基于虚通道故障粒度划分的3D NoC容错路由器设计

深亚微米工艺下,路由器受制于制造缺陷及运行时的脆弱性,易发生虚通道(virtual channel, VC)永久性故障,从而引起通信故障,影响系统功能和性能.为了能够有效地容忍虚通道故障、保证系统性能及充分利用可用资源,将虚通道故障类型细分为粗粒度故障和细粒度故障,提出SVS(single VC sharing)路由器架构,通过将路由器端口两两分组,组内端口间实现单虚通道共享.当发生虚通道粗粒度故障时,使用组内相邻端口共享虚通道容错.当发生细粒度故障时,根据Slot State Table信息配置虚通道读/写指针的值,从而跳过故障Buffer槽实现容错.在无粗粒度故障情况下,共享虚通道还可用于负载平衡及容忍路由计算模块故障.实验结果表明：较其他已有的虚通道路由器,SVS路由器在3种不同的故障情况下均较大地降低了延时,提高了吞吐量.这表明SVS路由器可有效提高系统可靠性,保证了系统性能,充分利用了可用资源.     

局部误差驱动的等几何分析计算域自适应优化方法

等几何分析方法为实现CAD?CAE阶段几何数据的无缝融合提供了新途径,但其求解精度和效率依赖于计算域参数化的质量.为提高优化效率,提出局部r细化方法,即通过局部优化内部部分控制顶点的位置提高等几何分析方法的求解精度.首先利用残值法得到计算域上每个子面片所对应的局部误差指示子;然后根据平均标记策略选择需要进行优化的面片集合,从而确定需要进行优化的控制顶点集合;最后通过极小化标记曲面片上的误差指示子得到所标记的内部控制顶点的最优分布.文中将局部r细化和基于节点插入操作的h细化结合起来,提出h-r局部细化方法.通过二维Poisson方程求解的若干实例,验证了所提出的局部优化方法在等几何分析中的有效性.     

基于自适应多神经网络的胎盘超声图像自动分级研究

针对胎盘超声图像自动分级这一临床应用问题，提出一种基于自适应多神经网络的分级算法。该算法与一般的一次性分离算法不同，其是通过设计两级BP神经网络模型来对胎盘图像进行两级分离。该算法在神经网络的训练中，对神经网络的输出没有采用一般的四舍五人来得到胎盘级数，而是采用了更合理的胎盘级数判定准则，并由此提出了一种自适应确定阈值的算法，用来判定胎盘级数。实验及临床应用表明：该算法能得到与专家手工分级基本吻合的自动分级结果，其阈值分割前得出的分级结果更可以给医生一个精确的定量衡量胎盘成熟期的参考，因此具有较好的临床应用前景。     

基于自适应Kalman滤波的MEMS陀螺随机误差分析

针对某型MEMS陀螺随机误差较大、精度不高的问题,通过时间序列分析法,建立自回归滑动平均 ARMA(Auto-Regressive and Moving Average)模型,采用ARMA(2,1)模型将预处理后的MEMS陀螺随机误差进行建模.设计基于ARMA模型的经典Kalman滤波器.静态试验和恒定速率试验结果表明在经典Kalman滤波器作用下,静态试验下其均值与均方差下降32.62%和66.31%;恒定速率试验下,其均值有明显的降低,其均方差减小了一个数量级.针对经典Kalman滤波器不能解决振动试验中大振幅时滤波发散问题,提出一种新的自适应Kalman滤波法,通过寻找合适的标定因子s解决滤波发散问题.振动试验结果表明,当振幅为100°时,滤波后的均值和均方差分别下降8.25%和8.36%.     

