构建高性能集群计算机系统的关键技术

高性能计算机技术是衡量一个国家科技水平及综合国力的重要标志之一,目前世界上一些发达国家都在争相投入巨额资金对它进行开发和研究.PC集群计算机就是最廉价的高性能计算机.着重讨论了集群计算机系统构建中的一些关键技术,如可扩展性、可用性、资源管理、负载平衡和并行程序设计环境等,同时,也根据集群系统的特点提出了它在不同领域中的实用意义.     

基于空间投影和关系路径的地理知识图谱表示学习

近年来,类人智能技术和相关产品飞速发展,这在很大程度上得益于完备知识图谱的构建,特别是以地理为代表的基础教育知识图谱。传统的知识图谱采用网络知识组织形式进行表示,计算复杂度较高,而且三元组的知识表示形式不能有效地度量和利用实体间语义关联关系。该文构建了基于空间投影和关系路径的知识表示学习算法—PTransW(Path-based TransE and Considering Relation Type by Weight)模型,该模型结合空间投影和关系路径来对翻译模型进行扩展,并加入关系类型的语义信息进行改进。最后,在FB15K数据集和GEOGRAPHY数据集上训练并做链接预测实验。实验结果表明,PTransW模型对复杂关系的建模能力取得了较大地提升;对于规模较小的数据集,复杂度低的TransE和TransR模型将会训练得更充分;但是PTransE和PTransW模型由于利用了关系路径和反向关系中的语义信息,在关系预测方面有很大的优势。     

用演化算法求解抛物型方程扩散系数的识别问题

基于演化算法给出了一类求解参数识别反问题的一般方法,该方法表明只要找到好的、求解相应的正问题的数值方法,演化算法就可以用于求解此类反问题。设计有效的求解反问题的演化算法的关键是寻找一种适合反问题的解空间的编码表示形式、适当的适应值函数形式以及有效的计算正问题的数值方法。该文结合算法、传统的求解反问题的工方法和正则化技术,设计了一类求解参数识别反问题的方法。为验证此类方法,将其用于求解一维扩散方程的     

利用多尺度分析方法求解KdV方程和KdV—Burgers方程的格子Boltzmann模型

本文建立了用格点法解一般偏微分方程(PDE)的理论框架,构造出求解KdV方程及KdV—Burgers方程的三速格子BGK模型。引进三种时间尺度,利用多尺分析求出Boltzmann演化方程的平衡分布函数。     

基于单亲算子的TSP演化算法

在单亲初始种群上,设计了单点插入、线段插入、路径插入和变异四种算子,构造了基于单亲算子的TSP演化算法。该算法在单个个体上进行演化操作,随机选取单个个体,选择随机长度的路径并顺序地插入其余的任何两结点间形成新路径,对新路径进行变异操作以得到最终的路径。实验结果表明,和简单的TSP遗传算法相比,该算法可得更好的解,且减少了演化时间。     

基于贝叶斯网络的并行分布估计算法研究

在传统的遗传算法中，不合适的参数设置会降低所得解的质量，于是在解决一些优化问题时传统的遗传算法被分布估计算法所取代。对传统的遗传算法和分布估计算法EDAs(Estimation of Distribution Algorithms)，及其各自的并行模式进行了对比，重点介绍了基于贝叶斯网络的并行EDA算法。     

温度可控的求解TSP问题的模拟退火算法

在现有求解 TSP 问题的模拟退火算法的基础上,通过引入新的两点算子以及利用fprintf()函数﹑fscanf()函数和全局变量的作用,提出了一种温度可控的模拟退火算法.对CHN144 以及标准的TSPLIB 中不同国家的城市的数据进行测试.测试结果表明,该算法很容易收敛到问题的最优解.     

改进的基于AdaBoost算法的人脸检测方法*

针对传统AdaBoost算法的不足,分析了训练过程中出现的退化问题及样本权重扭曲的现象,并提出了解决这一问题的有效方法.该方法对样本权重的更新规则进行了适当的调整,即为每一轮循环设定一个权重更新阈值,根据样本是否被错误分类以及当前权重是否大于该阈值来更新样本权重,从而限制了困难样本权重的过分增大.使用该方法训练级联人脸检测器,试验结果表明,该方法较好地解决了传统AdaBoost算法所出现的退化问题,在保证检测率的同时降低了误检率.     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

Linux2.6内核下LKM安性研究

针对目前LSM框架只支持一个独立安全模块的不足,提出了使用安全管理器来管理多安全模块的解决方案;同时针对基于LSM框架的SELinux模型保护LKM安全的不足之处,提出了使用LSM扩展技术在init_module函数的前后位置各放置安全钩子函数的解决方案,从而防止已经躲过安全性检查链接进内核的恶意模块对诸如sys_call_table表、IDT表等内核重要数据结构进行修改,阻止了对LKM模块的攻击.