基于规则的数据类型重构技术研究

为恢复变量的数据类型信息并提高反编译的质量,提出一种基于规则的数据类型重构方法.采用静态和动态相结合的分析方式,将可执行代码转化为中间语言,在优化中间语言的基础上为每条指令制定约束规则,并给出相应的求解算法,从而推导出变量的数据类型信息.实验结果表明,该方法能对简单数据变量类型和复杂数据变量类型进行恢复,具有较高的准确性.     

基于节点类型的复杂网络模块探测算法

为了高效地寻找复杂网络中的社团结构,提出了一种基于节点类型的网络模块探测算法(SW)。首先用模拟退火算法(SA)对网络进行初始划分,然后对各模块中的节点进行分类,根据节点的类型来对网络进行优化和细化,直到满足最优化条件。实验结果表明,该算法能够准确高效地探测出网络中的各模块。     

基于小波变换的载波相位恢复算法的研究

在相干光通信中,利用载波相位恢复算法来减小由于激光器线宽和ASE噪声所造成的相位偏移。对载波相位恢复算法进行了研究,在此基础上提出了利用小波变换中的小波分解和小波重构的方法来减少相位噪声,通过结果比对选取最佳分解次数,并对此方法进行迭代,以提高去噪性能。小波分析中用到的小波系数没有唯一性,仿真中选取了不同的基小波并对结果进行分析。结果表明通过小波变换算法能够有效地对激光器的初始相位偏差进行恢复,为载波相位恢复提供了一种新的解决办法。     

三角形重建的几何阴影图算法

针对阴影图算法中的走样和深度偏移的问题,使用离散的场景原始三角面片来表示和记录阴影遮挡物的信息,提出一种几何阴影图算法.由于遮挡物的深度值能够通过这种原始的连续几何进行精确地重构,解决了透视走样和投影走样的问题;只需要一个相对较小、取值稳定的深度偏移值来获得较好的接触阴影效果,同时避免自阴影的问题;为了降低算法中三角形几何的冗余存储,提出一种基于GPU的几何缓存压缩算法作为算法的选项;最后使用一种打包的阴影计算算法来进一步降低算法的访存开销;为了解决几何信息不完整所造成的阴影瑕疵,对于这一类像素使用线性外插的算法来估计其深度值.实验结果表明,文中算法能够高效地绘制出高质量的阴影.     

局部熵驱动的生物医学图像分割偏移场恢复耦合模型

为降低噪声影响同时恢复图像偏移场,提出一种基于局部熵信息的分割与偏移场恢复耦合模型.该模型在水平集理论的整体框架下将局部熵引入耦合模型,进而将其改造成全局凸函数,并利用Split-Bregman方法求得全局最优解.实验结果表明,文中模型可以准确、快速地分割灰度不均匀图像,同时可较好地恢复出图像的偏移场信息,对初始曲线和参数也具有较好的鲁棒性.     

基于梯度方向评估的条码定位方法研究

提出了一种快速定位条形码的方法,可用于任意倾斜角度、复杂背景的条码定位.通过对图像划分成一个个小的区域(像素块),并计算块内的图像像素平方梯度的平均值,通过统计分析图像块的内部的平方梯度方向的分布情况,来判断是否符合条码的条纹特征,从而得到一系列的疑似区域,并通过形态学操作,消除背景的干扰,从而得到条码区域的准确位置.在判断条码的过程中,结合了图像的边缘信息,使得检测结果更为准确.实验表明,算法在复杂背景下能够准确地将条码区域检测出来,对于复杂图像中包含多个条码的情况也能够准确地定位.     

用于脑部核磁共振图像分割的具有抗噪能力的BCFCM算法

脑部核磁共振成像(MRI)是脑疾病临床诊断的重要手段,而脑组织的准确分割则是其中一个重要的环节。然而MRI图像中普遍存在的噪声和偏移场给脑组织的准确分割造成了很大的困难。在MRI图像分割算法中,偏移场矫正模糊C-均值算法(BCFCM)在模糊C-均值聚类算法(FCM)的基础上增加了对偏移场的估计和空间信息的使用,可以很好地消除图像偏移场对分割造成的影响。但是BCFCM算法由于没有考虑到噪声对偏移场估计的影响,因此对高噪声图像的分割效果欠佳。针对MRI脑组织分割,在图像预处理过程中提出一种快速的分割方法来去除颅骨及其附属物。此外,提出基于BCFCM的改进算法,该改进算法在迭代过程中可以通过对噪声强度的估计来自适应地改变目标函数窗口的大小。同时,该算法引入高斯核函数对偏移场进行平滑处理,并通过阈值限制偏移场的估计值,以有效地避免偏移场的错误估计对分割结果的影响。实验结果表明,改进后的算法不仅可以有效准确地 分割脑组织,而且具有较强的抗噪声和处理偏移场的能力。     

