可重构的椭圆曲线密码系统及其VLSI设计

研究了一种新的结构可重构的椭圆曲线密码系统及其VLSI设计问题。从点乘与群运算层的调度到有限域上的高速运算方法等方面出发，提出了一些提高椭圆曲线上点乘运算的新方案；给出了一种新的支撑域和曲线参数可选择、结构可重构的高速椭圆曲线密码专用芯片VLSI架构。采用全定制与基于0，6μmCMOS标准单元库综合相结合的方式实现了该系统。测试结果表明：设计芯片能够有效地完成数字签名与身份验证完整流程；在20MHz的工作频率下，平均每次签名时间为62。67ms。     

基于WLAN的校园无线热点建设初探

随着无线局域网技术的应用与发展,目前基于WLAN的校园无线热点建设成为有线校园网网络延伸的重要手段之一,文章对于无线局域网技术、校园无线热点的建设做了介绍,提出一些设想和初步的设计方案。     

一种在计算机上生成凸包的算法

在计算机上实现生成凸包的算法很多，笔者设计的这一算法主要是利用了在计算机表示中，任意两个点之间必定是有一定距离的，而数学上两个点之间的距离可以是无限小这一特点。我们总可以在计算机上任意两个点的位置之间插入一个数学上的点，这个点计算机可能无法表示，但它是可以被计算的。利用这一特点设计了本算法。     

优化算法的信息原理与群搜索

从两个不同的角度对各种进化算法进行剖析,寻求合理的解释.从信息论的角度进行讨论,分析了在算法设计中如何表示信息.提取信息、传递信息,利用信息与信息融合等问题,在优化技术与信息论之间建立了联系的纽带.从搜索的角度进行讨论,分析了单点搜索与多点搜索,指出了各种进化算法均属于随机布点,企图寻找全局最优的数值方法.     

基于区间直觉模糊集的多准则决策方法

研究基于区间直觉模糊集的多准则决策方法.首先定义了区间直觉模糊点算子,并讨论了其性质;然后对区间直觉模糊集定义了一系列得分函数,并给出两种基于区间直觉模糊集的多准则决策方法.将该方法应用于区间直觉模糊集多准则决策问题,所得结果推广了有关直觉模糊集的相关结果.     

基于超像素的点追踪方法

目的由于当前大多数的追踪算法都是使用目标外观模型和特征进行目标的匹配,在长时间的目标追踪过程中,目标的尺度和形状均会发生变化,再加上计算机视觉误差,都会导致追踪的失误。提出一种高效的目标模型用于提高追踪的效率和成功率。方法采用分割后提取的目标特征来进行建模表示外观结构,利用图像分割的方法,将被追踪的目标区域分割成多个超像素块,结合SIFT特征,形成词汇本,并计算每个词在词汇本中的权值,作为目标的外观模型。利用外观模型确定目标对象的关键点位置后,通过使用金字塔Lucas-Kanade追踪器预测关键点在下一帧图像中的位置,并移动追踪窗口位置。结果结合点位移的加权计算有效地克服目标尺度和形状变化产生的问题。结论实验结果表明在目标发生形变或光照变化的情况下,算法也能准确地、实时地追踪到目标。     

复杂异构计算系统HPL优化研究

当今世界的主流超级计算机越来越多地使用带有加速器的异构系统.随着加速器的浮点性能不断提高,超级计算机内计算节点的CPU、内存、总线、网络以及系统架构都要与之相适应.HPL（High Performance Linpack）是高性能计算机评测的传统基准测试程序,复杂异构系统给HPL评测带来很多机遇与挑战.针对带有GPU的异构超级计算机系统,提出一套新的CPU与加速器计算任务分配方式,提出平衡点理论指导HPL性能优化.为了优化HPL程序,提出了使用CPU与加速器协同工作的look-ahead算法和行交换连续流水算法,实现了加速器、CPU、网络等部件的高度并行.此外,为带有加速器的系统设计了新的panel分解和行交换的实现方法,提高加速器的利用率.在每个节点带有4个GPU的系统上,单节点HPL效率达到79.51%,14884节点效率达到62.22%.     

个性化CAI系统中基于XML的知识表示

知识表示是实现个性化教学的基础。知识点是教学活动过程中传递教学信息的基本单元，知识点之间的关系可用一个总体树／局部图的组织模型来表示，这与XML文档的树形结构相合。利用XML良好的语义性来描述结构化的学习资源是为了容易地实现远程教育信息的标准化和智能教学导航。     

一种抗缩放攻击的盲检测数字水印方案

提出了一种抗缩放攻击的盲检测数字水印方案,在DCT域嵌入带有同步信息帧的水印信息,以及在空域构造具有固定间距、固定差分值的差分特征点网格是该方案的基本技术路线。给出了差分特征点网格的定义、嵌入和提取方法,提出了缩放系数的获取算法。实验结果表明,该数字水印系统对缩放攻击具有较好的鲁棒性。     

基于惯性测量单元辅助的激光里程计求解方法

在同步定位与建图(SLAM)问题中,里程计部分的求解精度对后续建图起着至关重要的作用,惯性测量单元(IMU)可以为SLAM中里程计求解提供良好辅助。在考虑平面移动机器人运动特点及室内环境特征的基础上提出一种基于IMU松耦合的激光里程计求解方法,实现里程计部分的精准定位。第1阶段,机器人运动过程中实时处理点云信息,将地面点分割并提取有效关键点;第2阶段,将IMU信息引入卡尔曼滤波器,为帧间匹配提供位姿先验;第3阶段,滤波器输出位姿估计值后,利用非线性优化方法进行点云帧间匹配,实现里程计运动的求解。实验表明,所提方法在激光点云处理、运动求解,具有良好的稳定性和准确性,可将偏移量误差控制在0.4%以内,为后续建图提供有力数据保障。