时序电路逻辑初始化问题研究

讨论同步时序电路初始化问题,提出了一种基于电路存储元件逻辑定级和可控性分析的同步时序电路逻辑初始化方法。同时也给出了针对ISCAS89电路的一些实验结果。     

Experience with Applying Formal Methods to Protocol Specification and System Architecture

In the last three years or so we at Enterprise Platforms Group at Intel Corporation have been applying formal methods to various problems that arose during the process of defining platform architectures for Intel's processor families. In this paper we give an overview of some of the problems we have worked on, the results we have obtained, and the lessons we have learned. The last topic is addressed mainly from the perspective of platform architects.     

Using the genetic algorithm to enhance nonnegative matrix factorization initialization

Nonnegative matrix factorization (NMF) algorithms have been utilized in a wide range of real applications; however, the performance of NMF is highly dependent on three factors including: (1) choosing a problem dependent cost function; (2) using an effective initialization method to start the updating procedure from a near‐optimal point; and (3) determining the rank of factorized matrices prior to decomposition. Due to the nonconvex nature of the NMF cost function, finding an analytical‐based optimal solution is impossible. This paper is aimed at proposing an efficient initialization method to modify the NMF performance. To widely explore the search space for initializing the factorized matrices in NMF, the island genetic algorithm (IGA) is employed as a diverse multiagent search scheme. To adapt IGA for NMF initialization, we present a specific mutation operator. To assess how the proposed IGA initialization method efficiently enhances NMF performance, we have implemented state‐of‐the‐art initialization methods and applied to the Japanese Female Facial Expression dataset to recognize the facial expression states. Experimental results demonstrate the superiority of the proposed approach to the compared methods in terms of relative error and fast convergence.     

基于Blowfish和MD5的混合加密方案*

针对Blowfish算法在实际应用中存在的等价密钥、重复初始化等问题,提出Blowfish与MD5算法相结合,将MD5算法的生成值作为密钥的一部分对Blowfish算法进行初始化,使用概率统计方法证明该方案弥补了Blowfish算法的实际应用缺陷。计算结果表明,混合加密方案具有更高的安全性、更快的速度。     

封装板式冰蓄冷系统蓄能模糊建模与分析

针对冰蓄冷系统蓄能的非线性特性,将自适应神经网络应用于封装板式圆罐型蓄冰装置的蓄能初始化和释冷出口温度实时运行的模糊建模,进行了冰蓄冷系统蓄冷量的模糊建模,确定了实验影响因素载冷剂进口温度、载冷剂流速、蓄冷时间的隶属度函数和模糊推理规则.运用减法聚类法和网格法对模型进行初始化训练与运行对比,使蓄冷系统能够跟踪负荷情况.通过调控影响因素的参数,可以更合理地初始化设定蓄冷阶段的蓄冷量.利用该建模程序进行实时释冷出口温度模糊建模策略验证,模型运行平稳.冰蓄冷装置蓄能模糊控制性能的优化保证了蓄冷量与负荷相匹配,实时输出释冷出口温度,进而达到冰蓄冷空调系统优化及经济运行的目标.     

稳定的K-多均值聚类算法

指定K个聚类的多均值聚类算法在K-均值算法的基础上设置了多个次类,以改善K-均值算法在非凸数据集上的劣势,并将多均值聚类问题形式化为优化问题,可以得到更优的聚类效果。但是该算法对初始原型敏感,且随机选取原型的方式使聚类结果不稳定。针对上述问题,提出一种稳定的K-多均值聚类算法,并对该算法的复杂度与收敛性进行了简要讨论。该算法先基于数据样本的最邻近关系构造图,根据图的连通分支将数据分为若干组,取每组数据的均值点作为初始原型,再用交替迭代的方法对优化问题进行求解,得到最后的聚类结果。在人工数据集和真实数据集上的实验表明,该算法具有更稳定更优越的聚类效果。     

彩色图像分割的FCM初始化方法

针对传统模糊C-均值聚类方法所存在的过度依赖初始聚类中心、计算复杂度高等问题,提出一种新的FCM初始化方法.首先,使用维纳滤波分别对图像的R、G、B分量进行预处理,待转换为LAB色彩空间后,通过二次分水岭方法获取图像的封闭区域,并计算各区域的质心;其次,利用自适应无监督的方法对质心进行筛选和合并,将合并结果作为FCM的初始聚类中心;最后,使用FCM方法进行分割.实验结果表明,该方法不仅能够获得较准确的聚类中心,减少了迭代次数和运算时间,而且能够更好地实现图像的准确分割.     

一种新颖的快速水平集初始化方法

水平集方法是偏微分图像分析的一个重要的数值方法,其最大的问题是计算量大,速度缓慢,特别是需要频繁的初始化。针对这个问题进行深入研究,提出了基于数学形态学的水平集初始化方法。形态学方法分为平滑和重建两个步骤,利用基本的开、闭和膨胀运算来分别平滑数值不精确的距离函数和重建窄带。新的方法不仅具有很高的效率,而且可以适应各种拓扑变化,完全可以替代常规方法,运用于数字图像的实时处理中。     

深析C语言中的指针

指针是C语言的精华部分,也是C语言学习的重点和难点,正确而灵活地应用指针是学习C语言中最重要的环节,也是我们掌握C语言的一个标志。该文从指针的概念、运算、初始化以及与数组和函数的关系五个方面对C语言指针进行了分析和探讨。     

BK-means:骨架初始解K-means

K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果。骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义。给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇。利用骨架簇构造骨架初始解及新的搜索空间。最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果。在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力。