基于多核学习极限学习机的助行机器人运动相容性识别

下肢外骨骼作为一种可穿戴设备可以保护人体、增强人体的力量、激发人体的自我修复能力,已经在康复领域广泛使用。由于外骨骼机器人实际运动意图与期望运动意图存在一定差异(即运动不相容),容易造成穿戴者不舒适。为了提高运动相容性识别的准确率,本文针对步幅过大、步幅过小、步幅相容采用多核学习极限学习机(ELM)的方法进行了识别。表面肌电信号(sEMG)包含了大量的步态信息,能够很好地应用于运动相容性的识别,首先从时域、频域、时频域等角度提取了表面肌电信号特征,然后利用灰狼算法优化极限学习机核函数参数,最后用多核极限学习机理论,获得最优的分类模型。实验结果表明,基于多核学习极限学习机的助行机器人运动相容性识别准确率较单核极限学习机有明显提高。     

基于BFS的多核并行连通区域检测算法

针对一般的连通区域检测算法速度较慢、需多次扫描等问题,本文结合队列的先进先出思想,提出基于广度优先搜索(BFS)的连通区域检测算法.该算法是一种非递归的算法,只需要一次扫描即可记录各个连通区域的点,能有效地降低存储空间和运行时间.本文提出基于特定扫描模板处理像素点,避免重复扫描,利用多核并行处理加速算法,实现了真正的并...     

基于多任务多核学习的蓝藻爆发预测模型北大核心

相对于水表层蓝藻爆发预测,水体垂直方向的蓝藻分布预测能更好地辅助决策者管理水体。传统数据驱动的蓝藻爆发预测模型大多将不同水层的蓝藻爆发视作独立任务。该类模型忽略了来自多个水层蓝藻爆发预测任务间的关联性,从而导致其无法突破预测精度的瓶颈。为此,提出一种基于多任务多核学习的蓝藻爆发预测模型,并试图共享来自不同水层蓝藻爆发预测任务之间的信息来提升蓝藻爆发预测精度。实际案例研究表明所提出的模型能够利用来自不同水层监测数据中的共性知识更准确地预测蓝藻爆发,进而有利于缓解该类水环境灾害带来的影响。     

基于非稀疏多核支持向量机的重现行人识别

目前,视频跟踪正向大范围长时间目标跟踪研究方向发展。重现行人识别是对行人目标进行大范围长时间持续跟踪的关键技术,是后续行为分析的基础。本文提出了一种基于非稀疏多核支持向量机的重现行人识别算法。首先,该方法提取跟踪行人视频图像序列的多层SIFT视觉单词树特征和多层颜色直方图特征。接着,利用高效的非稀疏多核支持向量机算法在线融合多层SIFT视觉单词树特征和多层颜色直方图特征得到行人外观模型。最后利用存储的行人外观模型库对重现行人进行识别。该方法可应用于多摄像机视频监控中同一行人目标的跨摄像机跟踪以及单摄像机监控中行人目标重新出现的识别。实验结果表明,该方法能快速训练人体目标外观模型,能获得很高的识别率。     

嵌入式也多核——浅析ARM(R)CortexTM-A9 MPCoreTM多核处理器

Cortex-A9 MPCore拥有比普通单核Cortex-A9处理器更为先进的电源管理功能,在提高性能的同时能够进一步降低功耗,达到甚至超过市场和应用对性能和功耗日益增长的要求.     

视频监控中基于在线多核学习的目标再现识别

在非重叠多摄像机或单摄像机视频监控中,识别跟踪目标的再次出现很重要.针对传统支持向量机方法在特征融合方面的缺陷,本文提出了一种新的基于在线多核学习的人体目标再现识别方法.该方法对跟踪目标视频前景图像序列提取具有互补性的视觉单词树直方图和全局颜色直方图二种特征,再采用多核学习方法在线训练人体目标视觉外观,从而得到多核特征融合模型.实验结果表明,该方法能快速训练人体目标外观模型,满足视频监控的实时要求,多核融合模型获得了比单一特征模型和单核支持向量机方法更高的识别性能.     

基于多核CPU／FPGA／TCAM的高性能路由查找硬件方案

文章介绍了基于Cavium OCTEN5860多核CPU作为主处理器，Altera Stratix II EP2S30 FPGA芯片作为桥接芯片，NetLogic NL71024 TCAM作为路由查找芯片的高性能路由查找硬件实现方案。     

宽带RAM模型在对称多处理器集群上的并行设计

为了提高声场模型的计算效率以满足当前水声研究对声场计算速度的要求,针对对称多处理器集群系统多节点并且节点内存在多个处理器的特点,利用共享存储模型OpenMP和消息传递编程模型MPI（Message Passing Inter-face）对声学计算模型RAM（Range-dependent Acoustic Model）进行并行编程,构建了并行计算平台,实现了RAM模型在对称多处理器集群系统上节点间和节点内两级并行,并通过实验对该平台的性能进行了测试。实验结果表明,RAM模型适用于并行计算,该并行计算方法具有很高的并行效率,可以大幅度提高声场计算速度。     

以沥青为单体的缩合多核芳香烃树脂的合成及性能研究

以沥青为单体,三聚甲醛及苯甲醛为交联剂,在浓硫酸催化下合成了缩合多核芳香烃树脂,并对其交联、交联后树脂的热性能作了初步的研究。研究表明,由于沥青中不参加反应的“惰性”组分的存在,使得树脂的交联变得困难,交联后树脂的交联程度较低,从而导致交联后树脂的热稳定性较差,在氮敢中的热降解起始温度仅在４２０℃左右。     

