一种VLSI剖分系统的研究与实现

基于多水平方法,设计并实现了一种VLSI剖分系统（Multilevel-based VLSI Partitioner,MVP）。介绍了MVP系统的结构框图、处理流程及模块功能。MVP系统的多水平剖分程序引入图核到粗化阶段,谱图论到初始剖分阶段,群智能到投影优化阶段,得到了无向赋权图更优的剖分。MVP系统特点体现在VLSI线网到无向赋权图的转换,避免了剖分算法直接在VLSI线网上进行剖分,提高了VLSI剖分的效率。实验及分析表明MVP系统的多水平剖分程序能找到更优的图剖分,以及MVP系统找到比现有技术更优的VLSI剖分,提高了VLSI剖分的性能。     

多层次图排序算法及其在图剖分中的应用

图排序问题在众多领域中有着重要应用.本文利用多层次思想,提出一种具有V-循环结构的新算法.该算法是一种线性时间复杂度的方法.在文中的4个算例中,这种多层次方法所得到的排序质量至少比谱方法高5%.本文把它应用到图剖分领域,利用KL/FM方法对其进行了局部修改,得到了两种新的图剖分算法.在文中的4个算例中,这两种方法都能提供与当前质量最佳算法相当的图剖分结果.     

基于有向赋权图的垃圾邮件社团发现算法

本文在有向赋权邮件网络的基础上,针对垃圾邮件的特征,分析邮件发送者和接收者的关系,通过社团密度这一度量函数,对有向赋权邮件网络进行社团结构分析,以准确确定社团结构与形式,该算法另一优势是可发现重叠社团。     

面向并行负载平衡的数据剖分技术*

对传统的数据剖分技术和负载平衡对大规模并行计算性能的影响进行了综述,介绍了目前典型的几何剖分方法和图剖分方法的特点,并分析比较各种剖分算法及常用剖分软件包(ParMETIS、Zoltan、JOSTLE等)在实际应用中的优缺点,深入探讨了数据剖分技术是如何对超大规模数值模拟计算任务进行高效划分以解决负载平衡问题的,以期为开展并行计算研究和并行性能优化的研究人员提供参考。     

基于三角剖分对偶图的结构表示模型及其算法

通过提取中轴骨架并对其进行跟踪而获得层次结构图是模式识别中最常用的一种方法。论文提出一种相对骨架的新型结构表示模型“三角剖分对偶图”。利用这种结构表示模型可以从二值图像中直接获得层次结构图,并表达为树的最基本的数据结构。此外,论文还给出了三角剖分对偶图的提取和优化算法,并与骨架表示模型的层次结构图作了比较。     

基于有向无环图网格独立任务调度算法*

提出了基于有向无环图多约束网格环境下独立任务的调度模型,为其建立多约束线性规划模型,通过求解模型节点的优先级,获得网格各计算节点最优任务调度数;然后基于多约束最优任务调度方案,提出多约束带宽优先启发式算法(MCOPBHATS)和多约束计算速度优先启发式算法(MCOPCHATS)。实验结果表明,在多约束异构的网格环境下实现大量独立任务调度时, MCOPBHATS和MCOPCHATS算法的性能优于基于多约束最优任务调度方案的MinMin 算法。     

持续性三角剖分算法研究

详细介绍了Guy B1elloch等人提出一种新的支持持续性三角剖分的表示和一个新的三维凸包算法，同时介绍了基于核表示的地形模拟算法的实现，并比较度量了其实际应用的性能。     

基于Delaunay三角剖分生成Voronoi图算法

针对Delaunay三角网生长算法和间接生成Voronoi图算法构网效率不高的问题,提出了一种Delaunay三角网生长法间接生成Voronoi图的改进算法。该算法以点集凸壳上一边快速生成种子三角形,定义了半封闭边界点的概念,在三角形扩展过程中动态删除封闭点及半封闭边界点,加快Delaunay三角网生成速度。然后又定义了有序目标三角形的概念,该算法能迅速查找点的有序目标三角形,生成无射线的Voronoi图;考虑凸壳上点的特性,借助三个无穷点生成带射线的Voronoi图。通过实验结果分析表明,改进的算法执行效率有了很大提高。     

