纵横加工向量机原理

本文讨论以中小规模集成电路为基础的巨型机。 文中从分析伊里阿克IV入手,特别是对于它不能直接使用大容量中速主存和使用不很方便等问题进行了讨论,在这个基础上,提出了“纵横加工向量机”。“纵横加工向量机”分别克服了或部分地克服了伊里阿克IV的不能直接使用大容量主存储器、使用不很方便、器材较费、效率枚低和有效使用范围较窄等不足之处。 文中介绍了纵横加工向量机的原理、基本算法、存在问题和解决办法。 文中讨论了纵横加工向量机具有横向加工的优点。这点比通常的纵向加工向量机(例如STAR-100)对存储系统供数能力的要求,降低了三倍以上。     

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。     

细胞结构纵横加工向量机

本文讨论一般向量机及纵横加工向量机的细胞结构化的可能性。随着器件的飞速发展,细胞结构巨型机成为巨型机重要方向。多处理机、阵列机、关联阵列机的细胞结构化是显然的;而向量机,一种比较受欢迎的巨型机,语言可在标准语言基础上扩充,使用与习惯较接近,效率比较高的巨型机,能否细胞结构化?本文给出了构造性的肯定回答。本文介绍了标准语言向量扩充和纵横加工向量机。在此基础上讨论了细胞结构向量机及细胞结构纵横加工向量机。最后简略讨论其优点及细胞单元数目有限的局限性(例如N≤64)。     

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。     

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。     

纵横加工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“纵横加工向量机”中的交叉问题及其处理办法。     

757向量计算机的体系结构

本文概述了“757”向量机的体系结构,主要性能指标,技术条件及其结构特点。从硬件结构设计的角度,着重论述了如何充分发挥向量机纵横加工这一特点,克服流水线机器的致命障碍——相关;如何处理好向量机三控之间的速度匹配,特别是处理好高速的中央处理机与低速的磁心存储器之问的供求矛盾。     

怎样建立Auto CAD符号库

介绍一种建立很实用的AutoCAD符号库的方法。 AutoCAD是IBM-PC机上使用最广泛的绘图软件。建立一个好的符号库,对于提高绘图速度、绘图质量及标准化绘图都有很大帮助。建库可用形文件(SHX文件),虽然一个形文件可存放多个符号,但建库不是很方便,其中的符号也只能是单线体,使用受到了一定限制。还可用块(BLOCK)来建库,但有些使用者用一个文件存放一个块,若块数较多,使用起来就很不方便。这里介绍用一个文件来存放多个符号的方法,以克服上述缺点。 1.建立符号库先在屏幕上绘10×10个、大小为1×1、间距为0.4的正方形,用矩阵下标对其编号,纵向取A～J,横向取0～9。然后,用各种方法在正方形内绘制所需     

直接执行高级向量语言计算机

本文探讨直接执行高级向量语言计算机的现实性,并讨论一类有利于这种现实性的计算机——向量机对高级语言的直接执行。 随着器件的飞速发展,不久将来,从计算器开始,部分的微处理机、小型机、中型机、甚至将来的部分大型机,会逐渐出现“剩余速度”和“剩余器材”。而这些速度和器材的“剩余”,对某些计算机来说,会逐渐被转移到用来提高系统软件的生产能力。本文认为这里讨论的直接执行高级向量语言的向量机可能最有希望被提前实现。     

美国巨型计算机近况

美国一九七三年有三种巨型计算机投入运行,它们是伊里阿克-四(Illiac Ⅳ),先进科学计算机(ASC)和斯达朗(STARAN)。号称二亿次的Illiac Ⅳ阵列计算机系统开始了有限度的运行。该机的研制工作始于一九六六年,它有64个处理器和64个2048字的存储器,由一个公共控制器来管理。每个处理器的计算能力约为每秒三、四百万次。这部计算机现安装在美国航空及宇宙航行局(NASA)的艾姆斯研究中心,它不仅承担本地的计算任务,而且还通过ARPA网络与外地的许多计算机和终端机相连。德克萨斯仪表公司的ASC巨型计算机已交给反弹道导弹防御局,安装在阿拉斯加州的杭茨维尔城。ASC机于一九六六年开始研制,是一部以处理地震波     

一种基于SVM的多变量企业财务预警模型

本文将支撑向量机这一通用学习机器引入企业财务预警中，克服了以往应用统计分析方法中需要大量样本的缺点，提出了一种在小量样本情况下，实现企业财务数据与企业的运营状况映射关系的方法，还探讨了支撑向量机在企业财务预警中应用的优势和发展潜力，并给出了实验设计和验证。     

