摘要：BWDSP是一款针对高性能计算领域设计的处理器,采用多簇超长指令字(VLIW)体系结构和SIMD架构,同时也提供了很多向量化指令.然而现有的编译框架无法对这些向量化指令提供支持,因此本文提出了一种向量化优化算法,可以显著提高一些在DSP领域有着广泛应用的计算密集型程序的性能.最终实验结果表明,该优化算法能够平均取得6.60倍的加速比.

摘要：BWDSP是针对高性能计算设计的一款新型的处理器,采用多簇超长指令字体系结构和SIMD架构,有丰富的指令集.为充分利用BWDSP提供的向量化资源,迫切需要提出一种向量化算法.本文在open64基础上研究并实现了面向多簇超长指令字(VLIW)DSP的SIMD编译优化算法.算法基于OPEN64的中间语言WHIRL,能够充分地利用BWDSP丰富的硬件资源和向量化指令.最终实验结果表明,对于能够合成双字和单字的循环程序,该优化算法能够平均取得6倍和4倍的加速比.

摘要：针对鸟声识别算法中提取特征单一、分类准确率低等问题,提出一种基于混合特征选择和灰狼算法优化核极限学习机的鸟声识别方法。首先从鸟声数据中提取大规模声学特征集ComParE,其次计算每个特征的Fscore并进行排序,然后以广义顺序向前浮动搜索(Generalized Sequential Forward Floating Search,GSFFS)为搜索策略,特征子集在核极限学习机(Kernel Limit Learning Machine,KELM)上十折交叉验证的正确率,作为特征选择标准进行特征选择,得到适用于鸟声识别的特征子集,最后通过灰狼算法(Grey Wolf Optimizer,GWO)选择最优KELM参数识别鸟声。在柏林自然科学博物馆鸟声数据库中进行实验,该方法在60类鸟声识别平均正确率和F1-score达到94.45%和92.29%。结果表明,该方法相较于传统自行设计提取的单一特征集具有更高的识别精度,GWO-KELM模型比网格搜索方式更易找到全局最优值。

摘要：随着市场竞争日趋剧烈,企业管理面临诸多挑战与冲击。建立科学的业绩评价指标体系,提高企业的核心竞争力已成为许多公司的当务之急。业绩指标体系要切实有效且具操作性,评价人应熟悉业务基础,尽可能使用量化的客观标准,激发员工的工作积极性,提高员工工作效率。

摘要：针对智能马桶暖风烘干器质量检测问题,设计了一款暖风烘干器检测系统。该系统使用工控机作为上位机实现数据交互,基于STM32F103RBT6的控制器作为系统的核心控制部件,通过控制系列设备以及控制器自身功能实现对暖风烘干器进行一系列的功能性能的质量测试。