大变量逻辑函数最佳覆盖问题研究

逻辑函数的最佳覆盖，一直是逻辑综合领域的关键环节。尤其是大变量逻辑函数最佳覆盖，对复杂的逻辑综合更为重要，但也更加困难。本文在对逻辑覆盖算法研究的基础上，提出了适合大变量逻辑函数最佳覆盖的Beister改进算法。经过大量算题的测试表明，改进的列覆盖算法在时间复杂度和选择效果方面均优于Beister算法。     

基于关联选择的可逆逻辑综合算法

可逆逻辑综合是可逆计算的重要内容,为了解决可逆逻辑综合中可逆电路构造和优化问题,提出一种基于关联选择的可逆逻辑综合算法及相应的优化算法.将可逆函数用真值表表示,按真值表从上往下的顺序综合,并若干相关联变量作为综合的目标位,分别计算相对混乱度和绝对混乱度,以最小混乱度原则选取可逆逻辑门.该算法及其优化算法的时间复杂度为O(n2×2n),空间复杂度为O(n×2n),优于最佳算法的空间复杂度O(2n!).通过C++语言实现对3变量全部函数及部分4变量函数的综合,并与其他可逆逻辑综合算法的结果及benchmark范例比较,结果表明平均门数均具有一定优势.     

一种基于事务规则树的高效关联规则挖掘算法*

提出了基于事务规则树改进的关联规则快速挖掘算法--FG算法.该算法不需要查找频繁项集,可直接求出所有无冗余的关联规则;将FG算法与其他算法进行实验比较,结果表明,FG算法在效率上优于其他算法,是有效的、可行的关联规则挖掘算法.     

基于相似函数与相似网络的可逆网络化简

提出了可逆函数的相似函数及可逆网络的相似网络,在此基础上构建了可逆网络化简方法。由可逆函数求出其所有的相似函数,对每个相似函数利用可逆逻辑综合算法生成可逆网络,再将其转换成对应的相似网络,并从中选取最优。该网络化简算法实现了生成三变量全部可逆函数和多变量可逆函数的可逆网络,与相关文献及Benchmark中的例题相比,构造可逆网络的门数较少,具有一定的优势。     

基于粗糙度的近似概念格动态分类集成学习模型研究与应用

概念格(Galois格)是一种进行数据分类学习的有效工具,然而建格规模庞大使分类效率和准确率受到较大影响.将粗糙度理论应用到概念格分类问题研究中,提出一种新型的近似概念格动态建格和分类挖掘集成学习模型(CACLR).该模型在粗糙度区间根据样本空间分布构建多个相对独立分布且比较精确的近似概念格分类器,能及时消除建格过程中大量与分类知识无关的节点,有效缩减原格规模,融合得到的分类挖掘集成学习模型,具有较好的粗糙分类精度和知识预测学习能力.最后进行CACLR分类集成学习模型在标准UCI数据集中的对比实验,有效验证了该模型的实用价值.     

基于可逆函数复杂性的正反控制门可逆网络综合

提出了基于可逆函数复杂性的正反控制(PNC, Positive/Negative ControD门可逆网络综合方法。该方法根据可逆函数的输出排列,逐次交换输出向量,在交换过程中减少函数的复杂性,直至复杂性为零。每一次向量的交换对应一个独立的PNC门。利用该方法综合部分可逆函数,并将实验结果与国际上代表性文献采用的实验用例进行比较。结果表明,构造的可逆网络在可逆门数上有一定程度的改善。     

便携智能终端(MIT)的设计与实现

介绍了一种“便携智能终端”(简称 MIT)硬件设计的原理、通信控制软件结构 ,阐述了便携智能终端( MIT)的功能、特点和技术性能及工作原理     

基于统一过程的信息系统集成与设计

信息系统集成是当今信息系统开发中一个突出问题。文章分析信息系统开发的特点及集成要求，介绍了Rational统一过程(RUP)的基本思想，探究了RUP与信息系统集成设计之间的关系。并以某高校综合信息系统的开发为例，对基于RUP的信息系统集成与设计工作进行了研究，表明从软件开发过程方面来看，RUP的思想为克服信息系统集成困难提供了一个有效的途径。     

巨大变量组合逻辑设计优化软件的研究与设计

采用不同优化算法和机器处理方法来缓解机器资源对巨大变量组合逻辑综合问题的限制。介绍了软件系统设计的技术途径。以此形成的巨大变量逻辑优化软件，其输入、输出变量之和达到300。该软件通过了组合逻辑电路的benchmark例题测试。其优化效果的平均输入输出之比为0．652。     

数据的逻辑综合分析及决策算法

文章给出了逻辑综合分析的基本理论和决策算法。并利用逻辑综合中逻辑单元的随机覆盖问题产生的随机数据,对算法加以验证。实验结果表明决策算法的精确度可以达到97.2%。