oo7890的博客

本文提出了一种基于多视角监控视频的步态人体身份识别方法，利用无正面人脸的轮廓剪影，结合线性判别分析（LDA）和多层感知器（MLP）进行特征提取与分类，并采用特征级融合策略提升识别准确率。实验使用CASIA数据库的36度、90度和126度视角数据，结果显示多视角融合将识别准确率提升至99%，显著优于单视角识别。该方法适用于低分辨率、非受控环境下的公共安全监控，具备良好的实际应用前景。未来将探索深度学习特征提取、多模态融合优化及实时处理算法。

本文提出了一种基于RMS脑电信号空间模式的人员识别方法及一种用于多对多组播的因果消息排序新方法。在人员识别方面，采用均方根（RMS）作为特征提取手段，结合神经网络分类器，在包含122名受试者的大规模EEG数据集上实现了最高112人正确识别的结果，展示了EEG信号在身份认证中的潜力。同时，提出利用一维向量指示消息传递状态的因果排序方法，显著降低了发布/订阅系统中的通信开销，提升了无线传感器网络的可扩展性。研究为EEG生物识别和分布式系统消息一致性提供了简单高效的解决方案，并探讨了未来在不同脑功能、疾病状态及时

本文提出了一种基于时间戳反熵闲聊和萤火虫同步的因果顺序组播协议，用于解决无线多传感器网络中的因果消息排序问题。该协议通过一维向量时间戳和颜色标记机制，在保证消息因果顺序的同时实现了低通信开销和高可扩展性。适用于分布式传感器网络和物联网等需要灵活一致性与可靠消息排序的应用场景，并通过形式化证明确保了协议的安全性和活性。

本文介绍两种创新算法在生物信息与无线传感领域的应用。在蛋白质结构预测方面，提出结合PCA和LDA的ELM与SVM算法，利用特征降维和多内核学习显著提升分类准确率，实验显示PCA-ELM方法识别率达82.45%。在无线传感器网络中，设计基于闲聊和萤火虫同步的因果消息排序协议，无需物理时间同步即可保证发布/订阅模式下的消息因果顺序，具有良好的可扩展性和分布式适应性。研究为蛋白质折叠识别和传感器网络数据融合提供了高效解决方案，未来可结合深度学习与更多应用场景进一步拓展。

本文介绍了一种用于慢性疾病管理的智能电子健康门户的开发，重点聚焦于糖尿病管理。该门户通过整合电子健康记录、医院信息系统和放射信息系统，提供诊断支持与患者赋权功能。利用机器学习算法对公开糖尿病数据集进行分析，实现了初步的决策支持组件，并展示了数据可视化、协作沟通、多级访问控制和临床数据集成等关键特性。未来工作将扩展Web 2.0功能、优化安全机制并整合更多健康数据源，以提升患者参与度和医疗服务质量。

本文综述了脑电图（EEG）研究中的多种特征提取方法，涵盖传统信号处理技术与智能算法应用。详细介绍了非负矩阵分解（NMF）、离散小波变换（DWT）、自适应公共空间模式（ACSP）、Alpha波提取及MIFX等算法的原理与应用场景，并结合癫痫检测、运动想象分类、家庭护理监测等实际案例分析其有效性。文章还对比了各类方法的优缺点，探讨了未来发展趋势，包括多模态融合、深度学习和个性化特征提取，为脑机接口系统的优化提供了理论支持和技术方向。

本文综合研究了无线传感器网络中的特征选择方法与脑电图（EEG）信号的特征提取技术。在无线传感器网络方面，通过MATLAB和WEKA对ISOLET、森林火灾和电离层三个数据集进行实验，验证了特征排名算法在提高检测精度和延长网络寿命方面的有效性，并分析了准确率与寿命延长因子之间的权衡关系。在脑电图研究方面，综述了基于信号的特征提取方法，包括小波变换、Hilbert-Huang变换、PCA、ICA和LDA等技术，探讨了其在医疗诊断与脑机接口中的应用前景。研究表明，合理的特征选择与提取策略对提升系统性能至关重要，未

