检索结果-内蒙古大学图书馆

计算机工程与科学 2018年第1期40卷 10-14页

作者：甘新标孙燎原刘杰雄成伟黄嘉昆国防科技大学计算机学院湖南长沙410073 计算机软件新技术国家重点实验室(南京大学) 江苏南京210093 国防科技大学量子信息研究所兼高性能计算国家重点实验室湖南长沙410073

HPL是高性能计算广泛采用的Linpack测试软件包,传统HPL算法中,求解矩阵将以块为单位循环分布到所有处理器,由于国产加速器(China Accelerator)的底层矩阵乘接口仅支持定制接口,传统HPL算法已不适合CPU+China Accelerator异构系统,因此,... 详细信息

HPL是高性能计算广泛采用的Linpack测试软件包,传统HPL算法中,求解矩阵将以块为单位循环分布到所有处理器,由于国产加速器(China Accelerator)的底层矩阵乘接口仅支持定制接口,传统HPL算法已不适合CPU+China Accelerator异构系统,因此,必须基于定制接口完成矩阵分布细致划分与封装dPEM,以提供一个通用的HPL测试配置环境;同时,为了充分发挥国产异构系统的效率,设计了异构协同矩阵乘调度算法OA4MM,以提高国产异构系统的效率。实验验证了dPEM的有效性和OA4MM算法的高效性,OA4MM较传统的异构HPL调度算法性能提升近10%。

关键词： HPL 国产加速器矩阵分布细致划分与封装异构协同矩阵乘调度

来源：评论

学校读者我要写书评

暂无评论

测试代价敏感的粗糙集方法

引用

系统工程理论与实践 2017年第1期37卷 228-240页

作者：鞠恒荣周献中杨佩李华雄杨习贝南京大学工程管理学院南京210093 江苏科技大学计算机科学与工程学院镇江212003 南京大学智能装备新技术研究中心南京210093 南京大学软件新技术国家重点实验室南京210023

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙... 详细信息

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.

关键词：粗糙集 α量化不可分辨关系测试代价敏感属性约简

来源：评论

学校读者我要写书评

暂无评论

Goldfish:基于矩阵分解的大规模RDF数据存储与查询系统

引用

计算机学报 2017年第10期40卷 2212-2230页

作者：顾荣仇红剑杨文家胡伟袁春风黄宜华南京大学计算机软件新技术国家重点实验室南京210093 江苏省软件新技术与产业化协同创新中心南京210093

随着互联网应用的迅猛发展和语义网技术研究的深入,语义数据呈现出爆炸性增长趋势.一方面,对于语义数据实现高效存储和查询是语义网应用的重要基础,越来越多的语义应用可以依赖于此以提供更好的服务;另一方面,语义数据的爆炸性增长,对... 详细信息

随着互联网应用的迅猛发展和语义网技术研究的深入,语义数据呈现出爆炸性增长趋势.一方面,对于语义数据实现高效存储和查询是语义网应用的重要基础,越来越多的语义应用可以依赖于此以提供更好的服务;另一方面,语义数据的爆炸性增长,对大数据环境下的语义数据的存储与查询技术提出了新的挑战.传统的基于关系型数据库的语义数据与查询系统已难以满足大规模语义数据的存储与查询需求.该文针对大规模RDF数据的存储与查询问题,以OpenRDF Sesame框架为基础,采用分布式分层式存储架构,提出并实现了属性表存储结构来进行语义数据的存储.在此基础上,针对布尔矩阵分解算法在对大规模语义数据构造属性表较慢的问题,基于Spark分布式计算框架提出并实现了并行化频繁项集挖掘算法求解大规模矩阵分解,以加速属性表的构造过程.并且,在查询层增加了基于哈希转换等查询优化.最后,基于该文所提出的索引结构和优化方法设计实现了原型系统Goldfish,并在大规模合成和真实数据集上进行了实验对比.结果表明,Goldfish原型系统比Rainbow系统查询性能平均提升约6倍,比Jena-HBase查询性能平均提升约500倍,比基于MapReduce的RDF查询系统SHARD性能平均提升约1200倍.

