面向大样本数据的核化极速神经网络
摘要：核化极速神经网络KELM（Kernel Extreme Learning Machine）将ELM（Extreme Learning Machine）推广到核方法框架下,取得了更好的稳定性和泛化性.但KELM的训练时间O（n2 m＋n3＋ns）≈O（n3）,以样本数n的3次幂急剧膨胀（n为样本数,m为特征维度,s为输出节点个数）,不适合处理大样本数据（n20 000为基准）.为此作者提出一种KELM加速计算框架,并在该框架下结合Nystrm近似低秩分解实现一种快速算法NKELM（Nystrm Kernel Extreme Learning Machine）.NKELM的训练时间O（nmL＋mL2＋L3＋nLs）≈O（n）,只是n的一次幂（L为隐含层节点数,通常Ln）,远远低于KELM的训练时间,适合处理大样本数据.实验表明,NKELM在大样本数据上具有极快的学习速度,同时产生良好的泛化性能.几类对称布尔函数的非线性度、代数次数和代数免疫阶
摘要：该文讨论了几类偶数个变元n的对称布尔函数的一些密码性质,包括非线性度、代数次数、代数免疫阶、严格雪崩准则和相关免疫性等.我们的讨论显示这些对称布尔函数有好的非线性度和代数次数,并且有两类对称布尔函数的代数免疫阶达到最大n/2,一类对称布尔函数的代数免疫阶为1,但是它们基本上不具有相关免疫性和不满足严格雪崩准则,因此这些布尔函数都不能直接应用到密码系统中.同质球形邻域投影
摘要：在有监督学习模式下,当样本数量在类与类之间的分布具有较大的不平衡现象时,一些传统算法如LDA的性能会受到很大影响.在iid条件下,可以认为每类数据具有独特性,且类与类之间彼此独立.基于此,提出了同质球形邻域算法IHSN（Isotropic Hyper Sphere Neighborhood）.通过在Rn-1空间中构建n个同质的正则单纯形,作为样本在嵌入空间中的同质球形邻域,利用带约束的最小二乘回归法可求得数据空间与嵌入空间的映射函数.所提出的IHSN算法有两种实现形式：基于流形学习的IHSN-ML、基于KL散度的IHSN-KL.IHSN-ML具有闭式解,速度快;IHSN-KL可解释性好,精度更高.在IRIS和PIE-CMU数据集上的实验,验证了所提算法的有效性.基于悖论证明与局部搜索的不可满足子式求解算法
摘要：随着软硬件设计规模日益增加,功能越来越复杂,功能验证与调试在整个设计周期中占有的比重越来越大,迫切需要高效的方法诊断与定位设计中的错误,而求解不可满足子式可以显著提高自动化工具定位错误的效率.近年来,求解不可满足子式的算法多是基于DPLL（Davis-Putnam-Logemann-Loveland）回溯搜索过程的完全算法,很少有研究涉及到不完全方法.文中针对求解不可满足子式的不完全方法,提出了悖论证明与悖论解析树的概念,并提出一种启发式局部搜索算法,从布尔公式的悖论证明中求解不可满足子式.算法首先采用融合了布尔推理技术、动态剪枝方法及蕴含消除方法的局部搜索过程,逐步构建悖论证明所对应的悖论解析树;然后调用递归函数搜索悖论解析树,最终得到不可满足子式.基于实际测试集与随机测试集进行了实验对比,结果表明文中提出的算法优于同类算法,而且动态剪枝与蕴含消除技术能够有效地减少存储空间及运行时间.多元时间序列的子空间回声状态网络预测模型
摘要：针对采用回声状态网络预测多元混沌时间序列时储备池学习算法可能存在的病态解问题,该文提出了一种基于快速子空间分解方法的回声状态网络预测模型.所提模型利用Krylov子空间分解方法提取储备池状态矩阵的子空间,子空间代替原状态矩阵进行输出权值求解,可以消除储备池状态矩阵的冗余信息,有效地解决伪逆算法存在的病态解问题,并且降低计算复杂度,提高泛化性能和预测精度.基于两组多元混沌时间序列的仿真结果验证了该文所提模型的有效性和实用性.一种协同演化下的二元邻域判定误分纠错方法
摘要：针对图像分类过程中出现误分样本的问题,提出了一种协同演化的计算方法,可有效纠正误分点.在数据空间协同表示的基础上,考虑误分样本周围的支持样本和竞争样本对该类样本的协同作用,将误分样本逐渐拉入正确的决策区域内,实现误分样本的正确分类,达到纠错目的,同时从理论上证明了方法的收敛性.仿真数据集和真实图像集分类的实验验证了协同演化计算策略能够稳定收敛至唯一点,结合高维空间中ISOMAP流形,提出的协同演化模型有较好的纠错能力,并较已有方法在低约简维数上有更好的执行效率和分类性能.一种基于虚拟基本块和格式化标签的控制流检测方法