本文研究了无线传感器网络（WSN）在安全与能效管理方面的关键问题。针对内部攻击者识别，提出基于Dempster-Shafer理论（DST）的方法，有效处理邻居节点观测的不确定性，并通过证据融合提高检测准确性；同时分析了该方法的优势、局限性及改进策略。在能效管理方面，提出一种基于模式识别的新型特征选择方案，通过特征排名与选择减少活跃传感器数量，结合朴素贝叶斯分类实现能源高效利用与故障容错。实验验证表明该方案可显著延长网络寿命并保持系统准确性。未来研究方向包括建立节点行为数据库、硬件平台模拟以及多目标优化等。

本文研究了基于权重上限而非数量限制的异质资源分配/匹配问题，提出了一种改进的医院-住院医生算法（MHRA）来解决动态资源分配（DRA）问题。通过将参与者视为住院医生、任务视为医院，并结合任务原子性、可满足性及任务类资源上限等约束，实现了非同质任务与参与者的有效匹配。文章详细分析了算法在任务具有相同和不同优先级情况下的时间复杂度，最坏情况下为O(m^2)，最佳情况下可达O(m)，并探讨了算法对偏好排序的敏感性。最后，通过实际软件开发任务分配案例验证了方法的可行性，指出了未来在算法优化、多目标平衡和分布式应用等

本文探讨了基于OpenNebula的云IaaS构建及其在虚拟机动态部署与实时迁移中的应用，分析了虚拟化带来的灵活性与面临的网络延迟挑战。同时，深入评估了多核心系统下的并行性能，比较了不同编译器（如Intel、PGI）与自动并行工具（如ROSE、PAR4ALL）在CPU、GPU及嵌入式系统上的表现，展示了混合MPI/OpenMP/CUDA编程模型在高性能计算中的优势。研究表明，自动并行化可有效减少开发成本，而GPU在大规模并行任务中展现出显著加速效果。未来，智能化资源调度与AI驱动的优化将成为云平台与并行计算

本文深入解析了n-Gram动态预取技术与云IaaS环境构建技术的核心原理及应用。n-Gram技术通过构建条件概率转移矩阵，优化内存访问模式，显著提升内存密集型应用的执行效率；云IaaS环境则基于KVM与OpenNebula实现高效虚拟化管理，支持灵活的资源调度与虚拟机迁移。二者在分布式共享内存、大数据处理等场景中协同增效，未来可结合AI实现智能预取，并向混合云与绿色计算方向发展，构建高性能、可持续的云计算体系。

本文研究了语义特征对分布式资源发现及n-gram预取模型的影响。在资源发现中，通过扩展GridSim和PlanetSim模拟器引入本体与语义相似度，实验表明语义匹配可提升作业成功率达20%，并降低通信开销。在数据预取方面，提出一种基于条件概率的动态n-gram预取模型，通过构建步长序列的CPTM矩阵实现精准预测，相比ESODYP模型在预取准确率、内存占用和执行时间上均表现更优。最后探讨了语义局限性、本体扩展和模型优化等未来方向。

本文研究了在多核处理器上利用英特尔AVX指令和OpenMP实现并行二维FFT的方法，通过缓存分块和矢量化优化提升了大规模问题的计算性能，并对比分析了FFTE、FFTW和MKL在不同平台上的性能表现。同时，针对网格计算中资源发现的挑战，提出基于语义技术的资源发现机制，通过扩展本体、计算语义相似性来提高资源匹配的准确性和效率。结合模拟工具评估表明，该语义模型能有效提升复杂任务的成功率并降低通信开销。最后探讨了语义阈值选择、本体维护及分布式环境下资源发现的优化方向。

本文研究了实时任务调度与并行二维FFT的实现方法。在实时任务调度方面，对比了Avalanche、Linux调度器、OLB、RC MCT和两阶段贪心等算法，结果显示Avalanche算法任务完成率最高，达70.74%，而Linux调度器表现最差。研究强调智能调度对异构多核系统的重要性。在并行二维FFT方面，提出了基于块处理和AVX向量化的优化算法，结合缓存内基-2/4/8 FFT与OpenMP并行化策略，显著减少缓存缺失。在Intel Xeon E5-2670和Core i7-3930K平台上，FFTE实现的

