向量自动位移原理和自动位移迭代原理

本文介绍虚共存细胞结构纵横加工向量机的一种互连网络,在此网络上建立了向量自动位移原理,给出了向量位移无冲突的充分必要条件。为了解决位移冲突这一困难问题,本文进一步提出了向量自动位移迭代原理。最后对均匀分布的随机地址向量的位移迭代次数给出了概率估算和数值模拟的结果。     

虚共存细胞结构纵横加工向量机的FL互连网络

本文介绍了FL互连网络,并对可用在虚共存细胞结构纵横加工向量机中的网络单元进行了概念设计。论述了由这种网络单元构成的网络中向量自动位移过程和原理。最后根据文献[2]中所提出的向量自动位移迭代原理,对FL互连网络中均匀分布的随机地址向量的位移迭代次数进行了概率估算并给出了计算机模拟结果。     

并行块循环约化法及其在向量机上的实现

块循环约化法是解可分椭圆偏微分方程的一种快速直接方法,其运算量仅为10N~2log_2N,在串行计算机上已被证明是一种十分有效的方法。本文基于部分分式展开公式,引入了一种高效的并行块循环约化法,并针对数值上稳定的Buneman第二变式,给出了其在向量机上的具体实现,最后,分析了算法的并行复杂性。     

SP4I互连网络

本文考察了一类“ k~i”型互连网络,从分析反映这类互连网络性能价格比的参数P出发,证明了对这类网络最合理的选择是k=4,进而对单级 4~i型互连网络(简称SP4I互连网络)建立了自动位移规则,给出了向量位移无冲突的必要充分条件,并提出用设置向量缓冲寄存器来消除伪冲突及相应的其它无冲突位移性质。     

加权稳健支撑向量回归方法

给出一类基于奇异值软剔除的加权稳健支撑向量回归方法(WRSVR)．该方法的基本思想是首先由支撑向量回归方法(SVR)得到一个近似支撑向量回归函数,基于这个近似模型给出了加权SVR目标函数并利用高效的SVR求解技巧得到一个新的近似模型,然后再利用这个新的近似模型重新给出一个加权SVR目标函数并求解得到一个更为精确的近似模型,重复这一过程直至收敛．加权的目的是为了对奇异值进行软剔除．该方法具有思路简捷、稳健性强、容易实现等优点．实验表明,新算法WRSVR比标准SVR方法、稳健支撑向量网(RSVR)方法和加权最小二乘支撑向量机方法(WLS—SVM)更加稳健,算法的逼近精度受奇异值的影响远小于SVM、RSVR和WLS—SVM算法．     

基于邻域原理计算海量数据支持向量的研究

使用支持向量机理论计算海量数据的支持向量是相当困难的.为了解决这个问题,提出了基于邻域原理计算支持向量的方法.在对支持向量机原理与邻域原理比较分析的基础上讨论了以下问题:(1)构建了从样本空间经过特征空间到扩维空间的复合内积函数,给出计算支持向量的邻域思想;(2)将支持向量机的理论建立在距离空间上,设计出了计算支持向量的邻域算法,从而把该算法理解为简化计算二次规划的方法;(3)实验结果说明,邻域原理可以有效地解决对海量数据计算支持向量的问题.     

解线性代数方程组的一个高效并行算法

在阵列机或细胞结构向量机上用高斯消去法求解线性代数方程组的基本操作是进行大量的行向量变换。若并行处理机台数S远超过方程组的阶数N,则因在行变换时至少有S-N台处理机不工作而造成系统效率极低。本文提出一种可以在“虚共存细胞结构纵横加工向量机”(以下简称“虚共存机系统”)上实现的高效并行算法,使系统效率大大提高。     

频域抽取多维向量基快速傅里叶变换

给出了频域抽取(DIF)多维向量基快速傅里叶变换(FFT)算法。对多维频域信号的每一维,采用向量基2频域抽取法,导出了快速算法蝶形运算的一般形式。该FFT算法适合于维数为任意整数的情况,当维数为1时,算法退化为著名的频域抽取向量基2 FFT算法。为了便于编程实现,以频域抽取3维向量基FFT算法为例,给出了快速算法实现流程,该流程易于向任意整数维推广。计算量比较结果显示,频域抽取多维向量基FFT算法比多维分离式FFT算法计算量低。     