嵌入式也多核——浅析ARM~Cortex~(TM)-A9 MPCore~(TM)多核处理器

Cortex-A9 MPCore拥有比普通单核Cortex-A9处理器更为先进的电源管理功能,在提高性能的同时能够进一步降低功耗,达到甚至超过市场和应用对性能和功耗日益增长的要求。     

面向异构多核并行系统的层次化计算模型HmPlogP

在参数化LogP模型(PLogP模型)的基础上,针对异构多核并行系统通用核和加速核的异构性、存储的层次化、并行执行的层次化特征,提出了新的层次化计算模型Hm-PlogP.该模型对异构多核并行系统的通信和访存进行了抽象,采用向量化参数表达并行系统不同层次的特征,能够预测加速核的执行开销并以此指导并行程序的设计和优化.实验...     

基于多核学习的多阶次分数阶傅里叶变换域人脸识别

分数阶傅里叶变换是信号处理与分析的一个重要工具,通过将图像信号投影到不同角度的时频平面可以表征图像的内容信息,其在人脸识别任务中显示出很好的性能。但是分数阶傅里叶变换存在阶次选择的问题,即在没有先验知识的情况下,无法预先知道哪一个阶次的分数阶傅里叶变换域特征具有最好的判别性能。受机器学习中的多核学习理论启发,本文探讨了分数阶傅里叶变换中阶次选择问题和多核学习理论的联系,通过将不同阶次的分数阶傅里叶变化域特征的线性核矩阵作为多核学习网络的输入,结合支持向量机,交替优化更新多核网络中的系数和支持向量机的参数,自动学习多阶次分数阶傅里叶变换域特征的系数,实现多阶次分数阶傅里叶变换域特征的融合。将所提算法应用到人脸识别任务中,在ORL人脸数据集和扩展YaleB人脸数据集上的实验显示所提算法的可行性和有效性。     

基于多特征和多核学习的行人检测方法的研究

行人检测系统涉及交通安全问题,需要很高的鲁棒性,基于单特征结合单核支持向量机的方法效果有限,为解决这一问题,提出采用多特征和多核学习的方法来提升系统的鲁棒性,通过将积分信道特征、多层次导向边缘能量特征和CENTRIST特征分别与直方图交叉核、高斯核和多项式核进行线性组合,采用简单多核学习（Simple MKL）来分别计算核函数的权重系数,将多核学习方法与经典的梯度直方图特征/支持向量机、多尺度梯度直方图特征/直方图交叉核支持向量机和特征融合/直方图交叉核支持向量机的行人检测方法进行比较,实验表明所提出的行人检测算法的鲁棒性有明显提升。     

α混合样本下多核正则分类器的学习速率

给出了Tikhonov正则算法的多核正则分类器在α混合样本下的错分误差的界.利用α混合样本的Bernstein不等式,得到了α混合样本情况下的两个相关结果,然后将这两个结果应用到误差分解,并得到学习速率的估计.     

多核下基于远程直接内存访问的高效远程过程调用研究

针对目前基于远程直接内存访问(RDMA)的远程过程调用(RPC)设计在多核背景下存在的性能和扩展性问题,提出了一种新的基于RDMA Write的高效RPC设计方法并对网络文件系统(NFS)提供了支持.重点就设计中的安全性问题和内存管理机制进行了分析,并针对内存有效利用提出了被动和主动两种回收机制.测试结果表明,这种新的...     

一种基于OpenACC的遥感影像正射纠正快速实现方法

利用CUDA语言移植旧程序时需要重新设计算法,花费较多的时间,效率不高。针对这一问题,本文在分析正射纠正算法并行性的基础上,提出一种基于OpenACC的遥感影像正射纠正快速实现方法,并与基于CUDA的正射纠正方法进行对比。通过正射纠正实验表明,OpenACC能通过对源代码的较小改动将其移植到GPU中,获得一定的加速比,其可移植性好,代码开发效率较高。     

面向低能耗的非精确异构多核上的运行时技术

为降低异构多核处理器芯片的能耗,为非精确异构多核平台提出了一种基于分层调节器的硬件抽象和搜索方法.该方法首先将异构多核硬件及其非精确参数抽象为树状结构,其次使用能效分数标定调节器树,最后在线搜索其路径,为程序的每个算法获得最佳的硬件及其参数配置.实验表明,该方法能够在满足用户精确度需求的前提下,相比于精确CPU核,平均降低40％的能耗,且能够很好地适应精确度需求的变化.     

多核支持向量机多示例学习的行人再识别

行人再识别中的难点在于在不同摄像机中同一行人的图像差异较大,单一特征难以稳定地描述图像,而采用多种特征融合时无法准确分配权重。针对这一缺陷,本文提出了多核支持向量机多示例学习的行人再识别算法。首先提取行人在A、B摄像机下二张图片的分块HSV颜色特征和分块SIFT局部特征并构建词袋,将二者作为示例样本封装成包;其次对多核支持向量机模型进行了优化,采用高斯核和多项式核线性融合对包进行训练,并用多示例学习获得最优权重;最后本文算法在VIPe R标准数据集上进行了测试,识别准确率通过计算十次实验的平均准确度来获得,并用CMC曲线进行表示,同时也对样本的匹配结果进行排序。实验结果表明本文算法与多个优秀的算法相比,鲁棒性和识别准确度都获得了提高。