本文探讨了BIDE-MR算法在大规模数据下并行挖掘频繁闭合序列的高效性与可扩展性，以及在非对称多核处理器中针对硬实时任务的启发式调度方法。实验表明，BIDE-MR在Hadoop集群上显著提升挖掘效率；所设计的Avalanche和RC MCT调度算法大幅提高任务完成率，优于传统调度策略。研究为大数据挖掘和高性能低功耗系统调度提供了有效解决方案，并展望了结合机器学习与更大规模集群的应用前景。

本文探讨了在Fiteng1000处理器上实现高性能矩阵乘法的优化策略，提出通过合理选择缓冲区大小和共享内存避免冗余打包，显著提升并行计算性能。同时，设计了基于MapReduce的BIDE-MR算法，用于大规模数据集下的频繁闭合序列并行挖掘。该算法利用伪投影数据库和剪枝机制，在保证准确性的同时实现高效并行处理，并在真实车辆通行数据集上验证了其有效性。文章还分析了算法在交通、金融和医疗等领域的应用潜力，并展望了未来在算法优化与跨领域融合的发展方向。

本文研究了在大规模多线程Fiteng1000处理器上实现高性能矩阵乘法的方法。针对传统Gemm算法在该架构下存在的冗余数据打包和内存带宽竞争问题，提出了两种优化的并行算法：通过共享内存中A或B矩阵的子块，避免重复打包，减少内存开销。结合处理器架构特点，合理选择数据存放层级与参数配置，并在64线程环境下进行实验验证。结果表明，避免A矩阵冗余打包的算法性能提升约4%，避免B矩阵冗余打包的算法提升约1.8%，显著提高了矩阵乘法的执行效率。文章还提供了算法流程图、性能对比图表及总结表格，为众核多线程环境下的线性代数

本文针对小企业在将数据外包至云环境时面临的索引构建效率低、存储开销大及扩展性差的问题，提出了两种面向小企业的云数据索引构建方案（SBIC_I 和 SBIC_II）。SBIC_I 基于 Lucene 实现高效的倒排索引构建，适用于 TXT 文件；SBIC_II 引入 TF*IDF 关键词提取算法，在构建索引前筛选相关关键词，降低存储成本，并通过集成多种文件解析器支持 TXT、DOC、PDF 等多类型非结构化文件。实验结果表明，该方案在时间和空间开销上表现优异，索引文件仅占源文件的 8%，平均构建时间为 0.4

本文探讨了子集和问题（SSP）的最优且可扩展的并行双列表算法。通过分析经典双列表算法及其搜索阶段与有序列表合并过程的相似性，提出了一种基于并行生成和并行合并的新算法。该算法在CREW PRAM模型下实现了O(2^{n/2−α})的时间复杂度和O(2^α)的处理器数量，总成本为O(2^{n/2})，达到最优，并在处理器-时间权衡方面表现最佳。文章还对比了已有并行算法，验证了所提方法的优越性与简洁性。

本文提出了一种构建度为 ⌈√(n/2)⌉ 的规则组法定人数系统的算法，用于解决分布式系统中的组互斥问题。该系统基于大小为 n p(p + 1)/2 的管理进程集合，具有高容错性和规则性，每个法定人数大小为 p，且不同组的法定人数间存在非空交集以保证互斥。文章分析了系统的结构性质，展示了其在分布式数据库和云计算等场景的应用潜力，并探讨了未来在度优化、算法效率提升和应用拓展方面的研究方向。

本文介绍了一种基于肯定自适应故障检测（AAFD）和低延迟并行Turbo解码器的创新技术。AAFD通过动态调整检测阈值，提升了故障检测的准确性和时效性，性能优于传统算法约30%。针对Turbo解码器高延迟问题，提出并行相位解码算法，利用两个SISO解码器并行处理，并结合滑动窗口机制，在保证性能的同时显著降低解码延迟。通过地址约束解决数据依赖问题，硬件实现采用TSMC 0.18μm工艺，在1024-bit块长度下解码延迟降低超50%，仅损失0.4dB性能。实验结果表明该方案在FPGA和ASIC平台上均具备高效性

