检索结果

Select

1. 基于Goldschmidt算法的高性能双精度浮点除法器设计

何婷婷, 彭元喜, 雷元武

计算机应用 2015, 35 (7): 1854-1857. DOI: 10.11772/j.issn.1001-9081.2015.07.1854

摘要（865）

PDF （740KB）（655）

针对双精度浮点除法通常运算过程复杂、延时较大这一问题,提出一种基于Goldschmidt算法设计支持IEEE-754标准的高性能双精度浮点除法器方法。首先,分析Goldschmidt算法运算除法的过程以及迭代运算产生的误差;然后,提出了控制误差的方法;其次,采用了较节约面积的双查找表法确定迭代初值,迭代单元采用并行乘法器结构以提高迭代速度;最后,合理划分流水站,控制迭代过程使浮点除法可以流水执行,从而进一步提高除法器运算速率。实验结果表明,在40 nm工艺下,双精度浮点除法器采用14位迭代初值流水结构,其综合cell面积为84902.2618 μm²,运行频率可达2.2 GHz;相比采用8位迭代初值流水结构运算速度提高了32.73%,面积增加了5.05%;计算一条双精度浮点除法的延迟为12个时钟周期,流水执行时,单条除法平均延迟为3个时钟周期,与其他处理器中基于SRT算法实现的双精度浮点除法器相比,数据吞吐率提高了3~7倍;与其他处理器中基于Goldschmidt算法实现的双精度浮点除法器相比,数据吞吐率提高了2~3倍。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于蚁群算法的树环结构应用层组播树构建算法

许建真何婷婷何丹周曈

计算机应用 2013, 33 (12): 3449-3452.

摘要（526）

PDF （798KB）（337）

作为对IP组播技术的改进，应用层组播(ALM)技术具有不受网络架构限制、资源丰富、数据传输速率高等优势。综合考虑节点性能和端到端延迟，提出一种快速且高效的建立应用层组播树的方法：基于蚁群算法的树环结构ALM模型(ACOTRM)。目前对ALM结构的研究大部分都是仅仅粗略地给出拓扑结构，而对整个构建过程却缺乏完整且清晰的描述。鉴于此，完整地给出了一种树环结构ALM树的具体构建过程，主要包括网络节点分簇、簇内成环连接、数据转发数的建立等关键步骤。另外，为每个节点设定特有的优先级，使得整个ALM树达到最优化状态。仿真结果表明，该模型得到了较低的平均时延以及较高的平均数据传输率，在增加系统稳定性的同时也提高了其转发效率。

相关文章 | 多维度评价

Select

3. 利用并行GPU对分层分布式狄利克雷分布算法加速

温腊芮建武何婷婷郭亮

计算机应用 2013, 33 (12): 3313-3316.

摘要（919）

PDF （802KB）（793）

分层分布式狄利克雷分布(HD-LDA)算法是一个对潜在狄利克雷分布(LDA)进行改进的基于概率增长模型的文本分类算法，与只能在单机上运行的LDA算法相比，可以运行在分布式框架下，进行分布式并行处理。Mahout在Hadoop框架下实现了HD-LDA算法，但是因为单节点算法的计算量大，仍然存在对大数据分类运行时间太长的问题。而大规模文本集合分散到多个节点上迭代推导，单个节点上文档集合的推导仍是顺序进行的，所以处理大规模文本集合时仍然需要很长时间才能完成全部文本的分类。为此，提出将Hadoop与图形处理器(GPU)相结合，将单节点文本集合的推导过程转移到GPU上运行，实现单节点多个文档并行推导，利用多台并行的GPU对HD-LDA算法进行加速。应用结果表明，使用该方法能使分布式框架下的HD-LDA算法对大规模文本集合处理达到7倍的加速比。

相关文章 | 多维度评价

Select

4. 协同过滤在中文维基百科类别推荐上的应用

王静何婷婷衣马木艾山·阿布都力克木

计算机应用 2013, 33 (03): 838-840. DOI: 10.3724/SP.J.1087.2013.00838

摘要（753）

PDF （639KB）（446）

针对传统人工编辑导致大量类别信息重复和不规范的问题,提出了应用协同过滤技术为中文维基百科文章自动推荐类别。利用中文维基百科中的四个重要语义特征即链入、链出、链入的类别和链出的类别来表示维基百科文章,得到与目标文章相似的前若干篇文章的所有类别后,通过查询返回的相似度值计算各个类别的权重,选择前面的若干个类别作为推荐结果返回给目标文章。实验结果表明了这四个语义特征能较好地表征一篇维基百科文章,同时也验证了协同过滤方法在中文维基百科自动推荐类别中的有效性。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于卡方检验的汉语术语抽取

胡文敏何婷婷张勇

计算机应用

摘要（1655）

发现术语在中文信息处理和语言学习方面具有非常重要的作用和意义。提出了一种基于卡方检验的汉语术语抽取方法：先从网络上下载语料，然后使用改进的互信息参数（F-MI）抽取结构简单的质串，并在其基础上进一步使用卡方检验结合质子串分解方法抽取具有复杂结构的合串。实验结果显示，该算法有效地提高了汉语术语抽取的精确度。