面向流水线向量计算机的某些算法的向量化

这篇文章研究流水线向量计算机的并行算法,针对文中指出的特定的计算机模型,提出了算法优化的设计原则。并对算术表达式求值(包括向量线性递推)、数值解常微分方程、线代数方程求解及用差分法解变系数椭圆型方程等典型问题,分析了算法,设计了程序内核。并计算出这些程序在流水线计算机上执行的效率,所得结果适用于Crag-1型流水线计算机。     

流水线向量机浮点运算精度控制

本文在深入分析ＣＲＡＹ类巨型机浮点运算精度的基础上，设计了精度更高的流水线向量机浮点支运算精度控制方案。     

面向流水线机的表达式优化

本文讨论了在流水线机上编译系统的表达式优化。文中介绍了影响流水线机运行效率的主要因素,着重分析了涉及表达式的各种相关问题,并提出了一些消除相关的方法。最后讨论了其它面向机器的表达式优化,并且指出,流水线机上的程序优化,只有着眼于发挥硬件的并行、重叠的特长,才能获得高效运行的目标代码。     

面向VLSI实现的FFT并行算法

本文提出了一种新的面向ＶＬＳＩ实现的ＦＦＴ并行算法，其中旋转因子所占ＲＯＭ的存储容量达到最小，因而有利于ＦＦＴ处理器的片内集成。     

面向FPGA的稀疏傅里叶并行算法实现

提出了一种基于最优搜索的稀疏傅里叶变换(SFT)的并行实现设计。首先将输入信号分为并行N组,分别进行快速傅里叶变换(FFT),实现信号频率分量的取模处理,然后通过排序搜索获得。经验证,相较于FFTW,当信号长度大于524 288时,执行时间会有更好的表现;相较于正交匹配算法及其他SFT的FPGA实现,其系统的复杂度降低了。     

纵横加工流水线向量机的交叉问题及其解决

本文从单指令流-单数据流计算机上的“标准高级语言向量扩充语言”上的“交叉”问题的解决方法,“语句限制”出发,讨论了通常向量机(纵向加工)及纵横加工流水线向量机中的交叉问题及其处理办法。     

向量双层表结构与并行算法

本文提出了一种适于在并行计算机上进行信息处理的数据结构。此结构分两层,第一层是以向量为结点的表,第二层则由向量分量导出独立表,故称之为“向量双层表”。文中详细论述了向量双层表结构的组成和特点,并给出了基于这种数据结构的并行算法。     

面向稀疏矩阵运算的向量机

在涉及大型系统问题的许多应用中,常常遇到大型稀疏矩阵的运算,本文提出了一种面向稀疏矩阵运算的向量机。它除了具有一般向量机的全部功能外,还可以有效地对稀疏向量和稀疏矩阵中的非零元素用流水线方式进行高速运算,与一般向量机上执行稀疏矩阵运算相比,其速度可提高数倍至十多倍。本文在标准高级语言扩充成向量高级语言的基础上,讨论把向量高级语言扩充成稀疏向量高级语言、以及稀疏向量和稀疏矩阵的基本运算及其机器实现等问题。     

流水线向量的性能评价

本文讨论了串行计算机的加速计算方法、流水线计算机的效率及其性能价格比。最后提出流水线计算机系统性能的评价方法。     

基于CMP的脑机接口并行算法的设计与实现

脑机接口作为一种新型的不依赖于人体外周神经系统及肌肉组织的人机交互手段受到了广泛的关注。然而由于脑电信号自身的复杂性以及复杂的模式识别算法,使得传统的单机处理模式无法满足脑机接口实时在线分析的要求。同时,处理器的发展已经进入到了多核时代,有着大量的计算资源可供使用。基于此,本文提出了脑机接口关键算法并行化的一般框架,并依据该框架对P300脑机接口的识别分类算法进行了并行化。理论分析和实验结果表明并行化能有效的提高脑机接口的通信速率,为脑电信号的在线分类识别提供了新的思路。     

FFT并行算法及其在银河机上的实现

本文提出一种自排序同址素因子FFT并行算法,并介绍了这种算法在银河(YH)机上的实现。     

基于多流水线复杂模型机实验研究与实现

介绍了基于多流水线复杂模型机的原理,给出复杂模型机的原理框图,设计数据格式和指令格式,提供两种实验方式,单片机键盘操作和开关控制操作。分别对两种实验方式给了不同的连线图。     

757计算机操作系统向量机的实现

757操作系统为两部分,其主要部分立足于外围机,这是系统的主体,另一部分常驻向量机内存,管理向量机.其设计思想是向量机主要用于题目的计算,充分发挥其高速的效能,而外围机主要担负对题目的加工准备以及各种外部设备的管理.就整个系统而言,可以把向量机看作类似于一台设备,是一个能实现高速运算的部件.因此,向量机操作系统是整个操作系统中有机的     

流水线向量计算机的性能评价

本文讨论了串行计算机的加速计算方法、流水线计算机的效率及其性能价格比.最后提出流水线计算机系统性能的评价方法.     

