基于遗传算法的片上网络低功耗映射

随着片上网络(Network-on-Chip)集成度的提高,功耗逐渐成为设计的焦点.本文提出了一种在延时约束条件下,基于遗传算法的片上网络通信链路的低功耗映射算法.该算法使用数组方式编码染色体,并采用非常规码的交叉和变异运算因子.它充分利用遗传算法的群体优势,能快速有效地对通信功耗作优化.实验表明,该算法能平均减少50%左右的通信功耗.     

基于多样本的在线支持向量回归算法

提出一种针对多样本的在线支持向量回归（SVR）算法,以解决目前SVR在线训练算法每次只能处理1个样本的问题．算法以拉格朗日乘数法和库恩一塔克（KKT）条件为基础,逐步改变样本的系数,并在每次迭代中保持原来的样本满足KKT奈件,最终使所有训练样本满足KKT条件．实验表明,该方法可有效更新SVR模型,且计算效率相比于基于单样本的在线回归算法有较大的优势．     

一种改进的GALS异步包装电路

GALS（全局异步、局部同步）架构适用于NoC的时钟分布,但现有的GALS需要定制地设计异步包装电路,不利于验证和集成.采用通用的数字ASIC设计流程,在仅使用已有标准单元的情况下,提出了一种新的基于FIFO的异步包装.通过此包装电路,实现了一个信号传输只需2步操作,提高了通信吞吐率.实验结果表明该包装电路在吞吐率和延迟上获得了显著改进.     

一种基于整体退火遗传算法的动态IR Drop分析新方法

提出了一种基于整体退火遗传算法的动态IR drop分析方法.该方法在经典遗传算法基础上,引入父代竞争和适应函数模拟退火处理,优化了动态分析的输入向量,加快了分析速度.实验表明,与经典遗传算法相比,该方法提高了动态IR drop分析的准确性,提高了算法收敛速度,繁殖代数平均减少了35%,分析结果改进了10%左右.     

不可约三项式有限域的高速并行比特乘法器

在移位多项式的弱共轭基底的理论推导的基础上,提出了一种有限域上的并行比特乘法器的新结构.在由不可约三项式f(x)=xm+xk+1生成的域内,此种结构的并行比特乘法器需要m2个与门和m2-1个异或门.在同样的空间复杂度下,时间复杂度降低为TA+(log2max{m+v,2m-1-v})TX,具有最短的关键路径.     

监督降维算法的计算和理论分析

在小样本条件下,由于离散矩阵的奇异性,作为监督降维的传统线性鉴别分析（LDA）并不能直接计算．许多扩展算法被提出以克服此问题,一般可分为3类：基于类内离散矩阵零空间的方法、基于总体离散矩阵列空间的方法和基于其它子空间的方法．为了深入了解前2类算法的特性,作了计算和理论分析,并得出结论：在满足一定条件下（小样本高维数据一般都满足）,基于类内离散矩阵零空间和基于总体离散矩阵列空间的方法具有等价关系,仅最优矢量集的约束条件和实现途径有所区别．在人脸数据库ORL和YALE上的比较实验结果亦证实了上述结论．     

细化参数的对数极坐标变换图像纹理特征提取算法

提出一种细化参数的对数极坐标变换图像纹理特征提取算法,可以有效地消除旋转、缩放和平移等几何形变的影响．在特征提取过程中,通过自相关图像消除平移的影响,引入细化参数的对数极坐标变换消除旋转和伸缩的影响．在图像检索过程中,将不完全树型小波变换所得的特征矢量,通过欧式距离来度量图像之间的相似度．实验表明,本算法对发生几何形变的纹理图像检索平均正确率达81．05％左右,较之传统算法能取得更好的检索效果。     

基于支持向量机及遗传算法的光刻热点检测

提出一种基于支持向量机（SVM）及遗传算法（GA）的集成电路版图光刻热点检测方法.首先对版图样本进行离散余弦变换（DCT）以提取样本的频域特征,然后基于这些样本训练SVM分类器以实现对光刻热点的检测.为了提高光刻热点检测的精度及效率,采用遗传算法（GA）对频域特征进行选择,并同时优化SVM参数.实验结果表明,基于SVM及版图频域特征并结合遗传算法进行优化的光刻热点检测方法可以有效提高版图光刻热点的检测精度.     

一种可伸缩的支持向量机的硬件实现方法

提出了支持向量机（Support Vector Machine）学习过程硬件实现的一种新的数字电路结构,它可以在保证向量机学习速度的同时,提高支持向量机的硬件资源利用效率;此外基于此结构的支持向量学习机还可以适用于低于设计数的样本集．由于该设计的灵活性以及其对硬件要求的减小,使得支持向量学习机可以更好、更方便地应用于嵌入式系统中．     

为一复数题“取模解法”辩解

文[1]给出以下试题"已知复数z满足｜z｜＝1，且zn＋z＝1，求z．"（1988年苏州市数学竞赛试题）的解法。解先将原方程变为zn＝1－z，取模得：｜zn｜＝｜1－z｜，再由｜z｜＝1得｜z｜2＝｜1－z｜2，z·z＝（1－z）·（1－z），化简得z＋z＝1；再以z＝a＋bi代入得故原方程有二解：文[2]说，容易验证：这确是原方程的根，但方法不对．文[2]开篇便称此种解法是"取模的误解"．究竟文[1]的这种"取模解法"是否能够成立？我们试作如下分析．原解法可写成：显然⑤是①的必要条件但不一定是充分条件．因此有可能会产生增根，但不至于有漏根．因为凡适合…