本文介绍了肯定自适应故障检测（AAFD）技术，旨在解决传统故障检测方法在准确性、完整性和检测速度之间的权衡问题。AAFD通过动态分析心跳消息的到达间隔时间，结合自适应超时预测与ping验证机制，实现了高精度、低延迟的故障判断。文章详细阐述了AAFD的数学模型、算法流程及其实现方式，并通过实验对比展示了其在平均检测时间、误报率等方面优于Elhadef、Khilar和GHM等现有算法的表现。最后探讨了AAFD在云计算、物联网等场景的应用潜力及未来优化方向。

本文介绍了人工智能在气象预报和分布式系统故障检测中的两项创新应用：用于台风降水预测的FIDs分类器和肯定自适应故障检测（AAFD）技术。FIDs结合模糊集与遗传算法，显著提升了降水预测精度，优于传统C4.5和AVS模型；AAFD通过融合新型算法与ping服务，解决了传统心跳机制在准确性与实时性之间的权衡问题，提升故障检测性能达30%。两者分别在防洪减灾、水资源管理和云计算、物联网等领域具有重要应用价值和发展潜力。

本文探讨了多级动态自适应框架在分布式系统中的应用，提出通过协调操作系统层与应用层的自适应操作来避免冲突与性能下降，并结合实验验证其有效性。同时，介绍了人工智能算法FIDs在台风期间降雨预测中的应用，相比传统模型表现出更优的预测性能。文章还展望了该技术在云计算、物联网和大数据处理等领域的潜在应用，以及未来在跨层协调自适应和实时气象预测方面的改进方向。

本文研究了WK-递归金字塔WKP(d,L)的哈密顿连通性，证明了对于d≥3且L≥1时该结构是哈密顿连通的。同时提出基于服务导向架构（SOA）的动态可适应分布式操作系统，并设计多级适应框架以协调操作系统层与应用层的自适应行为。通过环境监测、决策和执行模块实现系统动态调整，以应对基础设施和应用需求的变化。以分布式共享内存（DSM）服务为例的实验验证了框架的有效性，能够根据一致性需求切换模型，提升系统性能与应用满意度。未来工作包括性能指标分析、容错能力研究、路由算法开发及与其他网络结构的比较。

本文探讨了芯片多处理器上的对象级并行编程模型与WK递归金字塔图（WKP(d,L)）的哈密顿性。在并行编程方面，提出基于消息传递的异步模型并实现CPPLib库，实验表明其具有良好可扩展性，在部分基准测试中优于Intel TBB。在互连网络方面，研究了WKP(d,L)的结构特性，并证明当d≥3且L≥1时，该网络是哈密顿连通的，为并行算法设计提供了理论支持。未来工作包括优化库性能、拓展网络拓扑及开发高效并行算法。

本文探讨了密码学中S盒质量评估与芯片多处理器上对象级并行编程技术。通过统计测试和线性区分攻击分析了多种S盒的安全性，发现除ISRC外多数S盒表现相近，AES-Rijndael和Skipjack可互换使用。同时提出一种基于消息传递的对象级并行编程模型，并通过C++库CPPLib实现，在双核和八核平台上分别获得1.5和3.6的平均加速比。文章进一步展望了密码学与并行编程的结合应用，如加密算法的并行化加速与并行系统中的信息安全保障，为未来研究提供了方向。

本文探讨了基于应用依赖的静态共享内存网络设计与流密码S盒质量评估。在共享内存网络方面，提出了一种利用可重构连接块配置静态路由的网络交换机架构，通过地址转换机制和选择器组件优化远程内存访问延迟，并在多个稀疏矩阵上验证了其有效性，结果显示该设计能显著降低通信延迟并节约硬件资源。在流密码S盒评估方面，通过对SOBER-t32和SNOW 2.0等算法中不同S盒的NIST统计测试与线性区分分析，发现S盒对密钥流的统计随机性贡献有限，但对非线性偏差和密码安全性具有关键影响。研究强调了S盒在抵抗线性区分攻击中的作用，并指

本文探讨了无线传感器网络中的可变半径2覆盖路径问题，分析了TASP、RSP和GTP三种算法在不同天线密度、数量和半径数量下的性能表现。实验表明，RSP算法在时间效率上最优，但高密度下功耗较高；TASP算法在能耗与时间之间具有较好平衡。同时，文章提出一种可重构的共享内存网络设计，通过静态路由和单地址空间模型降低通信延迟，适用于大规模科学计算场景。最后，文章展望了算法融合、自适应规划及网络可扩展性等未来研究方向。