基于Gabor系数分块统计和自适应特征选择的人脸描述与识别

提出一种新的人脸描述及识别方法,首先对归一化后的人脸图像进行多方向多尺度Gabor变换;然后对人脸区域进行分块,以块为单位统计Gabor系数的均值和方差,求得块特征矢量(block feature vector,BFV),按先行后列的顺序将各块的BFV拼接,构成整幅人脸图像特征矢量(face feature vector,FFV).在分类器设计阶段,引入两两比对和投票机制,用多个两类分类器组合成多类分类器.在训练某个具体的两类分类器时,根据隶属训练样本计算FFV中每项的分辨力,以分辨力大小为依据选出最优特征子集(best subset feature vector,BSFV).基于Yale人脸数据集展开实验,与已发表的算法和结果进行对比,证明了该方法的有效性.     

一种基于自适应权值灰关联分析的毫米波/红外融合识别方法

本文提出了一种基于自适应权值灰关联分析和DS理论的毫米波/红外融合目标识别方法。首先对单个传感器提取的特征计算灰关联度作为基本概率赋值,再用DS理论进行融合得到识别结果。在灰关联度计算中,本文提出了使用熵值分析法自适应确定不同特征的权值,提高了系统性能。基于实测数据的实验结果验证了本文的有效性。     

基于动态分析的程序设计课程教学系统

程序设计是计算机专业的第一门核心必修专业课程,但是在教学实践中,学生很难掌握程序设计语言中一些复杂的或抽象的理论知识.为了提高教学效果,针对程序设计课程教学的难点,本文设计和实现了面向程序设计课程的教学系统：程序动态分析系统.该系统通过综合运用程序设计等专业课程的知识,实现了程序错误检测和源代码自动插桩,同时可以展现这些知识之间的深度融合.我们将该系统应用于程序设计教学实践,有助于学生理解和掌握程序设计课程的难点,以及这些知识在实际软件开发过程中的应用,从而有效提高教学效果.     

基于GMM模型的自适应扩频隐写安全性分析

对自适应隐写的安全性问题进行分析,提出一种基于自然图像的高斯混合模型分析方法。在总嵌入强度相同的条件下,比较自适应和非自适应扩频隐写载密随机变量概率密度函数的特征函数,验证自适应扩频隐写的统计安全性高于等嵌入强度下非自适应扩频隐写。分析结果表明,该方法能为提升信息隐藏系统的抗统计分析性能提供理论依据。     

基于多参数灵敏度分析与遗传优化的铁水质量无模型自适应控制

铁水硅含量(化学热)和铁水温度(物理热)是高炉炼铁过程最重要的铁水质量指标, 其建模与控制对于整个高炉炼铁过程的运行优化意义重大. 针对高炉炼铁过程极复杂动态特性以及铁水质量难以进行常规机理建模与控制的难题, 基于直接数据驱动控制思想, 提出一种基于多参数灵敏度分析与大规模变异遗传参数优化的高炉铁水质量无模型自适应控制方法. 首先, 基于紧格式动态线性化(Compact form dynamic linearization, CFDL)无模型自适应控制(Model free adaptive control, MFAC)技术确定铁水质量的多变量数据驱动控制器结构; 然后, 针对CFDL-MFAC众多可调参数对控制器性能影响大, 同时对众多参数整体优化非常耗时且效果不理想的问题, 基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)技术, 提出基于大规模变异与精英局部搜索遗传优化的CFDL-MFAC控制器参数整定方法; 最后, 将参数整定后的CFDL-MFAC控制器应用到高炉炼铁过程多元铁水质量控制, 并与基于递推子空间辨识的数据驱动预测控制进行比较研究, 验证所提控制方法的有效性和先进性.     

基于联合时频分析的混合神经系统在信号分类与模式识别中的应用

介绍了一种基于STFT,WVD和Wavelet变换的混合神经系统在特征提取和信号分类中的应用.它运用时频信号处理技术与混合神经网络结构以及高级训练算法相结合的设计思想,辅之以主元分析和全局决策融合策略,对传统的模式识别技术进行了有效地改进.本文将所述基于WT,STFT和WVD的混合神经系统信号分类器(WSWHNS)的算法程序嵌入一汽车实时智能故障诊断软件包中做了现场实验,获得了非常满意的诊断效果.