内存数据仓库集群技术研究

随着硬件的集成度不断提高,多核处理器和大内存成为当前主流的计算平台,内存计算也成为新兴的高性能数据分析平台.内存数据仓库集群技术面向高性能分析计算,是实现大数据实时分析的基础平台.本文概括地介绍了中国人民大学高性能数据库团队在内存数据仓库集群技术方面的研究工作,包括:以列分布和列计算服务为中心的ScaMMDB内存数据仓库集群,以水平分片、并行计算为中心的ScaMMDBⅡ和reverse-star schema分布、集群向量计算为特征的MiNT-OLAP Cluster等技术的研究发展过程.分析了内存数据仓库集群技术的关键问题及技术挑战,并针对新的内存数据仓库集群应用需求展望未来技术的发展.     

一种基于模糊推理的块编码图像帧内误码恢复方法

采用一种基于模糊推理的方法来对块编码的灰度图像进行帧内误码恢复。在丢失块周围像素匹配的基础上采用模糊推理对匹配的结果进行模糊分类,并对匹配准确度低的块进行改进的像素逐点修正处理,从而达到误码恢复的目的。实验结果标明,该方法可以获得比较满意的结果。     

基于译码转发中继信道的对角正交设计极化空时分组码

构建了基于译码转发中继信道的对角正交设计极化空时分组码(STPBC),该种码可以通过极化天线进行满码率发射和接收.然后设计了码率为1、发射天线数为2和4的码字矩阵,最后与传统对角正交、传统准正交和极化准正交这3种无中继空时分组码(STBC)分别进行了仿真对比.结果表明:2个发射天线和1个接收天线情况下,当BER=10-3时,BPSK调制下STPBC的性能比无中继传统对角正交情况有3.5dB的增益,QPSK调制下有3dB的增益;4个发射天线和1个接收天线情况下,当BER=10-3时,BPSK调制下比上述3种情况分别有6.0,2.7和-1.5dB的增益,QPSK调制下分别有5.5,2.5和-2.5dB的增益;与无中继极化准正交STBC相比,在SNR较低的情况下所提分组码具有较好的性能.     

回归分析法在样本长度误差分析中的应用

在回归分析研究的基础上,采用最大似然法来确定回归方程的系数,并对线性假设进行显著性检验,最后对拟合效果进行量的分析,并给出样本长度在不同参数控制依据下的相对统计误差.     

梯形修正公式及其余项“中间点”的渐近性

给出了一种带端点导数的梯形修正公式,并给出了该公式的截断误差。分析了相应的复化求积公式的收敛阶,其收敛阶比复化梯形法提高了2阶;并通过对梯形修正公式余项的研究。讨论了该求积公式余项中间点的渐近性,使求积公式的代数精度得到进一步提高。     

不可分离的拓扑线性空间的完备化

文［２］中讨论了可分离的拓扑线性空间的完备化。本文讨论了不可分离的拓扑线性空间的完备化问题。     

数据误差对三次周期样条函数的影响

在插值节点等距分布的情况下,研究了型值数据误差对三次周期样条插值函数的影响,导出了其误差估计公式。结果表明,型值数据误差对三次周期样条函数的影响在周期意义下随着远离该点而衰减,从而证明了三次周期样条函数的稳定性。     

相关误差的变系数模型的估计

在误差相关的情况下，使用局部线性方法给出变系数模型的估计，并讨论估计的渐近正态性。     

噪声补偿应用于与文本无关的说话人辨认研究

通过对VQ码本在线性频谱域进行噪声补偿,使得补偿后的VQ码本逼近测试环境下训练出的码本,从而提高说话人辨认系统的性能。实验中,在不同的信噪比条件下测试辨认率,并将补偿和没有补偿时的辨认率进行比较,结果显示,该算法能够有效地提高说话人辨认系统的性能。     

基于融合特征和LS-SVM的脱机手写体汉字识别

提出的脱机手写体汉字识别系统主要研究特征提取和分类识别两个模块.特征提取模块主要包括采用基于不变矩和弹性网格技术的串行特征融合方法,所得到的特征向量不仅充分反映了手写体汉字的全局和局部特征,而且具有很强的区分表达能力.分类识别模块将神经网络多类分类策略与最小二乘支持向量机相结合,所得到的分类器不仅识别率高、泛化能力强,而且有效地解决了多类分类问题.实验证明本文提出的识别系统能够取得很好的识别效果.