关键词：大规模RDF存储矩阵分解分层式存储大数据语义网 Spark

来源：评论

学校读者我要写书评

暂无评论

领域知识指导的模型重用

引用

中国科学：信息科学 2017年第11期47卷 1483-1492页

作者：吴西竹周志华南京大学计算机软件新技术国家重点实验室南京210023

机器学习模型的生命周期通常比较短暂,大量的机器学习模型针对特定任务设计,在完成任务之后即失去使用价值.然而,一个精心设计和训练的模型通常更精炼地概括了训练数据中蕴含的知识.更进一步地,当无法获取原始训练数据时,已有的预训练... 详细信息

机器学习模型的生命周期通常比较短暂,大量的机器学习模型针对特定任务设计,在完成任务之后即失去使用价值.然而,一个精心设计和训练的模型通常更精炼地概括了训练数据中蕴含的知识.更进一步地,当无法获取原始训练数据时,已有的预训练模型就是仅剩的信息来源.本文提出了一种重用已有的预训练机器学习模型来辅助当前任务学习的框架,尤其适用于当前任务数据量不足的情形.该方法把已有模型视为黑盒,不需要已有模型的结构信息,并使用领域知识对已有模型进行筛选和结合.实验表明,在该框架下,通过对已有模型的重用,多个实际任务上的性能可以得到显著提升.

关键词：机器学习模型重用领域知识环境变化学件

来源：评论

学校读者我要写书评

暂无评论

基于有监督显著性检测的目标跟踪

引用

南京大学学报（自然科学版） 2017年第4期53卷 747-755页

作者：朱尧朱启海毛晓蛟杨育彬南京大学计算机软件新技术国家重点实验室南京210023

通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流... 详细信息

通过构建基于超像素的图作为视觉表示引入超像素间的空间信息.采用基于图模型的流形排序作为显著性检测方法得到第一阶段每个超像素的显著性,判别式表观模型则通过基于中层特征的分类器进行判别并利用空间信息对分类结果进行调整,将流形排序和分类结果结合作为先验信息选择随机游走种子点.结合随机游走得到的第二阶段的显著值和分类结果,最终得到当前帧的置信图.在置信图的基础上,采用积分图方法快速计算得到候选的观测值,将观测值最大的候选作为跟踪结果.在数据集上的实验结果表明,该方法可以有效处理快速运动和形变等问题,从而实现复杂背景下鲁棒的目标跟踪.

关键词：流形排序随机游走超像素目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于简单再生码的带宽感知的分布式存储节点修复优化

引用

软件学报 2017年第8期28卷 1940-1951页

作者：丁尚童鑫陈艳叶保留计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 上海市电力公司上海200122

分布式存储系统为了保证可靠性,会采用一定的存储冗余策略,如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码和以简单再生码为代表的局部可修复码,显著降低... 详细信息

分布式存储系统为了保证可靠性,会采用一定的存储冗余策略,如多副本策略、纠删码策略.纠删码相对于副本具有存储开销小的优点,但节点修复网络开销大.针对修复网络开销优化,业界提出再生码和以简单再生码为代表的局部可修复码,显著降低了修复网络开销.然而,现有的基于编码的分布式容错存储方案大都假设节点处于星型逻辑网络结构中,忽略了实际的物理网络拓扑结构和带宽信息.为了实现拓扑感知的容错存储优化,相关研究在纠删码和再生码修复过程中结合网络链路带宽能力,建立树型修复路径,进一步提高了修复效率.但是,由于编码和修复过程的差异性,上述工作并不适合于简单再生码修复.针对该问题,结合实际物理网络拓扑结构,将链路带宽能力引入到简单再生码的修复过程中,对带宽感知的简单再生码修复优化技术开展研究.建立了带宽感知节点修复时延模型,提出了基于最优瓶颈路径和最优修复树的并行修复树构建算法,并通过实验对算法性能进行了评估.实验结果表明,与星型修复方式相比,该算法有效地降低了节点修复时延,提高了修复效率.

关键词：分布式存储简单再生码网络拓扑节点修复

来源：评论

学校读者我要写书评

暂无评论

校园移动社交网络中基于种子的数据分发算法

引用

北京邮电大学学报 2017年第2期40卷 97-101页

作者：王青山汤颖王琦王翟陈莉君合肥工业大学数学学院合肥230009 南京大学计算机软件新技术国家重点实验室南京210093

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明... 详细信息

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明显地降低网络开销,同时接近Epidemic算法达到的最大传递率.