本文研究了软件事务内存（STM）中的一致性维护机制与无线传感器网络（WSN）中的2-覆盖路径规划问题。在STM方面，提出了一种自适应验证（AV）方法，通过冲突预测器动态选择GV4或TLC验证策略，提升了事务处理性能，并在Stamp基准测试中验证了其有效性。在WSN方面，提出了TASP和RSP两种路径覆盖方法：TASP从点A向B扩展2-覆盖区域，而RSP通过初始最大覆盖后逐步收缩半径以降低功耗。实验表明RSP在功率消耗和时间复杂度上均优于TASP。最后，文章展望了STM优化、动态WSN环境应用及跨领域融合的未

本文探讨了高速光互连中的帧错误率测试（FERT）与软件事务内存（STM）中的一致性维护方法。在FERT部分，详细介绍了RX模块对PRBS-31序列的计算机制、RX FSM状态转换流程，以及基于FERT的链路级容错策略，并给出了ASIC和FPGA实现的综合性能数据，展示了其高效性与可扩展性。在STM部分，提出了一种自适应版本控制（AV）方法，通过基于历史的争用预测器（CP）动态选择GV4或TLC验证机制，解决了传统方法在缓存一致性开销与错误中止之间的权衡问题。实验结果表明，AV方法在多种基准测试和线程配置下均

本文探讨了分布式移动计算环境中的多种拓扑构建方法及其在不同设备数量下的性能表现，分析了选择性随机、RC、802.11、MSMR和PSRE等方法的优劣，并结合资源管理启发式给出了最佳组合建议。同时，深入介绍了高速光互连中的帧错误率测试（FERT）技术，包括其系统结构、设计挑战及并行PRBS实现方案。文章还提出了FERT的优化思路和不同应用场景下的实施建议，并展望了未来在人工智能、SDN与NFV融合方向的发展路径，为提升系统性能与网络可靠性提供了有力支持。

本研究探讨了基于移动自组织网络（MANET）的分布式移动计算（DMC）环境中的性能提升策略。通过分析设备与任务的异构性以及能量管理机制，提出并比较了多种拓扑构建方法（如802.11、MSMR、RC和PSRE）与资源管理启发式方法（如SR、EMTE、KPE和MET），旨在减少通信冲突、提高任务完成率和能量利用效率。结合NS-2模拟器平台EArDruM进行多场景仿真，结果表明合理的拓扑结构与智能调度策略能显著优化系统整体性能。该工作为能源受限环境下高效分布式计算提供了理论支持与实践指导。

本文提出了一种基于屏障事务内存（Barrier TM）和聚合物理更新的机制，旨在提升多人游戏系统在多核环境下的性能。通过引入事务内存的原子性与隔离性优势，结合预验证冲突检测和信号排序机制，有效减少了线程冲突带来的开销。实验结果表明，该方法在多核处理器上显著优于传统锁机制，尤其在高并发场景下性能提升达2-3倍。文章还分析了网络延迟、系统扩展性和实现复杂度等实际应用问题，并展望了未来与机器学习及硬件加速技术结合的可能性。

本文提出了一种针对分布式系统中多事务总线架构（MDBL）的性能分析建模方法，聚焦于采用分布式仲裁和无缓冲路由器的环形网络环境。通过建立包含通过率、中断率和保持率的分析模型，评估不同优先级对通信成功率的影响，并结合仿真验证模型准确性。实验结果表明，该模型在16节点环形网络下的建模误差不超过3%，具备高达97%的准确性，可为NoC设计人员提供有效的吞吐量评估与仲裁策略优化支持。

ICA3PP 2012是并行处理算法与架构领域的重要国际会议，汇聚全球学术界与工业界专家，探讨并行与分布式计算的前沿技术。会议涵盖架构、算法、网络、系统与应用等多个方向，展示了GPU加速、安全计算、分布式优化等关键技术成果，并展望了多模态并行计算、安全隐私保护及AI融合等未来发展趋势。