领域的归纳分析,展开动态性、可扩展性、可解释性和可解析性的四维剖析。最后总结并展望了图表示学习的未来研究趋势与发展方向。     

基于APIC的高精度定时器设计

在操作系统开发过程中需要一定精度的计时器支持。在Windows实时扩展改造过程中,针对原有定时精度低和波动较大的问题,提出一种基于高级可编程中断控制器(APIC)的高精度定时器设计方案。利用CPU片上结构APIC的计数寄存器编程,构建高精度时钟。运用内核驱动建立内核调度管理,通过内存映射提高用户态到内核态的数据传输速度,保证实时性能。利用DLL提供一组和内核交互的定时器接口供用户使用。实验结果表明,该方案有效解决了定时精度和稳定性问题,构造的定时器性能稳定,具有良好的实用性。