基于有向赋权图和Fibonacci数列的DES算法的研究及实现

该文根据Fibonacci数列的独特优势和有向赋权图的特点,提出了一种基于有向赋权图和Fibonacci数列的改进型DES算法,利用明文本身来产生密钥,这样就杜绝了密钥管理上的安全隐患,同时也大大地提高了算法的执行效率,经过分析其雪崩效应、对图像进行加密,得到了比较理想的实验结果,实验证明该方法是可行的。     

公交出行最优路径搜索的有向赋权图模型

当前的公交查询系统和模型在处理多目标和多模式查询时,存在着描述困难和缺乏灵活性的问题。为此,基于有向赋权图提出了一种新的公交出行最优路径搜索模型。该模型不仅可以让用户设定可接受的最大步行距离,而且通过灵活的赋权策略利用最短路径搜索算法可以满足个性化的查询要求,尤其是在多目标查询方面具有较强的表达能力。以真实的公交数据实验表明提出的模型有效、实用。     

权长相合的带权无向图画图算法

针对带权无向图的输出需用边长反映权值大小的问题,提出了一种基于遗传算法的带权无向图画图算法,通过对顶点坐标的编码进行交叉和变异来得到理想的节点坐标,变异算子结合了非一致性变异和单点邻域变异,并在适应度函数中运用顶点平均距离、边交叉数、多度顶点相关边夹角均匀度、边的权值长度比一致程度四个美学标准。实验结果表明,该算法画出的图形连线无交叉,分支清晰,权值—长度相合,能得到清晰、美观且能直观反映权值的可视化输出结果,可应用于带权无向图的可视化输出系统的设计。     

基于无向分块加权图的无模式实体识别方法研究

当前利用分块进行实体识别的方案,忽略分块键权重和分块键的歧义,导致精确度较低。提出一个基于无向加权图的无模式实体识别方法,抽取数据源中的分量,利用分量信息熵和TF-IDF方法组合求取聚类分量,建立统一分块方案。通过聚类分量权重与分块键的关系,赋予每组分块键一定的权重,将该权重与边的共现频次进行相乘加权形成无向分块加权图,最后通过修剪方案进行边的修剪,从而解决了数据多分量及分块键歧义问题,提高了精确度。在七个真实数据集上的实验证明了该方法的有效性和可扩展性。     

双目标优化的RDF图分割算法

分布式存储是解决大规模数据存储的一种比较有效的方法,而数据分割是实现分布式存储的前提。面对不断增长的RDF数据,提出一种基于双目标优化的RDF图分割算法（RDF Graph Partitioning algorithm based on Double Objective Optimization,RGPDOO）。RGPDOO将边割和分割平衡两项图分割指标融合到一个目标函数,并依据此目标函数,实现了RDF图的静态和动态分割。其中静态图分割通过对图进行初始划分,将图中顶点分成内核顶点、交叉顶点和自由顶点三类。然后通过计算目标函数增益对交叉和自由顶点进行分配。动态图分割部分,针对RDF元组的插入和删除给出相应的解决方案。同时,为了满足图分割目标,算法每隔一段时间[T]会根据子图的平衡性和紧密性进行一次动态调整。实验选择合成和真实数据集进行测试,并分别与几种通用的静态和动态图分割算法进行比较。实验结果表明提出的算法能够有效地实现RDF图的静态和动态分割。     

基于Ncut准则的图分割的新算法

针对有权图分割时不能很好解决子图内部耦合度不高的问题,使用可以同时优化子图内部顶点耦合度和子图之间顶点耦合度的Ncut准则,提出了一种新的基于迭代改善策略的RNK分割算法。算法通过不断交换可以改善Ncut值的顶点对优化现有分割。与传统分割算法相比,可以同时保证子图内最大耦合度和子图间最小的耦合度。并提出一种散列技术,提高查找最优交换顶点对的效率。当图为稠密矩阵时,改善效果尤为明显。通过对随机图分割的实验结果表明,该算法较传统的KL算法可以得到更理想的分割结果。     

