基于Lua的Linux内核测试工具开发

为减小传统的通过编写大量代码来调用Linux内核及驱动接口进行测试的编程难度,缩短测试周期,采用将Lua脚本语言载入Linux内核并使用脚本语言进行内核及驱动测试的方法,设计并实现一种简易Linux内核驱动测试工具。实验结果表明,该工具所占用的Linux内核空间小,使用灵活方便,可对内核及驱动模块进行准确有效的测试。     

用户态驱动框架的研究与实现

在深入研究了Linux操作系统驱动模型的基础上,设计和实现了一种全新的用户态驱动框架U2MDF（Unified User-Mode Driver Framework）。U2MDF的核心思想是将传统的设备驱动分成内核态驱动模块和用户态驱动模块两部分,内核态驱动模块包含与性能密切相关的热点代码,如中断处理函数等;用户态驱动部分包含与性能无关的冷点代码,如设备的初始化等。以RTL8139网络设备为例,实现了U2MDF的原型系统,实验结果证明,U2MDF在满足实际应用对性能要求的前提下,有效地减少了运行在内核态的驱动代码,基本上实现了驱动和内核的隔离,最终达到了提高操作系统整体可靠性的目的。     

基于AX88796的嵌入式网络设备驱动程序设计

论述了嵌人式Linux网络设备驱动程序的体系结构,即:协议接口层、网络设备接口层、设备驱动功能层、网络设备和网络媒介层;介绍了$3C2410X处理器与以太网控制器AX88796的接口设计;阐明了AX88796网络设备驱动程序设计方法.嵌入式Linux网络设备驱动程序有内核加载和模块加载两种形式,本网络设备驱动程序采用了基于模块加载网络驱动程序的设计方法,通过模块加载insmod命令将网络设备驱动程序插入到内核之中.所设计的驱动程序加载方便、运行可靠.     

基于Netfilter的DNS实时监控统计系统的设计*

分析当前DNS系统安全在服务监控统计方面的进展及问题,设计一种基于Netfilter的多层次构架实时监控统计系统DRMSS。其利用Netfilter在Linux内核空间实现DNS数据的实时过滤与解析,开发misc文件设备驱动模块以提供内核空间与用户空间之间内存映射,并结合读写同步算法,实现两种空间之间数据的快速交换。实验表明,DRMSS显著提高了域名监控统计的服务性能,增强了域名服务的安全性。     

SEP6200平台上Linux内核的USB OTG驱动设计

为了满足两个USB设备之间直接进行数据通信的需求,通过对现有USB OTG协议和相关应用的研究,在国产SoC芯片SEP6200平台上设计并实现了基于Linux内核的USB OTG模块驱动。首先介绍了OTG标准中的对话请求协议(SRP)和主机交换协议(HNP),然后制定并设计了基于USB控制芯片USB3343的硬件模块方案,最后根据Linux内核中已有的USB驱动架构完成了USB OTG设备驱动的设计,并最终实现了SEP6200嵌入式平台USB Host和De-vice角色的自由转换功能。     

面向可重构控制器实时中间件的设计与实现

可重构控制器的出现要求系统软件模块不但要满足性能和精度要求,还应具有模块化、可集成、可重用等特性.如果将实时中间件引入到控制器的设计中,由中间件管理模块间的交互,可实现控制器的可重构.建立基于RTLinux和实时CORBA的实时中间件平台,需要将CORBA引入RTLinux实时内核空间.该文给出了RTLinux实时内核中的实时CORBA和minimum CORBA实现RTCK的设计,并基于RTLinux MBuff共享内存驱动和实时FIFO设计和实现了GIOP通信协议,最后给出了RTCK与TAO的延迟抖动测试结果并做了相关的分析.     