多核支持向量数据描述分类方法研究

核函数、惩罚因子、核参数是影响支持向量数据描述（SVDD）分类方法分类效果的重要因素。研究了多核支持向量数据描述（MKSVDD）分类方法,给出了多核支持向量数据描述分类方法的实现步骤,基于banana数据集分析了惩罚因子和核参数对分类效果的影响,重点讨论了多核函数的权值对支持向量数据描述边界分布的影响。仿真实验结果表明,与单核支持向量数据描述分类方法相比较,多核支持向量数据描述分类方法的分类效果更佳,为实际应用时参数的选择提供了参考。     

通用细胞结构巨型机——虚共存细胞结构纵横加工向量机(所谓“微处理机”组合巨型机的一种有效算法和结构)

本文讨论新型通用巨型机——“共存细胞结构纵横加工向量机”的进一步发展:另一种“通用虚共存细胞结构纵横加工向量机”,其子系统与多维阵列机等价。本文从中小规模集成电路为基础的纵横加工向量机(m×n_p 型)为出发点,简略介绍了由于“超大规模集成电路”的物质基础的发展趋势而引入的共存细胞结构纵横加工向量机(m×n型,m×n_p 型),是一类具有“多数据流”和“多指令流”两种并行方式的新型向量机。在此基础上,为了大幅度提高解题速度的需要,也就是,大幅度扩大台数的需要,本文重点介绍一种新型巨型机,可以多达成千上万个细胞单元的“虚共存加共存”式的细胞结构纵横加工向量机,并讨论了它的一个子系统与多维阵列机的等价性。从另一角度说,本文提出一类用成千上万台“微处理机”(更准确地说是“细胞单元”)构成的巨型机系统的使用方法。本文还讨论了这类新型巨型机系统的话言,主要算法,对应的主要指令,细胞单元的主要功能,以及“共存”、同步、数据传输联线组数与传输步数等问题。     

一种大规模支持向量机的高效求解算法

现有大规模支持向量机求解算法需要大量的内存资源和训练时间,通常在大集群并行环境下才能实现。提出了一种大规模支持向量机(SVM)的高效求解算法,以在个人PC机求解大规模SVM。它包括3个步骤:首先对大规模样本进行子采样来降低数据规模;然后应用随机傅里叶映射显式地构造随机特征空间,使得可在该随机特征空间中应用线性SVM来一致逼近高斯核SVM;最后给出线性SVM在多核环境下的并行实现方法以进一步提高求解效率。标准数据集的对比实验验证了该求解算法的可行性与高效性。     

利用支持向量机分割虚拟人切片数据*

为了提高虚拟人切片数据分割的自动化程度,提出了基于支持向量机的虚拟人切片数据分割方法。给出了分割策略、分割步骤,并讨论了切片数据分割中的支持向量机核及相关参数的选择。实验证明,利用虚拟人切片数据的空间相关特性,基于支持向量机的分割方法可较好地实现对相邻切片的自动分割。这种方法与其他方法相结合,可得到更加精确的分割效果。     

6 LoWPAN接入（IPv4）Internet中数据包调度的研究与实现

无线传感器网络与互联网结构的差异性使得两者在数据交互中面临诸多问题。针对6LoWPAN接入(IPv4)Internet中数据包调度问题,在实现两者通信的基础上,优化其调度算法,提出多空间共存的调度模型。分析异构网络通信过程中存在的数据包类型,按照流向和处理方式归类,对于同类数据包,采用设计的算法堵塞其进入对立空间,减少通信过程中数据的冲突碰撞。设计异构网络的适配网关对该调度模型进行验证,经调度处理后的数据包不会引起系统ICMP消息回应。实验结果表明,该多空间共存的调度模型能实现数据包的有效调度,同时网关的整体性能得到一定的改善。     

