自适应概率问题的空间遗传算法的研究

求解约束条件下的高度和分配的最优解是一个ＮＰ难题,因此提出了一种基于自适应概率参数模型的问题空间跗算法,它较好地解决并发进行硬件资源调度与分配问题,使得在给定的输出控制数据流图中找到使目标函数最小的位置。最后以求解方程中的资源调度为例,用实验验证了该算法的有效性。     

数据流在汽车维修中的应用

随着电子技术在汽车上的广泛应用,汽车中的电子设备越来越多,维修工作变得更专业化、更复杂化.但目前大多数汽车维修人员仍然依赖于查阅故障代码来解决问题,其结果是维修效率不高,重复性劳动增加.那么,熟悉系统工作原理,善用数据流和示波嚣进行分析,是现代汽车维修人员应具备的基本素质.能够读懂数据流,并进行一系列的分析将会给实际工作带来很多帮助.本文通过对动态数据流和维修工作中应用案例的介绍,希望能够有一定的借鉴和启发.     

面向高速网络连接记录管理的高效哈希表

针对高速网络环境下连接记录管理的性能需求,提出了一种改进的高效哈希表PRH-MTF(伪随机哈希-移至最前).首先在定义输入关键字即连接标识符的基础上,通过选择适当的运算符,设计了高效鲁棒的哈希函数PRH.为有效解决哈希冲突,根据网络数据流局部性特点,应用MTF启发法,改进了传统的链式冲突解决方法.以分组火车模型作为数据包到达模式,分析了PRH-MTF哈希表的算法复杂度,推导出了平均查找长度.最后通过实际高速网络数据流和模拟攻击的方式,对PRH-MTF哈希表进行了实验评估.实验结果表明,PRH-MTF哈希表在查找性能和抗攻击能力等方面均优于传统的简单排序哈希表.     

大数据环境下的不确定数据流在线分类算法

在大数据环境下,由于隐私保护、数据丢失等原因,数据普遍存在不确定性;数据流系统中数据不断地到达系统,只扫描一遍且不能一次性全部获得;所以要构建一个增量分类模型来处理不确定数据流分类.本文基于VFDT算法提出了WBVFDTu算法,该算法在学习和分类阶段都可快速而有效地分析不确定信息.在学习期间,采用Hoeffding分解定理构造决策树模型;在分类期间,在决策树的叶子节点利用加权贝叶斯分类算法提高模型的分类准确率和算法的执行效率.最终证明该算法能够非常快速地学习不确定数据流,提高分类的准确率.     

一种基于UFFT的数据流分类器

文章提出一种基于极速决策森林(UFFT)的加权装袋算法(UFFT_wb),它采用加权装袋算法模型,以UFFT算法构建基分类器.实验表明,该算法具有确定分割点及选择分割属性花费时间少、构建新结点占用空间小及可以增量式构建等特点,与基于C4.5算法的加权装袋算法模型相比,在保持相似精度的基础上,时间性能有一定程度的改进.     

基于UG/OPEN的铝型材挤压模具设计系统开发

分析了铝型材挤压模具的设计流程,在铝型材挤压模具设计数据流图的基础上,以UG NX为开发平台,综合运用各种UG/OPEN开发技术开发了铝型材挤压模具设计系统,包括用户菜单、模具文件新建界面、截面数据处理、工艺参数处理、挤压模具结构设计与结构生成等模块.该设计系统与UG NX无缝集成,运行稳定可靠,大大提高了铝型材挤压模具的设计效率和质量.     

快速实现二维DFT的处理器阵列

本文给出了实现二维离散付里叶变换（２ＤＤＦＴ）的两种新阵列，两种结构方案都适用于ＶＬＳＩ技术，可用于多维高速输入输出处理器和ＦＦＴ的结构中。它的优点是减少了处理器元素（ＰＥ＿ｓ）之间的数据交换，并省去了通常所要的矩阵变换操作。     

数据流滑动窗口上的一种多聚集查询共享策略

基于如何提高多个聚集查询的查询效率,提出了一种共享链树结构的多查询聚集计算共享策略.利用每个滑动窗口逻辑地将链树划分成若干子树,它们各自根节点中的聚集值恰好就是每个查询对应的结果值.数据流上多个查询可以在同一棵链树上并发执行,避免了每个查询的重复建树.同时,利用链树本身可降低无用的重复比较的性质,使得多个查询在同一棵链树上只需进行少量更新比较就可求得每个查询的新聚集值.实验证明,多个查询共用同一链树结构,可以最大程度地共享资源,减小内存使用量,因此大大提高了数据流上的查询处理效率,加大了数据流上的任务吞吐量,改善了系统性能.     

移动环境中的位置依赖连续轮廓查询

针对移动环境中查询点快速移动时连续、高效输出给定搜索区域数据轮廓的问题,提出一种位置依赖连续轮廓查询算法(LDCS).该算法结合数据流技术,首先使用R树快速更新查询数据,然后利用两次连续计算时搜索区域的重叠性构造被动数据流,并对新增和失效数据分别进行处理,从而连续输出轮廓.由于充分利用了已有结果,LDCS的计算量较传统算法有大幅下降.实验结果表明,LDCS特别适合计算频度要求较高的场合,与基于网格索引的算法相比,时间效率随着数据集规模的增大显著提升.     

基于约束符号集的条件表达式数据流分析

C程序中的条件表达式是唯一一个由三目运算符构成的表达式,而从语义角度来说是分支语句结构,传统的数据流分析技术难以实现对其精确分析。为实现对条件表达式的精确分析,提出了一种应用区间运算的条件表达式分析方法。首先对条件表达式的语法结构进行分析,以识别不同类型的条件表达式;并采用RSTVL描述程序点上的存储状态;再按照分支语句的语义,通过分析条件表达式中的符号约束集,基于区间运算方法对条件表达式进行数据流分析,得到由RSTVL描述的条件表达式的取值。通过对构造的测试用例与实际工程的测试结果表明,本文方法可以精确的分析C程序中的条件表达式。