动态部分可重构系统空闲资源全集管理研究

可重构系统兼具了传统处理器的灵活性和接近于ASIC的计算速度,FPGA的动态部分重构能够实现计算和重构操作的同时进行,使系统能够动态地改变任务的运行。在动态部分可重构系统中,高效的空闲资源管理策略对系统整体性起着非常重要的作用。提出了一种基于单向栈的算法来寻找最大空闲矩形(MFR)。利用可重构计算单元的不同叮值进出单向栈来找到所有最大空闲矩形。通过实验表明,算法通过使用单向找与算法优化,有效地提高了查找空闲资源全集的性能。     

基于Rough和Granularity的聚类方法研究

当前大多数的聚类方法是针对单一属性类型的。要开发出能同时处理多种属性类型的聚类方法来适应当今大型的复杂数据库,这在现实应用中是至关重要的。本文提出了基于粗集和粒度思想的多属性类型的聚类算法。该算法能够满足同时处理混合属性的要求,以达到聚类的目的。此外,文中也通过一个具体实例来演示算法的可行性和有效性。结果表明,基于粗集和粒度思想的多属性类型的聚类算法简单有效、易于操作,而且能够清晰方便地对粒度结果进行分析。     

多媒体视觉VR重构算法的改进与仿真

传统图像重构噪声偏大,图像离群点较多,导致重构效果与实际图像偏差大,研究提出多媒体视觉VR重构算法。利用双目偏移定位重新校正VR图像,对重构后的VR图像进行去噪处理,完成基于高通滤波矩阵加强的重构图像纹路细节特征,采用三维重构相关性检索方法,获得合群点与离群点,确定其最大最小深度范围,对错误识别和峰值进行重新定位,完成算法设计。为验证研究的有效性,进行实验验证。通过实验结果数据分析可证明,研究算法大大提升了重构图像的真实度,图像角点检测准确,重构后图像噪声更小。     

Constructive Sets in Computable Sets

The original interpretation of the constructive set theory CZF in Martin-Loef‘s type theory uses the‘extensional identity types’.It is generally believed that these‘types’do not belong to type theory.In this paper it will be shown that the interpretation goes through without identity types.This paper will also show that the interpretation can be given in an intensional type theory.This reflects the computational nature of the interpretation.This computational aspect is reinforced by an ω-Set moel of CZF.     

Advantages of the Enhanced Opposite Direction Searching Algorithm for Computing the Centroid of An Interval Type‐2 Fuzzy Set

Computing the centroid of an interval type‐2 fuzzy set (IT2 FS) is an important operation in a type‐2 fuzzy logic system (where it is called type‐reduction), but it is also a potentially time‐consuming operation. In this paper, an enhanced opposite direction searching (EODS) algorithm is presented for doing this. The EODS comes from an early version of the IT2 FS type‐reduction method called the opposite direction searching (ODS) algorithm, which has been proven faster than the most commonly used Enhanced Karnik‐Mendel (EKM) method. The EODS differs from the ODS in two high speed formulas for calculating the centroid endings. Quantitative analysis on the mathematical operations and comparisons performed by EODS, ODS, and EKM algorithms shows that EODS could save about 50% of the calculations and comparisons in relation to ODS. Compared with EKM, it could save about 67% to 80% of the calculations and comparisons. Simulation experiments have been performed to compare EODS with the ODS and EKM methods in terms of average CPU time. The experimental results validate the quantitative analysis.     

