基于遗传算法和覆盖率驱动的功能验证向量自动生成算法

提出了一种基于遗传算法和覆盖率驱动的RTL(registertransferlevel)代码功能验证向量自动生成算法.其特点是自动反馈覆盖率信息,构成一个闭环系统;用遗传算法动态分析覆盖率信息,自动生成针对性更强的验证向量.在SoC(syetemonchip)的模块验证中采用了该方法来自动生成验证向量;与受限随机生成方法相比,能快速达到覆盖率目标,缩短验证周期.

一种数字电路的测试向量生成算法

结合一个实际电路 ,研究了一种可把数字电路故障定位到器件级的测试向量生成算法。该算法首先划分电路功能块 ,然后基于功能测试的思想 ,通过功能块测试向量的迭代生成整个电路的测试向量。还提出了一种基于器件布尔函数建立故障字典的方法 ,这种方法思路清楚 ,软件编程实现方便。

测试向量生成的新搜索算法

描述一种新的健全高效的测试向量自动生成方法———测试向量生成的可满足性算法。与现有的测试向量生成算法相比 ,满足性算法是一种有效改进搜索空间的搜索算法 ,运用几种简化技术 ,进一步改进故障诊断的方法。由部分ISCAS’85基准电路的仿真结果表明 ,满足性算法健全、有效 ,而且电路增大 。

改进可满足性的测试向量生成算法

描述了可满足性的测试向量生成 (SAT ATPG)算法 ,针对此算法的不足 ,提出反向路径敏化算法 (BPS)嵌入SAT ATPG中 ,减少了CNF的构成时间和搜索空间 ,而且减轻故障压缩的工作量 。

加速可满足的测试向量生成算法

本文描述了可满足的测试向量生成 (ATPG)算法 ,对可满足的测试向量生成算法的不足 ,提出改进的全局蕴涵及唯一确定值的计算 ,来简化搜索空间、降低搜索量、加速测试生成。

一种基于端元投影向量的高光谱图像地物提取算法

利用高光谱图像在波段空间中呈现凸面单体这一几何特性,提出了一种用于提取地物的端元 投影向量生成算法,端元投影向量的生成以下面事实为依据:在高维波段空间中,每一个端元都游离 于其他所有的端元构成的超平面之外,且是距离超平面最远的点.利用在Cuprite获取的AVIRIS数 据对端元投影向量生成算法进行了验证,实验结果表明该算法可以有效地用于地物提取.

基于状态向量表示的快速量子仿真算法

本文给出了量子门的符号化表示形式,将n量子线路表示成一个控制位符号向量和一个低阶受控量子门的组合,避免了使用高维矩阵的巨大存储开销.对无循环格雷码生成算法进行扩展,提出了n元k定位二进制数生成算法.提出了快速量子仿真算法FQSA,将输入状态向量分组,用同一酉算子对各组进行矩阵向量乘积运算,从而快速产生输出状态向量.相比其他通用量子仿真算法,FQSA节省了存储空间,并具有最优的时间复杂度.仿真QFT表明,较当前最好的分治算法,FQSA极大降低了运行时间,提高了可仿真量子比特数.

基于SIFT的数字图像盲检测算法研究

针对图像区域的复制-变换-移动-粘贴篡改,建立了相应的篡改模型,提出了基于SIFT标记图特征向量的盲鉴别算法,能够有效地检测并定位经过旋转、缩放变换的篡改区域,而且能够抵抗高斯模糊、高斯白噪声和JPEG重压缩等后处理。与基于传统SIFT特征向量的检测算法相比,该算法对篡改区域的缩放变换具有更高的鲁棒性。

马尔可夫决策过程和先验控制向量在弱约束自然语言生成中的应用

自然语言生成是目前非常重要且具有挑战性的一类人工智能任务.长短时记忆(Long Short-Term Memory,LSTM)语言模型是目前最为主流的自然语言生成模型.但是,LSTM语言模型的训练准则是词语级别的交叉熵,这会导致暴露偏差问题.此外,一般自然语言生成任务的评测指标是序列级别的BLEU分数或者词错误率,这与训练使用的交叉熵准则也不匹配.在本文中,我们使用马尔可夫决策过程重定义了自然语言生成问题,并通过从训练数据中提取的先验控制向量来指导生成过程.先验控制向量可以视作是对序列空间的一种先验划分的抽象,通过在自然语言生成中引入先验控制向量,我们可以更好的约束自然语言生成的空间.再通过马尔可夫决策过程的定义,我们可以使用策略梯度算法来直接使用测试使用的BLEU分数来代替交叉熵训练LSTM网络.在多个数据集上的实验显示本文提出的方法相比于普通使用LSTM语言模型的基线系统在BLEU分数上有大约绝对2%~3%的提升.

