底层虚拟机（LLVM）是一个广泛使用的编译框架，其中间表示（IR）中包含有丰富的程序分析信息，众多以LLVM为平台的相关工作均以IR为基础开展。数据依赖关系在错误检测、定位及程序调试等领域有着重要应用，基于IR的数据依赖关系计算多采用串行迭代方式，但在应对较大规模IR文件时可扩展性不够理想。对此进行了数据依赖关系计算中指令读写的可并行性挖掘，结合图形处理器并行计算优势，提出一种基于LLVM IR的数据依赖关系并行计算方法DRPC。以IR为输入，采用CPU-GPU双端协同方式实现程序数据依赖关系的高效计算。实验结果表明，针对基准程序集SPEC，DRPC分别在直接及传递数据依赖关系计算上最高获得了3.48x和4.91x的加速比。

表示数据库的矢量图表示数据库的矢量图

为了整体处理彩色图像,提出了一种基于四元数的去除泊松噪声的加权平均滤波器。首先,基于彩色图像四元数表示法,将一幅彩色图像表示为一个纯四元数矩阵,并利用四元数代数理论定义了重建图像和原始图像之间的四元数均方误差;然后,结合非局部均值滤波的基本思想,采用拉格朗日乘数法推导出使QMSE紧上界最小的加权系数;最后,基于这些最优加权系数,对四元数表示的像素值进行加权平均,构造出四元数最优权值非局部均值滤波器,并将其应用于彩色图像泊松噪声去噪。针对常用标准图像的对比实验结果表明,所提的滤波器优于现有的四元数滤波器以及

词向量表示学习 02

信息在计算机内的表示.doc

数据结构课件：第2章 线性表2一元多项式的表示及相加.pptx

钢筋的基本量算法及梁柱中钢筋的表示.docx

类图基本符号可拆分为虚线，箭头，实线，空心右三角，实心右三角，空心菱形和实心菱形。由这些基本的图形进行组合构成了类图的基本符号。这里要注意这几个符号的顺序，代表了类与类之间关系的耦合程度。越向右耦合度越高。

算法及算法的表示.ppt

视频图matlab代码 主页： 论文“基于全局时间表示的CNN用于红外动作识别”的代码 抽象的 红外人体动作识别具有许多优点，即它对光照变化，外观变化和阴影不敏感。 现有的用于红外动作识别的方法要么基于空间信息，要么基于局部时间信息，但是并未考虑能够更好地描述整个视频中身体部位运动的全局时间信息。 在这封信中，我们提出了一种新颖的全局时间表示形式，称为光流堆叠差异图像（OFSDI），并通过综合考虑局部，全局和空间时间信息，从红外行动数据中提取了鲁棒且具有判别力的特征。 由于红外行动数据集的规模较小，我们首先将CNN分别应用于局部，空间和全局时间流，以从原始数据中获取有效的卷积特征图，而不是直接训练分类器。 然后，通过轨迹约束池将这些卷积特征图聚合为有效的描述符，该描述符称为三流轨迹合并的深度卷积描述符（TSTDD）。 此外，我们通过使用局域约束线性编码（LLC）方法提高了这些功能的鲁棒性。 利用这些功能，在我们的方案中采用线性SVM对动作数据进行分类。 我们对红外动作识别数据集InfAR和NTU RGB + D进行了实验。 实验结果表明，该方法优于具有代表性的最先进的手工特征和基于深度