论文部分内容阅读
本课题源于项目《材料的介电常数测量》，该项目通过研究介质材料的介电常数变化来获取材料的基本物理特性，可适用于生物医药分析、违禁品检测等相关领域，具有广泛的应用价值。若应用于爆炸物与毒品检测，将产生巨大的社会效益。
项目初步需要完成介电常数的测试仪器的设计，本文介绍的信号源为该测试仪中重要组成部分。信号源主要实现10MHz～500MHz的激励信号的生成，同时必须具备高分辨率、高稳定度、低杂散和可控扫频的特性。
本文采用了现今较为流行的直接数字合成(DDS)+锁相环(PLL)的设计方案，在综合考虑设计的指标和电路的可实现性，通过对电路的建模和仿真，论证了方案的可行性。
该方案以高稳定度的铷原子钟为整个系统的时钟源，结合DDS高分辨率、低相位噪声、切换速度快的特点和PLL低频谱杂散、频率范围宽的特点，很好地互补了DDS和PLL各自的缺点，同时，方案在倍频电路设计上采用谐波放大结合PLL的思路，较单纯地使用PLL的方法在系统参考时钟的相位噪声和抖动上有所改善，具有一定的创新性。经检测，电路性能基本满足项目的设计需要。
与国内国际上的同类先进仪器相比，该信号源在具有相近的信号杂散下，拥有更高的频率分辨率和稳定度，并且其使用的也是国际上较为先进的DDS芯片，组建的部件成本更低、实用性更强。
本文在完成基本功能后，进一步分析了设计中存在的不足，考虑到整个项目的进展需要，提出了一些电路的改进方案和意见，具有一定的参考价值。
支持向量机具有很强的泛化能力，具有维数不敏感与收敛到全局最优等优点。由于其分类具有较高的精度，因而在文本、图像及Web分类等方面得到广泛的应用，但是关于支持向量机学习算法研究仍然是该理论的重点和难点内容之一。
本文针对基于支持向量机的分类器训练时间过长问题，提出了三种基于模型分割的并行训练策略，将训练任务划分成若干个子任务，分别采用梯度分配、取余分配和平均分配策略分配到多个从节点进行并行计算。文中应用主从模式实现了上述并行训练算法，通过主节点将各从节点上的训练结果收集、还原，最终生成分类器模型。
梯度分配的训练策略主要将任务等差分配给节点，该策略易于设计实现，但是会导致任务分配不均衡以及限制参与计算的处理器的个数等问题。取余分配的训练策略是将均分后的剩余任务全部分配给主节点，该策略解决了处理器个数受限制的问题，但是从节点分配得到的任务数量仍然可能出现不均衡。平均分配的训练策略根据取余分配方法的缺点而重新设计，将均分后的剩余任务，再按照节点循环的顺序分配，直到分配完毕。该策略解决了前两种策略中节点任务分配不均衡，处理器受限等问题，而且效率也大大提高了。
文中基于自强3000高性能计算机实现了以上三种基于模型分割的并行训练策略，并应用多组数据集进行测试，实验结果表明该算法不仅能够保证多分类的高准确率，而且缩短了训练时间。