基于记忆提炼的对比度量增强在线类增量学习图像分类方法

图像分类中类增量学习具有知识灾难性遗忘现象,现有的基于经验回放方法着重考虑的是记忆库的更新和采样方式,忽略了新旧样本之间的特征关系。为此,提出了一种基于记忆提炼的对比度量增强在线类增量学习图像分类方法(cME 2),设计了两种新的正负样本对,对旧样本信息进行了加强重复再利用,强化了模型对冗余特征和共性特征的表达能力,基于最近邻均值分类器改善了嵌入空间中的样本分布合理性。最后,通过对比实验和消融实验验证了所提方法的有效性和高效性。

计算存储融合:从高性能计算到大数据

随着军事信息化建设,物联网广泛应用于战场感知、智能控制等军事领域,产生了海量的半结构化、非结构化的数据,受到I/O性能尤其是网络传输、硬盘读写的限制,传统的计算系统难以满足海量数据处理的应用需求。因此,提出了一种计算存储融合方法,通过扩展Linux内核,将集群内所有节点上的内存、处理器等计算存储资源在系统空间映射成一个统一的资源池,实现了单一进程空间和单一内存空间,并在内存空间内建立一个分布式内存文件系统。计算时可将数据完全加载到内存中,计算过程中仅与内存文件系统交互,避免了硬盘读写对系统性能的影响;另外,通过进程迁移,避免了节点之间的大量数据传输。实验结果表明,该方法对数据密集型计算是有效的,能够大幅提升系统的计算性能。

遗传蚁群算法在云计算资源调度中的应用

针对现有云计算资源调度算法收敛速度慢、求精解效率低等问题,有机结合遗传算法的全局搜索能力快和蚁群算法的正反馈收敛求解效率高的特点,提出一种资源调度算法。采用遗传算子生成初始信息素分布,在此基础上,通过双向收敛蚁群算子求出精确解。实验结果表明,该算法在求解精度和收敛速度方面具有优越性,是一种有效的云计算资源调度算法。

一种面向集群应用的MPICH2编程模型设计

设计了一种面向集群单一映像系统的编程模型,该模型在编程方式向共享内存编程模型靠齐,在实现方式上向分布内存方式靠齐,编程接口遵循MPI规范,采用消息传递方式实现进程间通信。编程模型以MPICH2为基础,并做了适当的改进,实现了共享内存的并行编程模型、TIPC通道以及TIPC协议在Rapid IO上的移植。设计的并行编程模型的并行算法以静态链接库的形式存在,对用户是透明的,实现灵活,代码复用率高。

通信协议性能测量与分析

为探索和证明透明进程间通信协议TIPC(Transparent Inter Process Communication Protocol)[1]在进程间数据传输的优势,首先简单介绍了透明通信协议TIPC的结构和优点,然后在节点间和节点内分别对基于TCP协议和TIPC协议通信性能进行全面的测量,并针对测量数据给出详细的分析.所得出的结果不仅对并行程序设计中数据包大小的选取具有很强的指导意义,而且对并行程序设计环境底层通信协议的选取也给出了科学的依据,从而达到优化并行程序设计、提高应用程序执行效率的目的.

基于改进模拟退火的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题.已经被证明是一个NP难问题;模拟退火在解决该类问题的算法中较为常用,但在任务数变大时,其收敛速度过慢且不一定能找到有效近似最优解,通过将cauchy分布引入扰动模型同时将其距离参数△y乘上一个系数,然后在已有代价函数的基础上提出一个更加有效的边界条件,最后将冷却进度表的算式乘上一个权值,以此加快算法的收敛速度;实验结果表明,和经典模拟退火算法相比,新算法的收敛速度明显提高,同时得到的解更接近最优解,其性能优势在任务数增大时尤为明显。

一种基于遗传和模拟退火算法的云计算任务调度算法

云计算环境中要处理大量的数据和计算任务,因此需要不断提高资源调度的效率、减少资源调度的成本,提出一种新的任务调度算法,该算法将局部搜索能力强的模拟退火算法引入到全局搜索能力强的遗传算法中,遗传算法得出的每一代最优解,将其作为模拟退火的初始解,在限定范围内寻找更优解,不断迭代,直到新算法外部循环结束时,求出任务调度全局最优解。仿真实验结果表明提出的算法在收敛速度和精度方面优于现有的任务调度算法,是一种有效的云计算任务调度算法。

基于改进遗传与模拟退火融合的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,通过对比遗传算法和经典模拟退火算法的优缺点,提出改进遗传算法的适应度函数,同时将Tsallis接受准则引入到经典模拟退火当中;其思路是用遗传算法的结果来制约模拟退火算法产生的随机状态,然后由模拟退火的接受准则以及产生的随机状态函数对遗传算法的种群进行更新,从而找到全局近似最优解;实验结果证明,改进算法与单一遗传算法以及经典模拟退火算法相比,其收敛速度和适应度更好,找到全局近似最优解的概率更大。

一种基于Impulse C的素域椭圆曲线点乘快速算法

针对大素数域椭圆加密点乘算法进行改进,在标准投影坐标系下分析固定基窗口NAF法,找出了制约此种方法的因素,通过对其基的灵活选用,并且加入滑动窗口,改进固定基窗口NAF法得到点乘运算的快速算法。利用Impulse C语言将改进前后的点乘算法函数进行并行优化编程实现,并将整个点乘运算的C代码生成高效的VHDL代码,利用StageMaster Explore对生成的VHDL代码进行分析。最后使用Xilinx ISE1 2.4对其进行综合仿真,在Xilinx Virtex-5 xc5vfx70t的硬件平台上实现了点乘算法的验证,验证结果表明本文的改进算法有效的提高了点乘运算的速度。

