-
题名基于频繁模式挖掘的GCC编译时能耗演化优化算法
被引量：4
- 1
-
-
作者
倪友聪
吴瑞
杜欣
叶鹏
李汪彪
肖如良
-
机构
福建师范大学数学与信息学院
福建省公共服务大数据挖掘与应用工程技术研究中心(福建师范大学)
武汉纺织大学数学与计算机学院
福建师范大学光电与信息工程学院
-
出处
《软件学报》
EI
CSCD
北大核心
2019年第5期1269-1287,共19页
-
基金
福建省新世纪优秀人才项目
福建省自然科学基金(2015J01235
+2 种基金
2017J01498)
福建省教育厅JK类项目(JK20150 06)
湖北省自然科学基金(2018CFB689)~~
-
文摘
演化算法通过搜寻GCC编译器最优编译选项集,对可执行代码的能耗进行改进,以达到编译时优化嵌入式软件能耗的目的.但这类算法未考虑多个编译选项之间可能存在相互影响,导致了其解质量不高且收敛速度慢的问题.针对这一不足,设计了一种基于频繁模式挖掘的遗传算法GA-FP.该算法在演化过程中利用频繁模式挖掘得到出现频度高且能耗改进大的一组编译选项,并以此作为启发式信息,设计了"增添"和"删减"两种变异算子,帮助提高解质量和加快收敛速度.与Tree-EDA算法在5个不同领域的8个典型案例下进行对比实验,结果表明,该GA-FP算法不仅能够更有效地降低软件能耗(平均降低2.5%,最高降低21.1%),而且还能在获得不劣于Tree-EDA能耗优化效果的前提下更快地收敛(平均加快34.5%,最高加快83.3%),最优解中编译选项的相关性分析进一步验证了所设计变异算子的有效性.
-
关键词
软件能耗
编译优化
嵌入式软件
演化算法
-
Keywords
software energy
compilation optimization
embedded software
evolutionary algorithm
-
分类号
TP314
[自动化与计算机技术—计算机软件与理论]
-
-
题名云计算环境下的双通道数据动态加密策略
被引量：14
- 2
-
-
作者
吕佳玉
竺智荣
姚志强
-
机构
福建师范大学数学与信息学院
福建省公共服务大数据挖掘与应用工程技术研究中心(福建师范大学)
-
出处
《计算机应用》
CSCD
北大核心
2020年第8期2268-2273,共6页
-
基金
国家自然科学基金资助项目(61872090,61972096)。
-
文摘
在移动端设备性能有限的情况下,针对数据传输效率与隐私保护之间的矛盾,提出基于贪心算法的双通道动态加密策略(TDES)对数据包进行选择性加密,旨在有限时间内最大化数据包隐私权重总和。首先,根据数据包的隐私权重将数据包大致分为两类;然后,针对不同类别数据包的隐私权重和加密时间分别计算权重排序表并降序排列,两类数据包对应两个传输通路,对隐私权重最大的数据包进行加密传输,直至传输时间结束;最后,检查通道内部剩余时间,调整部分数据包的传输通路,直至剩余时间不足以对任何数据包进行加密传输。在仿真数据包传输实验中,分别与D2ES和贪心算法进行比较,在相同时间限制下,所提策略的总隐私权重分别提高了9.5%和10.3%,运行时间分别降低了10.8%和8.5%。实验结果表明,TDES的计算时间更短,效率更高,能够很好地平衡数据安全和设备性能。
-
关键词
隐私保护
时间限制
传输效率
数据包隐私权重
云计算
-
Keywords
privacy protection
time constraint
transmission efficiency
packet privacy weight
cloud computing
-
分类号
TP393.04
[自动化与计算机技术—计算机应用技术]
-
-
题名基于摄像头域内域间合并的无监督行人重识别方法
被引量：2
- 3
-
-
作者
陈利文
叶锋
黄添强
黄丽清
翁彬
徐超
胡杰
-
机构
福建师范大学计算机与网络安全学院
福建省公共服务大数据挖掘与应用工程技术研究中心(福建师范大学)
数字福建大数据安全技术研究所(福建师范大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2023年第2期415-425,共11页
-
基金
国家自然科学基金项目(62072106,61070062)
福建省自然科学基金项目(2020J01168)
+1 种基金
福建省科技厅创新战略研究项目(2020R0178)
福建省教育厅项目(JT180078)。
-
文摘
在刑事侦查、智能监控、图像检索等领域,行人重识别一直是研究的热点.由于现有的大部分方法依赖有标注数据集,因此标签的缺乏使得无监督的行人重识别技术变得更具挑战性.为了克服这一问题,提出了一个用于生成可靠伪标签的框架,这些生成标签可以为现有监督行人重识别模型提供监督信号.假设数据集内的大部分图片都满足同一个摄像头拍摄的图片差异主要在于前景(行人)、同一个行人被不同摄像头拍摄到的图片差异主要在于背景.为了消除图片背景带来的差异,首先把数据集中的图片依据摄像头编号分成若干个域,通过计算每个域内的图片间的欧式距离,建立图模型,执行最大团算法寻找最相似的若干个图片并认为它们属于同一个行人;紧接着计算不同摄像头域间的团的相似度,据此进行合并;最终给出全局伪标签.所提的框架无需人为标注数据,以一种无监督的方式运行,并在Market1501和DukeMTMC-ReID数据集上进行实验,实验发现所提方法比其他相关方法具有更高的精度,从而进一步证明了所提方法的有效性.
-
关键词
行人重识别
无监督学习
最大团算法
伪标签
聚类
-
Keywords
person re-identification
unsupervised learning
max clique algorithm
pseudo labels
clustering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
