多核操作系统发展综述

多核处理器的核心迅速增长以及结构日益复杂,给未来操作系统的设计带来了很大的挑战。为适应多核处理器的发展,可以利用分布式设计思想,从结构和功能上对传统多核操作系统进行分布式处理优化,将多核硬件划分为不同的子系统,尽可能降低各子系统之间的耦合度,从而提高多核操作系统的可扩展性。本文概括当前多核操作系统研究的三种技术路线,力求宏观展现多核操作系统的发展趋势。     

自适应的SVM增量算法

支持向量机(support vector machine,SVM)算法因其在小样本训练集上的优势和较好的鲁棒性,被广泛应用于处理分类问题。但是对于增量数据和大规模数据,传统的SVM分类算法不能满足需求,增量学习是解决这些问题的有效方法之一。基于数据分布的结构化描述,提出了一种自适应SVM增量学习算法。该算法根据原样本和新增样本与当前分类超平面之间的几何距离,建立了自适应的增量样本选择模型,该模型能够有效地筛选出参与增量训练的边界样本。为了平衡增量学习的速度和性能,模型分别为新增样本和原模型样本设置了基于空间分布相似性的调整系数。实验结果表明,该算法在加快分类速度的同时提高了模型性能。     

基于粒计算的双权网络分层算法

复杂网络环境下数据分布优化问题是个NP问题,但由于大多复杂网络有层次性特征,在此情形下可降低优化问题计算复杂性。应用粒计算理论提出了一种双权分层网络数据分布优化模型和算法,将双权复杂网络映射成一个分层网络,在分层网络上计算数据优化解。算法的时间复杂度为O（C×n2）。仿真实验表明,算法能够得到数据分布优化的满意解,且可通过调整子网络的粒度达到实际应用的需求。     

一种有效的并行数据库数据分布方法RCMD

在并行数据库中,数据的分布方法是影响系统查询处理性能的主要因素。目前已有的几种数据分布方法都只适用于某一类查询,而处理其它类型的查询则效率较低。本文提出了一种新的数据分布方法RCMD,可以高效地支持多种查询类型。理论分析和试验结果表明本文提出的RCMD方法优于现有的数据分布方法,具有最好的查询处理性能。     

一种用于数据分布管理的模糊分组方法

该文介绍了一种有效的数据分布管理方法——模糊分组方法．为了提高数据分组精度、数据包过滤率和有效数据包接收率,控制匹配次数,该方法在模糊关联空间法基础上增加了模糊一致关系权值分配机制和基于格子的预分组．通过在飞行仿真系统中使用并与传统方法比较,说明模糊分组方法不仅在不同规模仿真环境中能够保证稳定的数据包过滤率及较高的有效数据包接收率,而且可有效控制匹配次数．     

滚动轴承健康智能监测和故障诊断机制研究综述

轴承作为工业设备机械系统中最关键并且最容易发生故障的零件之一,长期处在高负荷的运行状态。当其发生故障时或者不可逆的磨损时,可能带来事故甚至造成巨大经济损失。因此,对其进行有效的健康监测和故障诊断,对于保障工业设备安全稳定运行有着重要的意义。为进一步促进轴承健康监测和故障诊断技术的发展,对当前现有的模型及方法进行分析与总结,并对现有技术进行划分、对比。从使用的振动信号数据分布出发,首先,对数据分布均匀下的相关方法进行整理,主要按照基于信号分析和基于数据驱动两方面进行研究现状的分类、分析与总结,对该情况下故障检测方法所存在的不足与缺陷进行概述。其次,考虑实际工况下数据采集通常具有不均衡特性的问题,对处理该类情况下的检测方法进行总结,并将现有研究中对该问题的不同处理技术根据其侧重点不同分为数据处理方法、特征提取方法、模型改进方法,并对所存在的问题进行分析。最后,对现有工业设备中轴承故障检测存在的挑战及未来发展方向进行了总结与展望。     

基于域适应卷积神经网络的人脸表情识别

在利用卷积神经网络进行人脸表情识别时,可借助其他数据集进行辅助训练以应对缺少标记数据的情况,但源域数据库和目标域数据库之间的数据分布差异会影响分类正确率。为此,以AlexNet网络为原型构建基于域适应的卷积神经网络结构。通过引入包含注意力机制的SE模块进行特征重标定,同时利用域适应方法减小领域差异性。在人脸识别公开数据集上的实验结果表明,与AlexNet和GoingDeep等网络相比,该网络能够以较少的参数量获得较高的识别正确率。     

分布数据复制技术及其案例分析

以应用项目为例,对SQLServer数据复制技术在实际中的应用进行了系统的论述,并给出了实施具体应用时的规划与实施方法。由于应用背景具有很强的代表性,因此对中小型企业集团实施和应用信息集成技术,具有一定的指导意义。     

地球化学勘探中的外部多源探测法

外部多源探测法起源于人们对数据分布特征的研究，作为地球化学勘探中的一种新型方法，在区分与处理正常数据中的极大值问题上，已经得到了广泛的应用。为了使地图上的外部多源地学数据更易于可视化，外部多源地区图随之应运而生。在这种外部多源地区图中，不同的符号代表了不同数据距离数据分布域中心的离差，考虑到不同数据分布域的形态特征，可以用不同的颜色来表示每个变量数值的数量级。