摘要：在集成电路设计过程中,验证的工作量占到所有工作量的70%。大型的计算机图形处理芯片的功能验证,测试周期很长,覆盖率要求高,对于验证工程师提出了比较高的挑战。基于Cadence最新一代企业级CPU并行计算仿真器(Palladium Z1),提出了一种各平台通用,高效,流程简洁并且覆盖率较高的测试平台。该方法涵盖了测试指令集设计,GPU测试的原理分析。并给出了在Cadence Z1平台上,测试向量在测试平台上的运行过程和回归测试的结果。

摘要：本期刊发的10篇笔谈文章,对我国公司法修改的框架体系、原则方向到具体制度的构建修订展开研究探讨。中国政法大学赵旭东教授提出,公司自治和公司法的强制性与任意性问题是贯穿和覆盖整个公司法制度的全局性和根本性问题,强化自治、弱化强制依然是公司法修订的重要方向。清华大学朱慈蕴教授进一步解构了认缴制,提出股东出资义务具有法定性和约定性双重属性,认缴制实际上是通过公司法给予股东自治的空间更加宽广,属于股东出资义务的约定性。西南政法大学赵万一教授提出,公司法的修改必须基于中国的国情,聚焦于解决中国的特殊问题,必须秉持中国立场,践行中国道路。中国政法大学李建伟教授在分析股东身份纠纷发生诸场景的基础上,提出现行公司法关于股东身份认定的规则在商事外观主义和实质主义二者之间反复摇摆,股东身份认定涉及组织法与契约法的双重法域关系处理,对于任何一方面法域关系规则的忽略或者对二者关系的处理不得当都会导致裁判规则的偏颇。“谁是股东”这一中国式公司法问题应在公司法修正再完善。中南财经政法大学法学院徐强胜教授提出,现行《中华人民共和国公司法》第三条更多的是强调了公司独立财产的意义,体现了物化的人格与混乱的财产关系,是对公司人格的误读,公司法应以《中华人民共和国民法典》为基础,强调公司的独立人格价值,回归人格意义表述。西南政法大学汪青松教授提出了公司不特定利益相关者保护的公司法路径,应当通过妥当的制度设计推动公司将对不特定相关者的利益考量内化为公司自身的主动行为。西南政法大学曹兴权提出,《中华人民共和国公司法》中三十五条、九十一条、二百条三个条文涉及抽逃出资禁止规则,公司法修改时应废除认缴资本制公司中的抽逃出资禁止规则,删除上述三个条文,通过出资义务履行规则的解释机制实施法定资本制度的特殊公司贯彻抽逃出资禁止的监管政策。河南大学法学院樊涛副教授等提出,我国公司法应当增设“国有公司”一章,明确国有公司的概念和范围、规定国有公司的出资方式、股权结构等基本规则以及国有公司组织机构的设置、权力配置、人员构成、责任承担等特别规则,明确党组织是国有公司治理结构的重要组成部分和在国有公司中的领导核心和政治核心。黑龙江大学法学院陈彦晶教授提出,我国法律上缺少对资本公积的具体调整规范,解释适用上的混乱不可避免,公司法修订时应妥善处理资本公积规则,对注册资本和资本公积一体对待。如果仍保留注册资本与资本公积两个概念的话,则应将二者在减资、分配等规则设置上一体对待。福州大学朱圆教授提出,介于营利企业与非营利企业之间的社会企业设定了营利与社会公共利益双重经营目标,有别于传统营利型企业。我国现行公司法的主要适用对象是营利公司不能直接用来解决社会企业所面临的双重经营目标之间的冲突及其调和,我国的公司法中应专门规定社会企业设立和运营中需要遵守的法律规则。

摘要：该文基于支持向量机(support vector machine,SVM)与区域生长结合算法,设计了对黄曲条跳甲、烟粉虱、小菜蛾、蓟马这四类蔬菜害虫进行分类识别的检测算法。该方案将识别过程融入到分割中,采用网格法进行区域生长种子点的选取,简化图像处理的步骤。该文每种蔬菜害虫训练样本图像为60幅,测试样本为40幅。试验展示,基于其形态、颜色特征,该算法可以将南方重大蔬菜害虫正确分割识别出来,对黄曲条跳甲、烟粉虱、小菜蛾、蓟马成功率为分别为96.4%、93.2%、95.4%、98.2%,算法达到了对多种害虫进行分类的效果,有较好的应用前景。

摘要：随着科技水平的快速发展,图像处理技术也愈加成熟。目前,在基于感兴趣区域的图像压缩对医学图像、遥感图像方面进行较多的研究,但是在农业图像方面的感兴趣分割以及压缩算法研究较少。设计一个压缩比可调的农业图像感兴趣区域压缩处理系统,首先采用支持向量机SVM的模型,对农业图像进行感兴趣区域(ROI)与非感兴趣区域(RONI)的分割处理;再对感兴趣区域采用可调压缩比的JPEG图像压缩算法进行压缩处理,对非感兴趣区域采用高压缩比的JPEG图像压缩算法进行压缩处理,然后将两个区域进行结合,形成完整的农业图像。最后,将处理后的农业图像进行客户端/服务器模式(C/S模式)传输,实现远程传输图像的功能。实验展示,实现4.7:1至5.75:1之间的感兴趣区域(ROI)可调压缩比功能,并能在2秒内实现所有处理,提高传输过程中的传输速率,具有一定应用前景。

摘要：结合传统图像处理方法与支持向量机(SupportVectorMachine,SVM)技术,设计了一种黄金大蚊图像快速检测算法,对现场采集的黄金大蚊图像进行快速检测。该方法实现了在分割过程中完成对害虫种类的标记,简化了图像处理步骤。同时,利用SVM支持小样本数据,解决了训练中样本数量的问题。从现实环境中拍摄得到100张黄金大蚊图片为素材进行分类器的训练与检测,得到识别率较高的分类器,利用所得到的分类器结合传统图像处理方法设计与实现了本检测算法。通过对80幅现场试验照片检测分析显示,对黄金大蚊的正确识别率可达到92%以上。对于目标较为明显的图片,算法运行时间在0.2s以内。算法达到较快运行速度和较高精度,对田间害虫快速监测提供了技术支撑,具有较好的应用前景。