关键词：数据分发课程表网络开销移动社交网络

来源：评论

学校读者我要写书评

暂无评论

一种基于原型学习的多示例卷积神经网络

引用

计算机学报 2017年第6期40卷 1265-1274页

作者：何克磊史颖欢高阳霍静汪栋张缨南京大学计算机软件新技术国家重点实验室南京210093 中国人民解放军第八一医院南京210002

卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了... 详细信息

卷积神经网络是一种全监督的深度学习模型,其要求样本类标完整.在样本类标缺失等弱监督的实际应用中,卷积神经网络的应用受到了极大的制约.为解决弱标记环境下的多示例学习问题,该文提出了一种新的多示例深度卷积网络模型.该模型引入了一种新的原型学习层.该层使用基于原型度量的算法,实现了示例特征至包特征的映射,从而使网络能够在包的层面给予类标信息,进而完成整个模型的学习过程.该文首先在肺癌病理图像细胞分类的问题中,验证了该网络的性能.实验表明,相较于传统基于手工图像特征的方法,该文所提出的方法在准确率方面约有12%的提升.相较于卷积神经网络结合传统多示例学习的方法,所提出的方法在各项指标上同样取得了更好的效果.此外,在自然图像分类数据集GRAZ-02上,所提出的方法相较于目前最优的算法也取得了相当的效果.

关键词：深度学习多示例学习原型学习卷积神经网络图像分类人工智能

来源：评论

学校读者我要写书评

暂无评论

面向动作的上下文感知应用的规约与运行时验证

引用

软件学报 2017年第5期28卷 1167-1182页

作者：李晅松陶先平吕建宋巍南京理工大学计算机科学与工程学院江苏南京210094 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

面向动作的上下文感知(activity-oriented context-aware,简称AOCA)应用组织环境中的资源,为用户动作的顺利进行提供支持.为应对环境和动作相关需求的开放性,这类应用采用轻量级、增量式的开发方法进行开发.相对于在开发阶段描述全局信... 详细信息

面向动作的上下文感知(activity-oriented context-aware,简称AOCA)应用组织环境中的资源,为用户动作的顺利进行提供支持.为应对环境和动作相关需求的开放性,这类应用采用轻量级、增量式的开发方法进行开发.相对于在开发阶段描述全局信息的开发方法,AOCA应用的开发可能由不同开发者在不同时间共同参与,这可能会导致较多的不一致等问题,且难以在开发阶段被发现.围绕使用运行时验证手段提高AOCA应用可靠性这一目标展开研究.给出了对于AOCA应用运行状态进行形式化规约、对于系统级和应用级性质进行描述的方法.进一步地设计实现了AOCA应用监控器.最后,通过案例分析以及性能评估证实了该方法的有效性.

关键词：普适计算上下文感知形式规约运行时验证

来源：评论

学校读者我要写书评

暂无评论

基于无指导学习的微博评论分析方法

引用

中文信息学报 2017年第2期31卷 179-186页

作者：徐帅帅戴新宇黄书剑陈家骏南京大学计算机软件新技术国家重点实验室江苏南京210023

该文以一种有效的方法寻找出有价值的微博评论,这对于读者更高效地阅读评论,为舆情分析、文本挖掘等任务提供支持,均具有重要的应用价值。针对微博及其评论文本短小、内容发散等特点,该文提出一种基于无指导学习的微博评论分析方法,该... 详细信息

该文以一种有效的方法寻找出有价值的微博评论,这对于读者更高效地阅读评论,为舆情分析、文本挖掘等任务提供支持,均具有重要的应用价值。针对微博及其评论文本短小、内容发散等特点,该文提出一种基于无指导学习的微博评论分析方法,该方法通过互联网搜索引擎扩展微博文本,基于相关性计算自动构造正负训练用例,生成特定的某条微博评论分类模型,通过该模型对评论的价值性进行评估。实验结果表明,该方法能够比较好地识别出评论的价值。

关键词：微博评论价值性无指导学习评论过滤

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：