针对传统NoC容错算法中容错粒度过粗造成资源浪费的问题, 提出了一种细粒度的自适应容错路由算法, 对带有部分故障的节点重新利用。算法将各种故障映射为一种功能故障模型, 结合新提出的路由端口优先级策略和嵌入的奇偶转向模型, 实现数据包的无死锁容错路由。实验表明, 随着负载和故障数目的增加, 该算法具有更优越的容错性能, 证明了算法的有效性。
2023-10-23 22:18:41
1.29MB
1
为进一步提高个性化标签推荐性能，针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷，提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先，提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签，将标签重新划分为正类标签、潜在标签和负类标签三类，进而构建〈用户，项目〉对标签的细粒度偏好关系，在缓解标签稀疏性的同时，提高对标签偏好关系的表达能力；然后，基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模，并结合成对交互张量分解对偏好值进行预测，构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明，提出的方法在保证较快收敛速度的前提下，有效地提高了个性化标签的推荐准确性。
2023-04-14 11:42:50
2.39MB
1
用粒子滤波算法实现三维目标跟踪，用matlab实现。
2023-04-03 21:06:55
2KB
【目的】采用机器视觉技术，针对新疆无核白和红提单粒葡萄的质量和果径大小进行预测和分级研究。【方法】在不同的颜色特征空间模型，预处理原始图像，采用最大类间方差法分割目标区域；采用数学形态学方法去除二值图像中部分果梗及噪声点，获得最佳二值图像；基于二值图像，分析获取单粒葡萄的几何特征；最后，分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径，采用二次判别分析法对单粒葡萄的质量和果径进行分级。【结果】利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径，预测决定系数达到0.98和0.945；基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级，准确率超过85%。【结论】机器视觉技术能够较准确预测单粒葡萄的质量和果径，并能对质量和果径进行分级。
2023-04-01 10:43:30
360KB
1
针对现有的SIFT特征在车辆细粒度分类中存在的分类精度低的问题，提出了一种融合FV-SIFT特征和深度卷积特征的车辆图像细粒度分类算法。首先采用SIFT算法与Fisher Vector算法相结合的方式提取车辆图像的FV-SIFT特征，然后采用VGG-16卷积神经网络提取车辆图像的深度卷积特征，最后将FV-SIFT特征与深度卷积特征进行线性融合并采用支持向量机对融合后的车辆特征进行分类。实验结果表明，该方法的分类准确率达到82.3%，较FV-SIFT算法在分类准确率上提高了15.4%。
2023-02-02 19:31:44
2.51MB
1
这个脚本做什么？
这是用于在FASTA文件中查找端粒重复序列（TTAGGG / CCCTAA）的工具。
该脚本不做什么？
它只会在序列的开头和结尾寻找端粒。 它仅查找TTAGGG / CCCTAA重复序列的变体。
它是如何做到的？
它以FASTA文件作为输入，并逐一遍历其中的序列。 在每个序列的开头和结尾，它都会忽略N（未知碱基）。
对于每个序列，它将查看前（最后）50个核苷酸，并评估端粒重复覆盖了该序列的多少。 这是故意灵活的，以允许测序错误和端粒基序的序列/长度变化。 更具体地说，如果前50个核苷酸中至少有50％被端粒重复序列覆盖，则将其称为端粒。
在大多数情况下，默认设置50％（-c /-cutoff）和50 nts（-w /-window）似乎效果很好。 一些端粒可能很短，或者与典型的TTAGGG / CCCTAA基序不同。 使用这些参数，它们很可能会被恢复。 但是，可以
2023-01-10 22:44:53
34KB
1
公开数据集，包括lt，res，res15，res16等，其中每个数据集又分为训练集及测试集，又细分为sentence、label、term等文件。
2022-12-19 14:25:25
316KB
1