磁共振图像的原始-对偶近似迭代重建算法

基于压缩感知（CS）的磁共振成像（MRI）是一种利用磁共振（MR）图像的稀疏性的快速成像技术,经典CS-MRI重建数学模型是在包含线性合成非平滑正则约束下的最优化问题。针对重建模型中的线性合成正则项提出利用原始-对偶框架同时求解原始-对偶问题,对原始-对偶问题的增广Lagrangian形式求解其最优解,提出了一种原始-对偶迭代重建算法;对于非平滑正则项的处理,提出使用Moreau包络进行平滑近似,然后利用近似算子得到平滑近似函数的导数形式。用体模图像和真实MR图像,与共轭梯度算法（CG）、算子分离算法（TVCMRI）、变量分离算法（RecPF）和快速混合分离算法（FCSA）进行比较,表明该算法重建效果最好,算法复杂度与最快的FCSA算法相当。     

多层局部块坐标下降法及其驱动的分类重构网络

卷积稀疏编码(Convolutional sparse coding, CSC)已广泛应用于信号或图像处理、重构和分类等任务中, 基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding, ML-CSC)模型的多层基追踪(Multi-layer basic pursuit, ML-BP)问题和多层字典学习问题成为研究热点. 但基于傅里叶域的交替方向乘子法(Alternating direction multiplier method, ADMM)求解器和基于图像块(Patch)空间域思想的传统基追踪算法不能容易地扩展到多层情况. 在切片(Slice)局部处理思想的基础上, 本文提出了一种新的多层基追踪算法: 多层局部块坐标下降(Multi-layer local block coordinatedescent, ML-LoBCoD)算法. 在多层迭代软阈值算法(Multi-layer iterative soft threshold algorithm, ML-ISTA)和对应的迭代展开网络ML-ISTA-Net 的启发下, 提出了对应的迭代展开网络ML-LoBCoD-Net. ML-LoBCoD-Net实现信号的表征学习功能, 输出的最深层卷积稀疏编码用于分类. 此外, 为了获得更好的信号重构, 本文提出了一种新的多层切片卷积重构网络(Multi-layer slice convolutional reconstruction network, ML-SCRN), ML-SCRN实现从信号稀疏编码到信号重构. 我们对这两个网络分别进行实验验证. 然后将ML-LoBCoD-Net和ML-SCRN 进行级联得到ML-LoBCoD-SCRN合并网, 同时实现图像的分类和重构. 与传统基于全连接层对图像进行重建的方法相比, 本文提出的ML-LoBCoD-SCRN合并网所需参数少, 收敛速度快, 重构精度高. 本文将ML-ISTA和多层快速迭代软阈值算法(Multi-layer fast iterative soft threshold algorithm, ML-FISTA) 构建为ML-ISTA-SCRN和ML-FISTA-SCRN进行对比实验, 初步证明了所提出的ML-LoBCoD-SCRN分类重构网在MNIST、CIFAR10和CIFAR100数据集上是有效的, 分类准确率、损失函数和信号重构结果都优于ML-ISTA-SCRN和ML-FISTA-SCRN.     

一种基于CGLS和LSQR的联合优化的匹配追踪算法

在压缩感知理论中,设计好的稀疏重构算法是一个比较重要,同时也是一个具有挑战性的问题.稀疏重构的基本目标是用较少的数据样本,通过解一个优化问题完成信号或者图像重构.关于稀疏重构过程,一个重要的研究方向是在数据受噪声干扰的情况下,如何高效快速地重建原信号.本文提出了基于共轭梯度最小二乘法（Conjugate gradient least squares,CGLS）和最小二乘QR分解（Least squares QR,LSQR）的联合优化的匹配追踪算法.该算法采用Alpha散度来测量CGLS和LSQR之间的离散度（差异度）,并通过离散度来选择最优的解序列.实验分析表明基于CGLS和LSQR的联合优化的匹配追踪算法在压缩采样的信号受噪声干扰情况下具有较好的恢复能力.     

一种基于双混沌映射的加密算法设计与应用*

提出了一种基于logistic和Henon的双混沌映射加密算法,通过级联一维混沌系统和二维混沌系统,利用复合迭代所产生的混沌序列对明文进行加密,开发了算法的模拟实验平台。实验结果表明,与传统DES和基于Lorenz的加密相比,该算法在加密强度和运算效率上达到了较好的均衡。     