VHDL语言设计可综合的微处理器内核*

详细介绍了用VHDL语言设计可逻辑综合的教学实验用CPU的过程。CPU指令系统构架采用RISC结构,设计上使用结构化编程方法,将CPU内核按照功能划分为不同的模块,采用VHDL语言设计每一个模块的内部功能和外围接口。所有的功能模块组合起来后,通过EDA工具进行CPU内核的逻辑综合和功能仿真,最后在可编程逻辑器件上实现这个完整的CPU内核。     

基于FPGA中NIOS Ⅱ内核设计的TFT_LCD显示驱动

本文基于FPGA中NIOS Ⅱ内核设计驱动真彩液晶显示模块,可根据材料成本、研发时间等任意选择FPGA芯片,增强了产品的可靠性和设计灵活性。     

基于ARM Cortex-M0+内核的GPIO应用模块驱动编程研究

本文简单介绍了ARM Cortex-M0+内核、键盘、LED、LCD的特点,分析说明了键盘扫描编程原理和怎样进行键盘、LED、LCD驱动构件的设计,最后给出基于ARM Cortex-M0+内核的GPIO应用模块之键盘、LED、LCD驱动构件测试实例。     

基于VxWorks的无中心自组网研究

设计了一种基于ARM920T内核微处理器和无线网络芯片适用于Ad hoc网络的无线网络模块,实现了基于802.11协议无线网络驱动的模块化,可以方便发地在不同操作系统中移植并介绍了网络模块数据发送流程。     

A kernel autoassociator approach to pattern classification.

Autoassociators are a special type of neural networks which, by learning to reproduce a given set of patterns, grasp the underlying concept that is useful for pattern classification. In this paper, we present a novel nonlinear model referred to as kernel autoassociators based on kernel methods. While conventional non-linear autoassociation models emphasize searching for the non-linear representations of input patterns, a kernel autoassociator takes a kernel feature space as the nonlinear manifold, and places emphasis on the reconstruction of input patterns from the kernel feature space. Two methods are proposed to address the reconstruction problem, using linear and multivariate polynomial functions, respectively. We apply the proposed model to novelty detection with or without novelty examples and study it on the promoter detection and sonar target recognition problems. We also apply the model to mclass classification problems including wine recognition, glass recognition, handwritten digit recognition, and face recognition. The experimental results show that, compared with conventional autoassociators and other recognition systems, kernel autoassociators can provide better or comparable performance for concept learning and recognition in various domains.     

基于空洞空间金字塔池化的雾天图像语义分割

针对雾天图像语义分割中分割精度不高的问题,基于空洞空间金字塔池化、Xception模块和残差网络,提出一种雾天图像语义分割算法.该算法一方面使用空洞空间金字塔池化和残差网络,以多个采样率的并行卷积以及卷积核大小为1×1的卷积对输入图像进行多尺度的上下文特征提取;另一方面,采用解码器结构使用预训练后的Xception模块对提取的特征进行分类,得到每一个像素的预测结果,用于增强分割边界的细化得到边界精细的分割结果.实验表明,所提算法在foggy cityscapes数据集上的平均交并比为73.03％、73.81％与74.50％,分割性能良好.     

Linux平台下基于软防火墙的流量监测功能实现

初步探讨了Linux平台下软防火墙的概念与实现机制,提出了一种利用软防火墙实现流量监测的思路,并且对Linux内核开发中遇到的如何实现内核进程与用户进程的信息交互问题进行了一定的探索,成功地将内核防火墙Module采集到的数据利用不同方法传送到了用户进程空间。     

Input space versus feature space in kernel-based methods

This paper collects some ideas targeted at advancing our understanding of the feature spaces associated with support vector (SV) kernel functions. We first discuss the geometry of feature space. In particular, we review what is known about the shape of the image of input space under the feature space map, and how this influences the capacity of SV methods. Following this, we describe how the metric governing the intrinsic geometry of the mapped surface can be computed in terms of the kernel, using the example of the class of inhomogeneous polynomial kernels, which are often used in SV pattern recognition. We then discuss the connection between feature space and input space by dealing with the question of how one can, given some vector in feature space, find a preimage (exact or approximate) in input space. We describe algorithms to tackle this issue, and show their utility in two applications of kernel methods. First, we use it to reduce the computational complexity of SV decision functions; second, we combine it with the kernel PCA algorithm, thereby constructing a nonlinear statistical denoising technique which is shown to perform well on real-world data     