基于改进的SIFT算法的图像检索

探讨基于内容的图像检索.经典的尺度不变特征检测和匹配算法SIFT,具有旋转、缩放、仿射的不变性,因而在图像匹配、图像检索领域得到越来越广泛的应用.但其主要针对灰度图像,并且当图像中存在多个相似区域时,SIFT算法得到的特征向量就有很大的相似性,容易造成误匹配.为了得到更好的检索效果,在SIFT算法基础上加入颜色不变量特征,构造颜色特征向量,并且建立一个用来区分相似局部特征的全局向量,在检索实验中取得了比较理想的效果.

基于特征点法向量的点云配准算法

在传统的迭代最近点算法(ICP)中,需要两片点云具有良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,本文提出了一种基于特征点提取与配对的粗配准方法,以调整两片点云重叠部分的初始位置。首先,利用SIFT算法提取两片点云公共部分的特征点;其次,根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对;然后,利用法向量的夹角对特征点对进行提纯;最后,通过单位四元数法,求解出旋转及平移矩阵,完成粗配准。试验表明,本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置,在一定程度上避免配准时陷入局部最优的现象。

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。

最小生成树算法的快速实现

给出一种基于向量合并的最小生成树算法 ,它的时间复杂度和空间复杂度分别为O(E)和O(max(E ,V) ) ,算法简洁。

基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients,HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm,PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine,SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。

改进SIFT算法在气象站图像拼接技术上的应用

利用基于特征点的sift算法与几何不变矩结合实现气象站全景图像的拼接,Sift算法和不变矩结合计算出特征匹配点后,利用RANSAC算法进行特征点剔除误配,从而进一步计算出拼接图像之间的变换关系矩阵H。最终使用加权平滑算法完成了气象站图像的融合,从而得到最后的气象站拼接图像。实验证明,该算法一定程度上提高了图像拼接的效率。

组合电路的故障测试生成并行ATPG算法研究

自动测试向量生成(ATPG)是借助计算机或者其他工具根据一定的测试生成算法自动的为被测电路生成测试向量的过程。文章给出了一种位级并行(split-into-W-clones)自动测试向量生成算法,该算法的判决按照位逻辑操作运算进行。通过将该算法与SCOAP可测性测度结合起来,为该算法前后向蕴涵选择最优路径,提高每次回溯成功的概率,达到减少回溯次数、加速测试向量的生成和提高故障覆盖率的目的。通过实验看出改进后的算法具有良好的性能。

基于半监督学习的StyleGAN图像生成模型

StyleGAN是一种基于生成对抗网络的图像生成方法,它在图像生成领域占据着重要的地位。但传统的StyleGAN生成图片质量依赖于训练集样本质量,当训练集图片质量较低时,StyleGAN往往不能很好发挥作用。针对此问题,本文提出一种基于半监督的StyleGAN模型(SG-GAN)。对于单个图片的生成,首先根据StyleGAN模型中w向量和图像的一一对应关系,生成训练样本并导入支持向量机(SVM)进行训练。然后,利用SVM和StyleGAN的mapping network在每次生成图像前对w向量进行筛选,挑选合格的w向量生成图像,以提高生成图像质量。对于批量图片的生成,首先经过基因向量生成器生成基因向量并随机组合在一起,采用动态循环回溯算法求得风格向量的所有排列,根据排列结果产生交配后的个体,最后,经过评价函数进行个体的筛选,在模型的多次迭代后,最终找到更加优秀的个体。本文在公开数据集上与几种先进同类方法进行了对比实验,实验结果表明:在lsun猫脸数据集上,模型FID2.74的准确率最高可达74.2%,召回率可达51.2%。经验证,该模型在lsun数据集上的准确率明显优于StyleGAN模型,进一步证实了该模型的有效性。同时,模型在Cat Dataset,CIFAR-100和ImageNet数据集上均达到70%以上的准确率,从而验证了模型具有不错的泛化性。

基于计算机视觉算法的图像处理技术

随着科学技术的快速发展,近年来我国图像处理领域发展迅速,计算机视觉算法在该领域的应用价值也受到了广泛关注。基于此,论文以传统的SIFT软件为基础,围绕SIFT向量生成算法、向量生成并行结构优化开展了深入探讨,并通过实验证明了技术的实用性能,希望由此能够为相关业内人士带来一定启发。

基于图匹配的人脸识别算法

为了识别有较大表情变化的人脸,利用sift算法找到人脸图像中的DoG关键点,用这些极值点所包含的灰度信息和位置信息建立最小生成树,再使用最小生成树估计联合Rényi熵,结合图论中的图匹配知识,进行人脸识别.实验结果表明,该算法在人脸出现较大表情变化的情形下仍能够得到较为准确的识别结果.

时序电路状态覆盖向量的遗传方法筛选

传统的状态覆盖方法对电路的数据单元测试不足,而随机测试方法又具有盲目性·在综合2种方法的基础上,给出一种以状态与状态转换覆盖率为评估、以遗传筛选为工具对生成的测试向量进行择优选择的方法·为了指导测试生成,给出了动态状态转换与静态状态转换概念·同时,基于该方法给出一个测试生成工具GRTT·最后,将文中方法实验于ITC99-benchmark电路,并将实验结果与测试生成系统X-Pulling的结果进行比较·