利用循环分割和循环展开避免Cache代价

存储系统与处理器之间的速度差距逐渐变大,为此,cache使用了分级机制,但这也带来了额外的存储延迟(cache代价).提出一种利用循环分割和循环展开相结合避免cache代价的PCPLPU(prevent cache penalty by loop partition-unrolling)算法.实验结果表明,PCPLPU算法能够有效避免循环代价,提高程序性能.     

分点:无结构对等网络的拓扑关键点

虽然对等网络中的结点在功能上互相平等,但其中某些结点对于覆盖网拓扑却有重要意义.提出了分点概念来描述对等网络的拓扑关键点,这些结点的失效很可能导致覆盖网的分割.设计了一套简单、有效、分布式的分点检测和避免方法.模拟实验的结果表明,该方法可以优化覆盖网拓扑结构,并显著地提高无结构对等网络在动态环境下的容错性.     

最大模糊互信息用于图像分割

为了更好地选取图像阈值,将最大模糊熵(MFE)准则与最大互信息(MMI)准则结合,提出最大模糊互信息(MFMI)准则。同时为了有效确定最佳分割类数,提出根据模糊互信息差(dFMI)来判别的准则。综合上述的两点改进,提出一种新的多阈值分割算法——最大模糊互信息量分割算法(MFMI)。对合成图像、无损检测图像、标准测试图像进行仿真,同时对比结合前的MFE与MMI,经典的阈值分割法如OTSU和MET,以及流行的模糊C均值算法(FCM),可以发现MFMI误判率最小,代价是运行时间较长。综上,MFMI是一个有效的图像分割方法。     

Bitmap结构在高性能网络算法设计中的应用

基于Bitmap数据结构的数据压缩技术是一种针对线性存储结构的有效压缩方法,虽被广泛用于网络处理的多个领域(路由查找、网包分类等),却一直缺乏深入的分析。给出了Bitmap结构能提高算法空间性能的理论根据。总结了Bitmap结构在典型网络处理算法中的各种应用,给出了Bitmap结构的数学模型,并通过实例分析了Bitmap结构的优势和不足。Bitmap技术是一种能有效改善网络处理算法存储空间性能的通用技术,并给未来高性能网络处理算法设计提出以及现有算法的改进都提供了启发思路。     

改进的χ~2统计文本特征选择方法

特征选择是当今研究领域的一个热点,尤其是文本分类领域中的热点。针对χ2统计方法的两个缺陷:降低了低频词的权重和提高了很少在指定类中出现但普遍存在于其他类的特征在该类中的权重,对χ2统计方法进行改进,并通过做模拟和对比实验,对比改进前后的方法对文本分类的影响。在模拟和对比实验中,改进后方法的分类效果要好于传统的方法。     

信息增益区分频繁模式分类方法

基于频繁模式的分类应用研究尚处于初始阶段,但其在关系数据、文本文档与图等方面的分类应用已取得初步成果。系统地研究了基于信息增益区分的频繁模式分类问题,提出了一种基于信息增益区分的频繁模式分类模型(IGFPC),从理论上论证了该模型的可行性。通过建立模式频率与基于信息增益区分度量间的联系,提出了一种在挖掘有用频繁模式上设置最小支持度阀值的方法,基于该方法和提出的特征选择算法(IGPS),生成用以构建高质量模式分类器的区分频繁模式。实验研究显示基于信息增益区分的频繁模式分类框架模型能在分类大数据集上达到较好的扩展性能和较高的分类精度。     

凯越的小资生活

车完工在一个阴天的午后．天气的原因。大家的心情都似乎不是很晴朗。当音响灯光打开的那一瞬间,我们所有的人的心情仿佛都明亮了起来．感觉阴沉沉的天也那么的可爱了起来!全车5个显示屏．播放动画片《喜羊羊与灰太郎》．那是车主为他的小孩准备的,也许家庭责任感也是小资的完美生活里不可分割的一部分吧!谁言铁汉不柔情？!     

话语标记的语体特征研究及应用

话语标记作为一种常见的话语现象,已成为话语分析研究的重要课题。由于研究角度不同,人们对于话语标记的认识和分类至今仍存在较大差异。该文从语体的角度提出假设,认为话语标记具有一定的语体特征。为准确描写话语标记的语体特征,提出了“语体度”的概念。通过对采样话语标记在不同语体的语料中分布情况进行定量分析,证实了相当一部分话语标记具有明显的语体特征,并根据分析结果选择特征向量,采用Rocchio分类法对开放文本进行自动语体分类实验,正确率达到82.9%。事实证明话语标记的语体特征对文本分类具有一定的参考价值。     

知识管理的一片云

云的概念也走进了知识管理的领域,知识管理平台的分类统计作为“云搜索”这一新的技术,正在被厂商研发并推广。     

基于支持向量机的红细胞彩色图像分割

对红细胞进行精确的分割并统计各类参数在临床医学中有着重要的意义,但现有经典算法很难实现自动分割并获得较高准确率。红细胞的分割主要有两个难点：一是红细胞的目标提取;二是重叠红细胞的分割。本文首先利用SVM对原始图像进行红细胞提取,把原始细胞分割成红细胞和背景两类目标区域,然后对红细胞区域进行重叠分割（本文中使用改进距离标记的分水岭算法）,最终得到各个红细胞的统计数据。为获得最佳的分割效果,本文通过实验对核函数、支持向量类型及相关参数进行了详细的比较和分析。实验结果表明,该算法能有效、快捷、准确、全自动的实现