事务存储中的一种自适应冲突检测算法

事务存储被认为是极具前景的多核处理器并行编程的手段,但存在开销过大的问题。采用Bloom Filter对事务间访问共享变量进行冲突检测,能够有效地降低开销,但其存在误判会导致不必要的事务作废,因此要尽可能减少。简要介绍了Bloom Filter和事务存储,提出了一种事务存储的自适应冲突检测算法ACDA,根据事务读写集合大小自适应地调整Bloom Filter的位串大小,在较低开销的情况下,保持误判率不增加。分析了软件事务存储中实现ACDA的特点,初步实现ACDA,与主流软件事务存储实现RSTM相比,在事务存储测试程序STAMP中,开销可接受的前提下,减少因误判而作废的事务最高达93%。给出了对ACDA哈希函数进一步优化的思路。     

源程序的非编译成份的度量

非编译成份包括注释、程序书写风格和命名规则等几个部分,其中程序书写风格可分为空白行、行缩进和换行等。合理地使用非编译成份,可以提高程序的可读性、可理解性、可修改性、可维护性等质量特性。然而,只有高质量的非编译成份才能起到期望的效果。本文旨在提出一种非编译成份的评价方法,促进这些成份质量的提高。在介绍每一种非编译成份后,分别提出了针对这些成份的度量方法。最后,采用加权合成的方式,得到非编译成份的整体度量。     

使用GPU加速BLAST算法初探

应用GPU通用高性能编程技术实现了一种加速BLAST算法的新方法。BLAST是目前最常用的用于生物序列查询比对的算法和软件包,其处理速度受到串行化执行和磁盘I/O等因素的影响。本文通过实验分析了BLAST软件包中的典型程序BLASTN的运行热点,并选定关键热点模块,应用CUDA编程技术对其进行并行化改造。对比实验结果表明,对于平均序列长度较大的序列库,应用GPGPU并行化可明显缩短该模块的运行时间,获得超过35倍的加速比。这说明,我们可以利用GPGPU对BLAST进行并行化加速,以满足高性能生物序列查询的需求。     

基于数据挖掘的多策略研究生教育课程成绩分析方法研究

本文对研究生教育中的课程考试成绩数据进行了深入分析,提出了一种成绩综合评定回归模型。该模型用数据挖掘中的关联规则分析方法来分析课程之间的相关性,引入了兴趣度来减少无用的规则,并对兴趣度进行了数学分析,最后对某专业的成绩进行了实证分析。     

一种多分类器集成的手写体汉字识别方法

多分类器集成是手写体汉字识别领域的新方向。本文提出的多分类器集成方法通过改进的欧氏距离分类器将待识别汉字分类到某个粗分结果集中,然后根据粗分结果集选择1-N(one-against-rest)的SVM分类器对待识别汉字进行细分,最后用贝叶斯集成两级分类器。实验对国标一级汉字中的1034个手写汉字进行识别,证明了方案的有效性。     

基于DSP的磁流变阻尼器信号预处理

磁流变阻尼器是一种效率高,响应快,耗能低的智能阻尼器,在众多领域具有广泛应用前景.本文设计并实现了以硬件调理加软件调理相结合的磁流变阻尼器传感器信号预处理方案,此方案中硬件部分采用了集成开关电容滤波器MF10,软件部分采用了去极值递推均值滤波并加入线性误差补偿算法,满足了磁流变阻尼器控制器信号预处理的要求,亦可作为其它信号预处理的参考.     

智能机器人运动关节集成驱动控制器研究

根据智能机器人的控制要求,提出了机器人控制系统的顶层核心控制器和底层运动控制器的双层结构,底层与顶层基于CAN总线完成关节状态信息的上传和运动指令的下达.在此基础上,采用高速DSP、IPM功率智能模块、光电编码器、无刷直流电机等构建了机器人运动关节集成驱动控制器的硬件电路,并完成了相应软件设计.结果表明,这种集成驱动控制器简化了层间联系,提高了响应速度,增加了整体集成度,有利于运动关节的驱动控制一体化.     

Peterson算法在场消隐期传输中的应用

场消隐期作为应用电视有限资源的一部分,其开发潜力正逐渐为人们所重视.本文提出了一种新型的综合数据传输业务的单缆传输电视监控系统,将控制信号搭栽在视频信号通道上运行,并以Peterson算法和Chien氏搜索法为基础,将无线通信中常用的(15,7)BCH控制编码应用于底层的单片机级的信号传输中,同时给出了相应的软件解码方法,在优化控制信号的传输线路和解决时延问题的同时,大大提高了实时数据通信的有效性和可靠性,从而达到了利用电视信号逆程资源的目的.     

安徽省地震会商系统软件界面设计研究

基于ARCGis9.2的安徽省地震会商系统不仅需要强大的技术功能,还需要友好和一目了然的界面,这样不仅让会商报告者思路清晰,也能使会商观众更加清晰了解地震预报会商内容,从而为决策者更好应对不同地点和不同大小的地震发生可能性做出科学的决策;引入flash8作为软件系统的界面,用flash调用各个模块,无论从界面和功能上都较好的解决了这一问题。     

支持向量机序贯最小优化算法推导的改进

已有文献中的支持向量机SMO算法推导过程计算复杂,该文给出一个简洁推导。整个推导过程没有复杂的计算,除了误差函数外,不需引入其它中间变量。