摘要：空间辐射环境中,大量的宇宙射线经常导致星载计算机出现瞬时故障,这些故障的主要影响之一是引发程序控制流错误.文中提出了一种软件实现的控制流检测方法CFCAF.CFCAF基于插入虚拟基本块后的控制流图对基本块分类,并为基本块设计格式化标签,然后在基本块内插装标签更新、比较指令,实现对基本块之间、基本块内和过程间调用的控制流检测.CFCAF的特点是可以根据可靠性和性能的需求进行灵活配置.对CFCAF及目前有代表性的两个同类算法进行的故障注入实验结果表明,CFCAF算法以平均41.7%的性能代价和平均34%的空间代价,使程序的平均失效率降到了5.2%,在3个同类算法中,CFCAF算法具有较低的时空开销和最高的可靠性.基于任务精确预测的实时功耗温度管理
摘要：实时功耗温度管理（DPTM）通过对任务的准确预测与合理调度,可以有效降低片上系统的运行能耗与峰值温度.为了获得更好的DPTM调度效果,文中提出了一种精确的组合式任务预测算法和一种任务调度算法VP-TALK,进而构建了一个完整的DPTM原型系统.为了对复杂任务进行精确的任务预测,文中DPTM系统先将复杂任务按频谱长短分类为随机/周期/趋势3种成分,然后采用灰色模型/傅里叶模型/径向基函数（RBF）神经网络模型分别对这3种成分进行组合分析,以获得精确的预测效果;基于精确预测的任务负载量,文中所提出的VP-TALK算法可以计算出最优电压-频率对的理想值,进而选择出两组与理想值相邻的电压-频率对,以获得两个现实的工作状态,并考虑核心温度和任务实时性的条件,VP-TALK算法将任务负载分配到这两个工作状态,以获得最优的DPTM效果;最后基于机器学习方法,综合4种源算法构建了一套完整的DPTM原型系统.实验结果表明：（1）文中系统的任务预测组合方法的平均误差仅为2.89%;（2）在相同的设定峰值温度约束下,与已有调度算法的能耗值相比,尽管假设了更为敏感的功率-温度影响关系,但对于较高的工作负载率,文中所提出的VP-TALK调度算法仍能够获得平均14.33%的能耗降低;（3）文中所提出的DPTM原型系统可以获得接近于理想状态的能耗优化效果.基于多HA部署的MIPv6网络服务可用性提升方法
摘要：移动IPv6是实现下一代互联网移动特性的核心技术,依赖于部署在家乡链路的家乡（HA）实现节点移动过程中的可寻址性.家乡链路的单一HA部署,将成为系统的单点故障隐患及性能瓶颈,难以保证系统服务可用性.为提升移动IPv6网络的系统服务可用性和系统性能,需要在家乡链路部署多HA,解决其单点故障问题,并有效均衡多家乡间的负载.文中研究移动IPv6网络多家乡部署方法,引入检测备份环对多HA间进行有效组织,基于此实现HA容错和负载均衡.多家乡采用单一HA映像以实现容错及负载均衡处理对移动节点的透明性,减小处理延迟和开销.跨数据中心的动态资源联合预留研究
摘要：如何有效保障服务质量（Quality of Service,QoS）是网格计算和云计算等网络计算平台面临的核心问题之一,资源可获得性和性能的动态变化使得将多媒体网络的资源提前预留机制直接应用到网络计算平台面临巨大挑战.为此提出了一种跨数据中心的资源联合预留体系架构,引入虚拟资源容器以适应资源的动态性,提出了资源预留协商算法以增加预留请求与资源的匹配率.在东南大学校园云计算平台的实验结果表明,在资源动态变化的网络计算环境中,所提出的体系架构能显著提高预留请求的成功率,且具有更强的稳定性.TM：一种新的片上网络拓扑结构
摘要：片上网络拓扑结构对芯片的性能有直接的影响.文中提出了一种新的拓扑结构TM,它结合了torus网络和mesh网络的优点.对于n×n的网络,在物理链路数方面,TM和mesh网络相同,比torus网络少2n;在拓扑直径方面,TM的拓扑直径为n,而torus和mesh网络的拓扑直径分别为2×（n/2）和2×（n-1）;在完全适应性路由算法设计方面,torus网络需要的虚拟通道数至少为3,且虚拟网络划分机制不能直接应用其中,然而,虚拟网络划分机制适用于mesh和TM网络,且它们只需要2条虚拟通道.文中从理论和模拟实验两方面对TM网络进行了验证,实验结果表明无论在均衡负载还是非均衡负载下,TM的性能都要优于mesh网络,在大部分情况下,TM的性能介于mesh和torus之间,在某些通信模型下,torus的性能比TM差,主要原因在于这些通信模型下torus网络中虚通道使用不均衡.VegaNet网络虚拟路由器
