摘要：在ECT系统中使用支持向量机处理采集到的数据集,当数据规模非常大时训练速度缓慢,支持向量机在处理ECT系统中采集到的大规模数据集时训练速度缓慢。针对该问题提出了一种适应于硬件实现的基于SVM的串行计算-并行传输模式,并用硬件描述语言在现场可编程逻辑门阵列(FPGA)上实现,同时给出了硬件系统的工作过程及总体结构。ECT图像重建实验结果表明,同软件实现相比,不仅提高了系统图像重建速度,还能保持较高的分类精度,并且表明FPGA在图像重建方面满足实时性要求,适用于图像重建系统。

摘要：支持向量机(SVM)在解决小样本、非线性及高维模式识别问题等方面有许多优势,但在处理大规模数据集时训练速度缓慢。针对以上问题提出了SVM学习算法硬件化的设计,它可以在保证向量机学习速度的同时,提高支持向量机的硬件资源利用效率。ECT图像重建实验结果表明,在不影响分类精度的情况下,硬件实现有效减少了运行时间,在一些实时性要求较高的场合该方法的优点将尤为明显。

摘要：为解决工作流管理系统中由任务堆积和超时导致的系统工作效率低的问题,将自适应人工萤火虫算法和蚁群算法结合,形成一种新型智能AGSO-ACO算法,并利用该算法进行油田档案管理系统任务分配。实验结果表明:AGSO-ACO算法可以保证用户总负载均衡增长、用户的任务与经验值基本保持一致、用户在局部时间段内达到负载均衡。