优先约束的混合实时任务动态调度算法

为了对较大规模问题在短时间内给出满意的解并调度随机到达的非周期任务,提出了一种动态混合调度算法。在第一个截止期限错失时刻,通过分析系统的运行情况,推导出具有优先约束的实时任务可调度的充分条件。在系统运行前,判定周期任务的可调度性,预分配足够的处理机。当非周期任务到达系统时,在保证周期任务可调度的前提下重新给周期任务和非周期任务分配处理机。该算法具有多项式时间复杂性,适合解决较大规模的多处理机调度问题。实验结果表明,该算法有效提高了处理机的利用率和非周期任务的接收率。

可重构系统中实时任务容错调度算法

现在FPGA已被广泛的应用,但三模冗余(TMR)结构不能充分利用FPGA资源,基于主/从版本技术,提出一种实时任务容错调度算法。算法通过后向调度从版本,使得从版本在其截止期限内尽可能地推迟执行,从而同一任务的主从版本在执行时间上没有重叠或较少重叠,当任务主版本成功执行时释放任务从版本所占用的资源。仿真实验表明,与TMR相比,此方法能更有效地利用FPGA资源,提高硬件任务的接受率。

允许多处理机故障的实时任务容错调度算法

随着故障处理机个数增加,基于主/从版本技术的实时容错调度算法对处理机利用率迅速下降。论文提出了一种能够调度周期和非周期混合实时任务的容错调度算法,该算法允许多个处理机出现故障。把DS(Deferrable Server)算法扩展到多处理机系统,可在系统中设置多个DS服务器来处理非周期任务。当处理机出现故障时,通过在其他处理机上回卷执行故障任务,保证了系统的容错性能。实验结果表明,该算法能够使系统接收的所有实时任务满足截止期限并有效地减少了所需的处理机数。

一种面向部分可重构系统的实时调度算法

针对当前可重构资源模型难以实现或资源利用率低等不足,提出一种新的资源模型。基于此模型,设计一种能够调度周期和非周期任务的混合实时任务调度算法。把周期任务分成若干组,在FPGA上为每组任务预留一个槽。当有非周期任务到达时,预先调度当前忙碌期内的所有周期任务,在保证当前忙碌期内周期任务满足截止期限且不影响下一个忙碌期内周期任务执行的情况下,把非周期任务调度到某个槽内执行。实验结果表明,该算法能够充分利用可重构资源,满足所有接收任务的截止期限。

一种面向部分可重构FPGA的混合实时调度算法

在CPU/FPGA平台上运行的实时任务通常由软/硬件子任务组成并存在优先约束关系。提出了一种软/硬件混合实时任务调度算法。在截止期限错失时刻,通过分析系统的运行情况,推导出实时任务可调度的充分条件。每个实时任务的硬件子任务分成多组,每组硬件子任务重叠配置到FPGA上。通过手工布局硬件子任务端口和总线端口,使得硬件子任务可动态的连接到系统总线上。实验表明,该算法能够满足任务的实时性,充分利用FPGA资源。

端到端时间约束的实时任务动态调度算法

在单处理机系统中,由于计算高优先级任务抢占的时间相对比较简单,所以单处理机调度理论取得了长足的进步.提出一个端到端时间约束的实时任务调度算法,当实时任务到达系统时,算法为任务的每个子任务在相应的处理机上预约一定的计算资源,把端到端的多处理机调度问题转换成单处理机调度问题,从而可以利用单处理机调度理论判定实时任务的可调度性.实验表明,该算法明显地提高了CPU利用率和任务接收率.

面向单一系统映像的透明MPI编程模型研究与实现

提出两种不同级别透明MPI(Message Passing Interface)的概念和结构组成,分别从应用级透明和通信级透明两个层面来阐述提出透明MPI的动机,以及它们的具体架构和基于MPICH2的实现过程,并对其优缺点进行全面分析。通过测量发现,在单一系统映像的机群下,透明MPI不仅简单易用,还获得了性能上的提高。

基于密集连接网络的遥感图像检测方法

针对传统遥感图像检测算法中人为干预多、速度慢、检测精度低等问题,提出一种基于深度学习的遥感图像检测方法。采用密集连接的网络结构,充分利用每层网络提取的特征,减少网络推理时间;采用具有更大感受野的扩张块结构;使用扩张块结构和反卷积网络结构将浅层特征图和深层特征图进行信息融合,从而增强遥感图像中多尺度目标的检测能力。实验结果表明,该检测方法具有更高的准确率和更短的检测时间,尤其在小目标物体的检测上表现出更好的性能。

基于半监督学习的遥感飞机图像检测方法

现有基于深度学习的遥感飞机图像检测方法在训练时需要大量的带标记数据集和较长的训练时间,鉴于此,提出了一种基于生成式对抗网络的半监督学习方法。采用两种粒度的深度卷积生成式对抗网络,分别提取待检测目标的边缘特征信息和深层语义特征。通过结合两种粒度的生成式对抗网络的判别器网络模型,设计了目标检测网络模型。实验结果表明,实验设计的半监督学习训练方法具有更快的收敛速度,且在训练时需要的标记样本更少。