Distance-Based Classifier via the Kernel Trick

For classifying large data sets, we propose a discriminant kernel that introduces a nonlinear mapping from the joint space of input data and output label to a discriminant space. Our method differs from traditional ones, which correspond to map nonlinearly from the input space to a feature space. The induced distance of our discriminant kernel is Eu- clidean and Fisher separable, as it is defined based on distance vectors of the feature space to distance vectors on the discriminant space. Unlike the support vector machines or the kernel Fisher discriminant analysis, the classifier does not need to solve a quadric program- ming problem or eigen-decomposition problems. Therefore, it is especially appropriate to the problems of processing large data sets. The classifier can be applied to face recognition, shape comparison and image classification benchmark data sets. The method is significantly faster than other methods and yet it can deliver comparable classification accuracy.     

网格操作系统及其关键问题的研究

分析了网格系统的特点，根据网格系统的要求提出了网格支撑中间件——网格操作系统的层次结构，该结构将网格OS划分为核心层、构造模块层和集合模块层。然后根据网格计算和服务的特点对网格OS应该提供的模块和服务进行了研究和探讨，并以Globus Toolkit2．0为实例进行了分析和说明。最后对各模块所处的层次进行了说明并简单介绍了其最新发展。     

构造性核覆盖算法在图像识别中的应用

构造性神经网络的主要特点是：在对给定的具体数据的处理过程中,能同时给出网络的结构和参数;支持向量机就是先通过引入核函数的非线性变换,然后在这个核空间中求取最优线性分类面,其所求得的分类函数,形式上类似于一个神经网络,而构造性核覆盖算法(简称为CKCA)则是一种将神经网络中的构造性学习方法(如覆盖算法)与支持向量机(SVM)中的核函数法相结合的方法。CKCA方法具有运算量小、构造性强、直观等特点,适于处理大规模分类问题和图像识别问题。为验证CKCA算法的应用效果,利用图像质量不高的车牌字符进行了识别实验,并取得了较好的结果。     

内核移植及其保护方法

内核移植工作是一项具有实际应用价值和各项配置较为复杂的工作,故提出一种依据内核本身特性实现内核更新的方法.现有大部分内核移植的方法需要利用module-init-atools、mkinitrd、lvm2和device-mapper等工具进行,而该文提出的移植方法摒弃了外部工具,依据内核自身特点实现新内核更新及其策略保护.首先,进行内核的配置,对必要模块进行分析配置;然后利用内核特性进行的模块化编译和grub界面分析;再次,鉴于对内核的健壮性要求,采用改进后MD5算法机制实现对内核的保护.最后实验研究表明,该内核移植方法便捷实用,优化的保护机制对内核具有重要的应用价值.     

一种新的核化SVM多层分类方法

利用核化思想提出了一种新的SVM多层分类算法。该算法的基本思路是：先利用Mercer核,将输入空间非线性可分的训练样本映射到高维特征空间Hilbert中,使之线性可分,然后采用最小超球体类包含作为层次分类的依据来生成二叉决策树,从而实现在高维空间中的多类分类。实验表明,采用该算法进行多类分类,可以有效地解决输入空间非线性可分问题,并可在一定程度上提高分类器的分类精度。     

融合边缘增强注意力机制和U-Net网络的医学图像分割

医学图像分割是医学图像处理领域中的关键步骤,随着深度学习技术的逐步深入,图像分割技术有了突飞猛进的发展.然而,在分割过程中,病灶特征的边缘像素点划分仍存在模糊、不准确的问题.为此,提出一种边缘增强的注意力模块(CEA),分别进行水平和垂直2个不同方向的特征编码捕获位置信息,并通过计算位置特征和输入特征之间的偏移量加强边...