一个面向向量机的Prolog系统—VProlog

1.引言 近年来,小型化的向量巨型机已逐渐商品化,与向量巨型机相比,小型化的向量巨型机的性能价格比大为提高,其价格大大下降,但这种机器具有庞大的内存容量和很高的处理速度,因此,预计将受到广大用户的欢迎而得到普及,考虑到充分利用已有的四代机中很成功的向量巨型机的资源来改进Prolog语言的执行效率,以满足人工智能、专家系统等的应用需要,我们研究了如何利用向量机及Prolog本身所固有的并行、并发性来有效地实现一个Prolog系统——VProlog系统。     

面向数据流分类的柔性漂移支持向量机

针对数据流分类,时间自适应支持向量机（Time Adaptive Support Vector Machine,TA-SVM）及其改进方法通过在核空间上协同求解多个子分类器而取得了较好的性能,其原理是在局部优化的同时兼顾全局优化,强制子分类器序列稳定地变化。然而在很多应用场景中,由于数据具有一定的随机性,难以确保概念模型以不变的节奏漂移,因而TA-SVM分类模型中应充分考虑子分类器序列的不稳定性。为了放松TA-SVM方法对子分类器序列的约束,使子分类器法向量、偏置量的变化具有更大的灵活性,提出了柔性漂移支持向量机（Flexible Drift Support Vector Machines,FD-SVM）,在继承TA-SVM方法协同求解思想的基础上,灵活对待子分类器变化。实验结果表明,FD-SVM方法能有效提升对非静态数据的分类性能。     

构造宏流水线并行算法的一种有效方法

本文基于任务相关、作业排队等理论,提出构造宏流水线并行算法的一种有效方法,并且利用这种方法构成了一组用于数字信号处理的线性和非线性宏流水线并行算法.其中部分算法已应用于分布式自动控制与测试系统FZC-1中,具有并行计算效率高和性能价格比好等优点.     

基于支持向量机的滤波器设计与硬件实现

针对传统有限脉冲响应(FIR)滤波器设计方法和神经网络设计方法的不足,在改进使用支持向量机(SVM)设计FIR滤波器方法的基础上,提出了SVM设计FIR滤波器的硬件实现方法.使用理想滤波器的幅值响应训练SVM,得到训练参数,据此构建基于SVM的FIR滤波器的嵌入式系统.软件实现FIR滤波器的训练部分,硬件实现FIR滤波器的测试部分.单次判定测试向量的时间约为3500 ns,滤波准确率可达到98.41%.设计的滤波器具有良好的幅频特性,边界控制精确,逼近理想滤波器.     

支撑向量机的优化算法及实现

本文主要对数据挖掘中分类判别方法进行了研究。在对支撑向量机理论研究的基础上。提出了正交校正共轭梯度法-SVM（CGM-OC-SVM）。该算法是在吸取PRP-SVM算法的优点并改进其缺点基础上提出来的。解决较大规模的随机凸二次规划问题,同时克服了最速下降法-SVM收敛速度慢的特点。并且该算法使用径向基内积函数分类器作为Keme1函数,使算法更具有通用性。并通过程序对该算法进行了实现。     

面向局部特征的支持向量机递归特征消除

基于支持向量机的递归特征消除（SVM-RFE）是目前最主流的基因选择方法之一,是为二分类问题设计的,对于多分类问题必须要进行扩展。从帕累托最优（Pareto Optimum）的概念出发,阐明了常用的基因选择方法在多分类问题中的局限性,提出了基于类别的基因选择过程,并据此提出一种新的SVM-RFE设计方法。8个癌症和肿瘤基因表达谱数据上的实验结果证明了新方法优于另两种递归特征消除方法,为每一类单独寻找最优基因,能够得到更高的分类准确率。