网络包分类算法仿真测试与比较研究

在深入分析基于树结构和计算几何学点定位算法而衍生的主要分类算法原理的基础上 ,建立了算法性能评估仿真测试平台 .平台包括网络流的软件仿真、算法的软件实现和算法性能参数测试统计三个主要部分 .通过对各算法的时间性能和空间性能及其随分类规则数和分类域数的变化趋势的测量 ,从数量上把握各算法的主要特点及其适用性 ,从而可以将各种算法有机地结合在一起胜任速度越来越高的网络应用需求 ,同时也是进一步研究其它算法的基础 .     

A fast luminosity monitor for BEPCⅡ

The fast luminosity monitor counting the γ photons above a given energy threshold emitted from radiative Bhabha scattering has been operated in the BEPC Ⅱ to measure the relative luminosity bunch by bunch for the first time and used successfully in beam tuning of BEPC Ⅱ. In the relative mode the monitor is able to deliver the relative luminosities with an accuracy of 0.8 %. By steering the electron beam while observing the counting rate changes of the monitor the horizontal and vertical sizes of the bunch spots can be estimated as： Sxe＋ =Sxe =0.356 mm, Sye＋ =Sye- =0.011 mm.     

基于Hash和二叉树的路由表查找算法

提出了一种基于Hash和二叉树的路由表查找算法,这一算法可以满足OC-768的转发要求,支持超过10万条前缀的大规模路由表,并且在路由表更新时,只有少量的存储器需要被改写.仿真结果显示,对于一个149 458条前缀的路由表,算法仅需要2 MB存储器,如果采用200MHz的存储器芯片,平均的查找速度可以达到100M次/秒.     

并行层压缩树包分类算法

在层压缩树路由算法思想基础上提出了一种新的硬件包分类算法--并行层压缩树包分类算法.该算法是基于独立存储单元和多域并行处理并在FPGA内部实现的高速网络包分类算法,主要包括单通道并行搜索和多通道综合比较两大部分.仿真结果表明在40 MHz的搜索时钟频率下,该算法能够达到每秒2 M包头的处理速度,其空间性能明显优于其他算法,具有O（d）的时间复杂度（d为域的个数）和O（dN）的空间复杂度（N为规则数）.     

MLP神经网络定点计算及误差分析

通过Matlab仿真实现了MLP(multilayer perceptron)神经网络的硬件定点计算,其中用CORDIC算法实现神经元激活函数(tanh)的计算.分析了计算误差与MLP网络各个部分有限字长的关系,特别是双曲正切型激活函数的误差与CORDIC迭代时输入数据有限字长、中间数据保护位位数以及迭代次数之间的关系,为MLP神经网络计算的硬件算法流程和数据位字长的选择做必要准备.