一种加权线性损失支持向量机

针对传统支持向量机无法适应大规模问题,通过引入加权线性损失函数,取代标准支持向量机的Hinge损失,提出一种加权线性损失支持向量机WLSVM(Weighted Linear Loss Support Vector Machine)。它的主要方法是:(1)通过对线性损失增加权重,提出对不同位置上的训练点给出不同惩罚,在一定程度上避免了过度拟合,增强了泛化能力。(2)仅需计算非常简单的数学表达式就可获得分类超平面,且方便解决大规模问题。通过在合成和真实数据集上的试验,结果表明:WLSVM的分类精度高于SVM和LSSVM,且减少了计算时间,尤其对于大规模问题。     

分簇结构向量寄存器分配策略研究

通过分簇结构实现向量化执行是一种高效而灵活的体系结构选择.在编译中间表示里,向量指令与标量指令交叠出现.分簇结构向量化实现的特殊方式给传统的寄存器分配框架带来了挑战.针对该问题,本文从向量指令的表示形式、Callee/Caller寄存器划分、向量寄存器分配等进行研究,并给出全局与局部向量寄存器的分配方法.     

Oracle高级复制技术在电力调度系统中的应用

介绍电力调度系统在满足<电力二次系统安全防护规定>的基础上,采用Oracle的高级复制技术,通过正向物理隔离实现内外网数据同步的方案.重点阐述了Oracle高级复制技术的过程、实现以及产生数据冲突的原因和解决方法,并给出了PL/SQL命令方式的实现过程.     

小波支持向量机

在研究支持向量机(SVM)核方法和小波框架理论的基础上,提出了一种称为小波支持向量机(WaveletSupport Vector Machines,WSVM)的新的机器学习构造方法.该方法引入小波基函数构造SVM的核函数,得到了一种新的SVM模型,然后提出了此模型的结构设计和实现算法,最后给出了几种常用的小波核函数,并给出了理论证明.通过仿真实验,把该方法与小波神经网络、高斯核SVM相比较,得到了较好的实验结果,从而验证了该方法的正确性和有效性.     

通用细胞结构巨型机——虚共存细胞结构纵横加工向量机

本文从中小规模集成电路为基础的纵横加工向量机(m×n_p型)出发,简略地介绍了由于“超大规模集成电路”的发展趋势而引入的共存细胞结构纵横加工向量机(m×n型,m×n_p型)。 在此基础上,为了用大幅度扩大台数的办法来大幅度提高解题速度,本文重点介绍一种新型通用巨型机,即可以多达成千上万个细胞单元的“虚共存加共存”式的细胞结构纵横加工向量机。它提出了所谓用“微处理机”组合巨型机的一种有效算法和结构,其子系统与多维阵列机等价。本系统可构成一个规模大小不同的组合机系列,如进一步简化,也可以成阵列部件系列。 本文还讨论了这类新型巨型机的语言,主要算法,对应的主要指令,细胞单元的主要功能,以及“共存”、同步、数据传输等问题。 本系统具有如下特点:从物理结构的观点看,它接近于多维阵列机,且是分散存储;但从功能的角度(即用户的角度)看,它是向量机,且是集中、公共存储。     

局部分块的一类支持向量数据描述

针对支持向量数据描述(SVDD)不能鉴别数据局部几何结构信息问题,提出了一种新颖的异常数据检测方法,称为局部分块的一类支持向量数据描述(OCSVDD_LP)。首先对数据进行局部分块,然后利用局部分块进行样本重构,最后采用SVDD对重构样本进行学习进而获得决策模型。人造数据集实验结果表明OCSVDD_LP能够捕捉数据的全局几何结构,也具备揭示数据局部几何结构信息的能力;真实数据集实验结果表明OCSVDD_LP在异常检测中具有较好的性能优势。     

本原?-LFSR序列距离向量性质研究

根据不同类距离向量的分量大小关系,对本原?-LFSR的距离向量进行分类,每一个距离向量有n!个等价类。通过研究距离向量的基本性质,得到一类Z本原?-LFSR的距离向量的期望为(0, T/2, T/2,…, T/2),在此基础上给出2种Z本原?-LFSR的构造方法。对距离向量和线性复杂度之间的关系进行讨论,得出距离向量到线性复杂度是一个满射的结论。