统计句法分析建模中基于信息论的特征类型分析

统计句法分析利用概率评价模型评价每棵选句法树存在的可能性,选择概率值最高的候选句法树作为最终的句法分析结果。因此,统计句法分析的核心是一个概率评价模型,而各种概率评价模型的本质区别主要在于它们分别是根据上下文中的哪些特征来赋予句法树概率的。在统计句法分析研究领域,虽然已经提出了大量的概率评价模型,然而,不同的模型用得到了不同类型的特征,如何评价这些特征类型对于句法分析的作用呢？针对以上的问题,本研究为统计句法分析提出了一种特征类型的分析模型,该模型可以从信息论的角度量化地分析不同类型的上下文特征对于句法结构的预测作用。其基本思想是利用信息论中熵与条件熵的度量来显示一个特征类型是否抓住了预测句法结构的主要信息。如果加入某个特征类型之后当前句法结构的不确定性（熵）明显下降,则认为该特征类型抓住了上下文中影响句法结构的某些主要信息。特征类型分析的信息论模型利用预测信息量、预测信息增益、预测信息关联度以及预测信息总量四种度量从不同的仙量化地分析各种特征类型及特征类型组合对于当前目标的预测作用。实验以Penn TreeBank为训练集,将上下文中不同的特征类型对于句法分析规则的预测作用进行了系统的量化分析,得出了一系列有关不同特征类型及特征类型组合对句法结构的预测作用的结论。     

压缩感知二进制测量矩阵的构造

针对现有二进制测量矩阵重构性能和硬件实现的负相关性,提出了一种新型压缩感知二进制测量矩阵,伪随机块对角矩阵(PRBD)。PRBD矩阵使用平衡正交Gold序列、块对角矩阵和降采样矩阵,通过结构化的方法构造,不仅保留了确定性矩阵易于硬件实现和计算复杂度低的优点,而且利于贪婪追踪算法进行图像重构。实验结果表明,PRBD测量矩阵具有良好的重构性能,在峰值信噪比(PSNR)的指标上比常用的二进制测量矩阵提高0.5dB以上。特别地,PRBD测量矩阵可采用图像分块重构的方法,在保证重构性能良好的情况下,图像重构需要的时间较短。     

Proofs of a set of hybrid let-polymorphic type inference algorithms

We present a generalized let-polymorphic type inference algorithm, prove that any of its instances is sound and complete with respect to the Hindley/Milner let-polymorphic type system, and find a condition on two instance algorithms so that one algorithm should find type errors earlier than the other. By instantiating the generalized algorithm with different parameters, we can obtain not only the two opposite algorithms (the bottom-up standard algorithmW and the top-down algorithmM) but also other hybrid algorithms which are used in real compilers. Such instances’ soudness and completeness follow automatically, and their relative earliness in detecting type-errors is determined by checking a simple condition. The set of instances of the generalized algorithm is a superset of those used in the two most popular ML compilers: SML/NJ and OCaml. This work is supported by Creative Research Initiatives of the Korean Ministry of Science and Technology National Creative Research Initiative Center, http://ropas.kaist.ac.kr Work done while the third author was associated with Korea Advanced Institute of Science and Technology Hyunjun Eo: He is a Ph.D. candidate in the Department of Computer Science at KAIST (Korea Advanced Institute of Science and Technology). He recieved his bachelor’s degree and master’s degree in Computer Science from KAIST in 1996 and 1998, respectively. His research interest has been on static program analysis, fixpoint iteration algorithm and higher-order and typed languages. From fall 1998, he has been a research assistant of the National Creative Research Initiative Center for Research on Program Analysis System. He is currently working on developing a tool for automatic generation of program analyzer. Oukseh Lee: He is a Ph.D. candidate in the Department of Computer Science at KAIST (Korea Advanced Institute of Science and Technology). He received his bachelor’s and master’s degree in Computer Science from KAIST in 1995 and 1997, respectively. His research interest has been on static program analysis, type system, program language implementation, higher-order and typed languages, and program verification. From 1998, he has been a research assistant of the National Creative Research Initiative Center for Research on Program Analysis System. He is currently working on compile-time analyses and verification for the memory behavior of programs. Kwangkeun Yi, Ph.D.: His research interest has been on semanticbased program analysis and systems application of language technologies. After his Ph.D. from University of Illinois at Urbana-Champaign he joined the Software Principles Research Department at Bell Laboratories, where he worked on various static analysis approaches for higher-order and typed programming languages. For 1995 to 2003 he was a faculty member in the Department of Computer Science, Korea Advanced Institute of Science and Technology. Since fall 2003, he has been a faculty member in the School of Computer Science and Engineering, Seoul National University.     

改进粒子群算法在单体型重构问题中的应用

结合单体型装配问题的计算模型—最少错误纠正模型（MEC）的特定知识,提出了一种求解单体型装配问题的改进粒子群算法。应用改进粒子群算法对真实数据和模拟数据进行数值计算,并且与基础粒子群算法和遗传算法进行比较,数值结果表明所设计的改进粒子群算法在单体型重构率上优于基础粒子群算法和遗传算法。