一种改进的最小二乘支持向量机及其应用

为了克服传统支持向量机训练速度慢、计算资源需求大等缺点,本文应用最小二乘支持向量机算法来解决分类问题。同时,本文指出了决策导向循环图算法的缺陷,采用自适应导向循环图思想来实现多类问题的分类。为了提高样本的学习速度,本文还将序贯最小优化算法与最小二乘支持向量机相结合,最终形成了ADAGLSSVM算法。考虑到最小二
乘支持向量机算法失去了支持向量的稀疏性,本文对支持向量作了修剪。实验结果表明,修剪后,分类器的识别精度和识别速度都得到了提高。     

基于C4.5算法优化SVM的个人信用评估模型

支持向量机作为非参数方法已经广泛应用于信用评估领域.为克服其训练高维数据不能主动进行特征选择导致准确率下降的缺点,构建C4.5决策树优化支持向量机的信用评估模型.利用C4.5信息熵增益率方法进行属性选择,减少冗余属性.模型通过网格搜索确定最优参数,使用F-score和平均准确率评价模型性能,并在两组公开数据集上进行验证.实证分析表明,C4.5决策树优化支持向量机的信用评估模型有效减少了数据学习量,较于传统各类单一模型有较高的分类准确率和实用性.     

基于遗传算法的回归型支持向量机参数选择法

研究了遗传算法在回归型支持向量机参数选择中的应用：首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象;在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题,模拟实验证明,该方法克服了传统参数选择方法存在的缺点,提高了支持向量机的预报精度。     

神经网络集成与支持向量机在多值分类问题上的比较研究

神经网络集成和支持向量机都是在机器学习领域很流行的方法。集成方法成功地提高了神经网络的稳健性和精度,其中选择性集成方法通过算法选择差异度大的个体,取得了很好的效果。而支持向量机更是克服了神经网络的局部最优,不稳定等缺点,也在多个方面取得了很好的结果。该文着重研究这两种方法在小样本多类数据集上的性能,在四个真实数据集上的结果表明,支持向量机性能要比神经网络集成稍好.     

无参数鲁棒线性规划支持向量机分类的牛顿法

Mangasarian最近提出的用于分类的无参数鲁棒线性规划支持向量机克服了标准支持向最机的一些缺点，而且模型简单，容易实现。该文讨论了这种新型支持向最机的线性规划问题的最小2-范数解，在此基础上给出了一个快速的牛顿算法。     

一种新的无参数支持向量机分类器

提出了一种新的基于二次规划的无参数支持向量机分类模型，克服了标准支持向量机需要选择正则化参数的缺点，而且该模型简单，易于实现。数值实验表明了该模型的可行性和有效性。     

虚共存细胞结构纵横加工向量机上向量无冲突存取方法

本文讨论虚共存细胞结构纵横加工向量机上无冲突的向量位移的有关性质,在此基础上对各种无位移冲突的向量的自动访问和对压缩、还原、扇出、复置等特殊的向量处理给出了实现的具体方法,并给出了用于N~(1/2)×N~(1/2)方块向量的高效并行算法的数据调度方法。文中提出的方法位移步数少,控制信息需要的计算量小,从而使虚共存机面向的主要数据调度能高效实现。     

基于SVM的Web文本快速增量分类算法*

针对基于支持向量机的Web文本分类效率低的问题,提出了一种基于支持向量机Web文本的快速增量分类FVI-SVM算法。算法保留增量训练集中违反KKT条件的Web文本特征向量,克服了Web文本训练集规模巨大,造成支持向量机训练效率低的缺点。算法通过计算支持向量的共享最近邻相似度,去除冗余支持向量,克服了在增量学习过程中不断加入相似文本特征向量而导致增量学习的训练时间消耗加大、分类效率下降的问题。实验结果表明,该方法在保证分类精度的前提下,有效提高了支持向量机的训练效率和分类效率。     

一种求ε-不敏感支持向量回归机光滑函数的新方法

2008年熊金志等人提出了一种求光滑函数的方法,就理论而言可求得ε-不敏感支持向量回归机的无穷个光滑函数,但该方法每次都需要对光滑函数的导数进行积分,推导过程很繁琐。为克服这个缺点,本文利用支持向量分类机的光滑函数,通过相关的理论推导,用新的递推方式来表示支持向量回归机的光滑函数,简化了原方法的推导过程,得到了一种求支持向量回归机光滑函数的新方法。通过用原方法和新方法分别求光滑函数的两个算例,表明了新方法的有效性。还用新方法导出了光滑函数的一个重要性质,即光滑函数关于光滑阶数是单调减函数,为进一步研究光滑支持向量回归机提供了理论依据。