基于加权有向图的权频繁模式挖掘算法

为解决加权图遍历模式的挖掘问题,提出了一种从加权有向图中挖掘加权频繁模式算法.在该算法中,利用图全局拓扑结构和顶点权值信息评估遍历模式的权支持度,从而将剪枝问题转化成模式可扩展性问题,再利用可扩展模式产生候选模式集.本算法把图,顶点权值融合进来,提高了挖掘结果的准确度.实验结果表明,该算法可以有效地进行基于加权向图的权频繁模式挖掘.     

赋权超图划分算法的电路划分实验比较研究

给出了赋权超图优化划分问题的形式化描述,并结合电路划分的具体应用,采用赋权超图来构造ISPD98电路测试基准的数学模型。阐述了基于迁移方法和多水平方法的赋权超图优化划分算法,并重点讨论了粗化阶段的不同结点匹配策略、迁移优化阶段的不同结点迁移优化策略。基于ISPD98测试基准给出的18 组电路,进行了迁移方法和多水平方法的对比实验,以及五种结点匹配和三种结点迁移优化不同组合策略的对比实验,实验数据对比充分验证了多水平方法的可行性和效率。     

一种基于GN算法的动态图划分方法

随着图规模的急剧增长,对动态图进行实时处理的需求日益增加。大多现有的算法针对静态图划分是有效的,直接用其处理动态图会带来较大的通信开销。针对该问题,提出一种基于GN算法的动态图划分方法。首先收集一段时间内加入动态图中的顶点;然后,利用GN算法对这些新加入的顶点进行预划分,产生若干个内部联系紧密的社区;最后,将预划分产生的社区结果插入到已经划分好的当前图中。实验从交叉边数和负载均衡度两方面将该方法与传统流式划分方法进行比较,结果表明,在公开数据集上,该方法的交叉边数降低了13%,负载均衡度减少了42.3%。由此可见,该方法的划分质量明显优于传统的流式划分方法。     

基于加权紧凑局部图结构的人脸识别算法

针对局部图结构算法(local graph structure,LGS)构建图结构时用到的像素点距离中心像素太远,以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部图结构(weighted compact local graph structure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现有的一些局部图结构算法相比,WCLGS在ORL(Olivetti Research Laboratory)、AR(active record)和HD(high definition)热红外人脸数据库上有更好的识别率和性能。     

基于蚁群优化多层图划分的彩色图像分割方法

为了消除基于谱聚类的归一化切分图像分割中聚类参数对分割结果的约束,提出了一种基于蚁群优化的多层图划分算法来进行归一化切分,进而对彩色自然景观图像进行分割.该算法将代表图像的相似度图作为蚁群的栖息环境,在归一化割准则的指导下,通过蚂蚁的觅食行为将相似的顶点逐渐聚集在一起,从而以多层的方式完成图划分.为了降低图像分割的计算量,利用超像素对图像进行预处理.实验对比表明,该算法消除了归一化切分分割结果对聚类参数的依赖,并提高了归一化切分分割的准确性和速度.     

基于权值图的基因芯片数据差异双聚类挖掘算法*

研究了从基因芯片中挖掘差异双聚类的算法。差异双聚类中的基因在不同类别的数据中表达水准不同,这样的差异双聚类可以有效地找出影响基因表达水平的关键实验因素以及对实验条件敏感的基因。传统的双聚类方法采取分别在两类基因数据中找出聚类,再进行比较以得到最终的差异双聚类,该策略的时间效率不高。为了快速地找出差异双聚类,提出一个全新的基于权值图的差异双聚类方法,该方法的主要创新之处在于直接在由两类数据构成的权值图上挖掘双聚类,避免了分别挖掘再比较的步骤。实验结果证实该算法具有较高的运行效率。