一种面向分布式寄存器文件的VLIW调度新策略

新一代面向密集计算的高性能处理器普遍采用分布式寄存器文件来支撑ALU阵列,并通过VLIW开发指令级并行.面向分布式寄存器文件的编译成为新兴的研究热点,在斯坦福大学的kernelC编译器ISCD中最早提出了面向分布式寄存器的VLIW调度问题,在该领域处于领先水平,但是没有解决重负载下的分布式寄存器分配问题,使应用编程受到极大限制.在其基础上提出了一种新的VLIW调度策略,实验结果表明能够很好地解决重负载下的分布式寄存器分配问题.     

小水线面四体船的阻力特点分析

从粘性阻力、兴波阻力和旋涡阻力3个方面分析小水线面四体船(以SLICE为代表)的阻力特点,讨论了浮体横向错位、支柱和潜体形状、航速和吃水对兴波阻力的影响.结果表明,在浅水中一定航速范围内,与等排水量的小水线面双体船(SWATH)相比,SLICE有一定优势.     

基于红外图像的小目标检测与跟踪方法

为了能在强杂波、低信噪比的情况下检测小目标,人们提出了许多针对小目标检测与跟踪的方法。介绍了基于红外图像的小目标检测和跟踪的各种方法和最新进展,重点讨论了灰度形态法、小波变换法、最优时空非线性滤波法用于小目标检测与跟踪的原理,并指出了今后的发展和研究方向。     

关于值分布论中一个著名猜测的推广

运用Nevanlinna的亚纯函数理论方法,研究了超越亚纯函数的值分布理论,获得了如下的结论:设f为超越亚纯函数,c为f的不恒等于0的的小函数,则当n≥3时,fnf′-c有无穷多个零点;若附加条件f只有有限多个级≤2的零点,则对一切正整数n,fnf′-c都有无穷多个零点.因而对Chiang Y M的问题作出了部分回答.     

浅谈我国中小企业风险投资发展

随着国民经济的战略性调整,我国的中小企业将越来越多,越来越活,这给中小企业的发展带来了机遇,也带来了竞争。我国经贸委对中小企业的现状进行了调查,发现中小企业目前面临的主要困难是融资困难,资金短缺经济成为制约中小企业方发展的主要因素。如何改变这一“瓶颈”是我国当前需要解决的一道难题。本论文从风险投资角度进行研究,结合我国目前中小企业的发展状况为研究依据,分析了我国目前中小企业发展风险投资的问题和不足,提出了一系列的对策建议。     

CCOS边缘效应的小研抛盘修形修正方法

计算机控制光学表面技术(Computer Controlled Optical Surfacing,CCOS)是加工离轴非球面的一项重要技术。小磨头抛光的边缘效应严重制约CCOS技术的加工精度和加工效率。在获得影响边缘效应的关键参数后,结合残余误差等高线的路径规划,对CCOS产生的边缘效应产生的翘边现象进行修正;通过对一块体育场形离轴非球面的加工,获得了全口径光学测量数据,为后续精加工提供面形基础。     

国内生存分析在可靠性数据分析中的应用进展

针对可靠性数据分析中遇到的小样本、异总体、删失和截尾问题,引入现代统计学的重要分支——生存分析理论,分别从参数生存分析模型、非参数生存分析模型和半参数生存分析模型3个方面分析了国内生存分析在可靠性数据分析中的研究现状与应用进展。     

小型堆不可隔离小破口事故下的舱室放射性活度可视化

以某小型压水堆为研究对象,运用MELCOR程序建立事故分析模型,研究了不可隔离小破口合并全船断电始发严重事故下舱室放射性活度变化规律。结果表明:不可隔离小破口事故下,倘若安全设施失效,将导致堆芯熔化;堆舱放射性活度比其相邻舱室高4个量级。在此基础上,开发了小型堆典型严重事故下辐射场可视化系统,可为舱室剂量评估和核应急决策提供支持。     

融合图嵌入的Smooth-PCANet图像识别算法

主成分分析网络（Principal Component Analysis Network,PCANet）是一种简单的深度学习算法,在图像识别领域具有优秀的性能。然而PCANet在构建网络卷积核时只关注了图像的主分量信息,忽视了近邻像素点之间的位置关系。而通常情况下,图像的相邻像素点具有空间强相关性,因此利用图结构保持像素点的位置近邻关系更有利于网络提取有效特征。因此,我们将图嵌入思想融入PCANet,提出一种新的图像识别算法Smooth-PCANet。为了验证Smooth-PCANet算法的有效性,我们在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。     

A pixel-level local contrast measure for infrared small target detection

Infrared (IR) small target detection is one of the key technologies of infrared search and track (IRST) systems. Existing methods have some limitations in detection performance, especially when the target size is irregular or the background is complex. In this paper, we propose a pixel-level local contrast measure (PLLCM), which can subdivide small targets and backgrounds at pixel level simultaneously. With pixel-level segmentation, the difference between the target and the background becomes more obvious, which helps to improve the detection performance. First, we design a multiscale sliding window to quickly extract candidate target pixels. Then, a local window based on random walker (RW) is designed for pixel-level target segmentation. After that, PLLCM incorporating probability weights and scale constraints is proposed to accurately measure local contrast and suppress various types of background interference. Finally, an adaptive threshold operation is applied to separate the target from the PLLCM enhanced map. Experimental results show that the proposed method has a higher detection rate and a lower false alarm rate than the baseline algorithms, while achieving a high speed.