摘要：虚拟化技术是推动下一代互联网渐进式发展的关键技术,利用虚拟路由器构建大规模虚拟网络环境对于促进网络创新技术的研究与部署、解决互联网面临的僵化问题具有重要意义.该文基于高性能虚拟网络VegaNet（Virtual Gigabit Network）,提出了一种满足保真、高效、可控、隔离和可扩展需求的虚拟路由器方案.设计了虚拟链路状态检测机制以保证VegaNet网络与物理网络的状态一致性;设计了统一数据转发引擎以提供高效的数据转发服务.实验结果表明：VegaNet网络虚拟路由器的虚拟链路状态检测速度快、统一转发引擎效率高,可以为新型网络体系结构与网络协议提供一个真实高效的实验环境.无标度网络上名字无关的紧凑路由研究
摘要：紧凑路由是一类可扩展路由方法,能够在使用较短路径路由的同时,大幅降低节点路由表的空间开销.为解决Internet的路由扩展问题,无标度网络上的紧凑路由最近引起了关注.然而,以往的紧凑路由方法大多是名字有关的,即必须对网络节点重新命名或编址,这对于真实网络是不太实际的.针对无标度网络提出了一种名字无关的紧凑路由方法,即不需要显式改变节点的名字,任何节点只需要知道目的节点的原始名字就可以将包送达,因此具有更好的实用性.该方法在名字有关的紧凑路由方法基础上,引入一种名字映射系统.路由过程一般分为两个阶段：先由目的节点的原始名字查询其隐藏的地址,然后根据该地址路由.为了优化路由的性能指标,选择无标度网络中度最大的部分节点作为路由用的地标,并在这些地标上均匀且分布地为所有节点建立名字到位置的映射.分析和仿真表明,该路由方法可以在无标度网络上取得很高的路由性能,与以往最优的名字无关紧凑路由方法相比,在拉伸系数和路由表大小方面都有显著提高.高质量分层结构电信网络设计中的可靠性问题研究
摘要：可靠性问题是电信网络优化设计的核心问题之一,在光缆网拓扑结构已知前提下,给出了满足可靠性要求的电信级服务质量有关业务的性能指标,建立了时延、时延抖动和IP路由跳数等性能指标约束条件,以最小化IP和传输两层网络建设费用为目标的非线性混合整数规划模型,然后重点研究可靠性问题,结合问题的分层结构,将其转化为结构可靠和带宽可靠两个子问题,分别给出了IP层节点失效和传输层路段失效两种情况的解决方案,测试结果说明了可靠性对网络流量的影响.最后对全文进行了总结,并对下一步的研究工作进行了展望.核零空间线性鉴别分析及其在人脸识别中的应用
摘要：零空间线性鉴别分析NLDA充分利用样本总类内离散度矩阵的零空间信息,能有效克服线性鉴别分析LDA的小样本问题.核方法通过非线性映射,将输入空间样本映射到高维特征空间,再在高维特征空间利用线性特征提取算法.因此,核方法属于非线性特征提取算法.文中结合LDA、NLDA和核方法的优点,引入了核零空间线性鉴别分析KNLDA,导出了KNLDA算法.该算法通过引入核函数,得到低维矩阵,有效避免了直接计算复杂的非线性映射函数,解决了高维类内离散度矩阵的维数灾难问题.同时,将KNLDA算法应用于人脸识别.基于ORL人脸数据库以及ORL与Yale混合人脸数据库的实验结果表明了KNLDA算法的有效性.用单幅图像生成书法碑刻及牌匾效果
摘要：提出一个高效的从单幅二维书法图像生成三维碑刻或牌匾的算法.首先在输入书法作品图像中检测出书法文字区域,然后在这些区域计算二维欧式距离场.根据事先定义的书法文字雕刻模式（阴刻、阳刻、阴阳刻）调制距离场获得三维文字表面初始估计,对宽大牌匾字还可进一步调整距离场函数进行表面估计.接着采用高斯模糊光滑文字表面,最后叠加上背景区域高度和高频细节信息,生成三维书法碑刻或牌匾的高度图.文中的算法能够快速生成高质量的三维书法碑刻以及牌匾效果,作者用行书、隶书、草书、篆字等书法作品进行实验,效果令人满意.适用于广播监视的视频水印协议
摘要：数字水印技术被广泛应用于多媒体版权保护、广播监视等领域中.在广播监视中,广告商首先在他的广告中嵌入水印信息,之后把该广告发送给广播电视台.为了防止双方可能产生的欺诈,对一段广告、嵌入的水印能够做出双重认证是必不可少的.论文就双重认证提出了一种适合应用在广播监视中的协议,该协议在加密域完成水印的产生和嵌入.协议在加密时应用一种同态公钥密码技术,同时利用嵌入的信息绑定广告、嵌入的水印和本次交易.应用提出的协议,最常见的问题如消费者的权利问题和非绑定问题都可以被解决,甚至广告商或广播电视台的欺诈行为也可以预防.