一种基于有序双端链表的高效排序算法

本文提出一种新的基于有序双端链表的比较排序算法,即ODListsort(ordered double-end linked list sort)算法。该算法首先要定义一个可共存的链表最大数量,然后通过生成链表、根据规则插入数据以及合并操作来对数据集进行排序。在ODListsort算法中,数据元素是以链表形式进行动态内存分配的,因此它比一些经典的排序算法性能更优。实验结果表明,对于随机数据集,ODListsort排序与快速排序的速度接近,比归并排序、选择排序、插入排序以及冒泡排序的速度更快;对于有序数据集,ODListsort排序的效率远超快速排序,略高于归并排序。     

一个拟就地稳定归并排序算法

为了降低经典归并排序算法O（n）的附加空间并保持稳定性,提出一个新的拟就地归并算法.介绍了根据移动次数导出的段长关系进行选择的原理,给出了相应的归并及归并排序的C语言算法,用大量随机序列进行了排序对比测试;测试组数自动选取,拟合结果为比较次数约为20.13n ln （n）＋1.24n ln（n）-1.22n ,移动次数约为20.655n ln （ n ）-0.89nln（n）＋2.6n、附加栈空间O（ln（n））.得益于算法的简便性,附加程序开销小,在测试范围内实际时空耗费在同类算法中有明显优势.     

发动机三维流动数值计算可视化技术研究

对三维数据场等值面Marching Cubes算法进行了改进,通过对每个顶点与三角片之间邻接关系的计算及法向量求法的改进获得交点法矢,将MC算法推广到三维非规则数据场等值面的计算,并结合发动机三维数值模拟的具体数据结构,完成了等值面及体绘制。     

分组大规模排序管理算法

为了解决互联网时代大规模数据排序问题,本文提出了一种基于云计算的分组大规模排序算法,该算法利用了快速排序与归并排序的思想,对分发到各个云端的数据进行排序与整合;并能有效利用云端的计算资源以及存储资源,通过并行排序思想来缩短计算时间,提高排序效率。通过对该算法的时间复杂度评估和模拟测试,验证了该算法思想的有效性。     

一种基于数据块交换的快速稳定原地归并算法

与其它排序算法相比,二路归并最适合于对2个有序子表进行排序。归并长度分别为m和n的2个有序子表,经典算法有2种。第一种算法完成归并需要附加O(m+n)的空间,O(m+n)次比较和移动。第二种算法是原地的,但完成归并需要O(m+n)次比较和O(m×n)次移动。提出了一种基于块交换的快速稳定原地二路归并算法。实验证明,该算法与以前的原地算法相比,大大降低了元素的移动次数。     

一种基于数据块交换的快速稳定原地归并算法

与其它排序算法相比.二路归并最适合于对2个有序子表进行排序。归并长度分别为m和n的2个 有序子表,经典算法有2种/第一种算法完成归并需要附加O(m+n)的空间,O(m+n)次比较和移动/第 二种算法是原地的.但完成归并需要O(m+n)次比较和O(m*n)次移动,提出了一种基于块交换的快速 稳定原地二路归并算法.实验证明,该算法与以前的原地算法相比,大大降低了元素的移动次数.     

五种排序算法的性能分析

排序是计算机科学中基本的研究课题之一,其目的是方便记录的查找、插入和删除.通过描述冒泡、选择、插入、归并和快速5种排序算法,总结了它们的时间复杂性和空间复杂性,指出5种排序算法可分为平方阶排序和线性对数阶排序两类.通过实验验证了5种排序算法在随机、正序和逆序3种情况下的性能,指出排序算法的适用原则:当记录较小时,可采用插入或选择排序;当记录基本有序时,可选用插入或冒泡排序;当记录较大时,则应选择快速排序或归并排序.     

相关点搜索的等值面快速提取方法

MC算法是一种广泛使用的三维重建方法,但其存在拓扑二义性,生成三角片数量较大,重建效率低下等缺点.对此,提出一种基于MC算法改进的等值面快速提取方法,它根据体元顶点的相关性,选取合适的角度来判断数据点的取舍,并使用中点法替换传统的线性插值减少运算,最后使用Open GL三维图形语言编程实现可视化.该方法能有效避免二义性的发生,加速提取等值面,提高三维重建效率,提升了重建图像效果.经过实例验证了改进方法的可行性.     

定性贝叶斯网络中归并计算的进一步探讨及应用

在定性贝叶斯网络符号传播算法的基础上,根据实际问题的需要提出了算法中归并运算的改进方法.改进中区分汇连形式各原因节点的逻辑关系,进而提出逻辑或关系在归并过程中应当采用⊕算子,逻辑与关系采用算子的结论,并通过案例验证了结论在一定范围内的正确性.     

基于LARPBS模型的快速并行归并排序算法

提出了一种基于LARPBS模型上的并行归并排序算法,该算法使用M1 ε(0<ε<1)个处理器可以在O(lb lbM)时间内对Mε个有序序列进行归并.利用该归并算法对长度为N的序列进行排序,使用N1 ε个处理器可以在O((lb lb N)2)时间内完成.     

融合构型查找表与邻接查找子表的改进MC方法

针对医学图像三维可视化中移动立方体面绘制算法（marching cubes,MC）执行速度慢、效率不高的问题,提出了融合构型查找表与邻接查找子表的改进MC方法。该方法通过显性构建邻接查找子表约束体元搜索路径,使面绘制时只处理有效体元,根据邻接查找子表特点设计堆栈结构实现搜索算法,不仅提高了算法访问效率,而且减少了临时存储空间。在可视化工具包(VTK）下用改进MC方法对人体脚、胸腔、头部的CT数据集进行三维重建实验,结果表明在不损失重建质量的前提下,重建过程中遍历立方体数目缩短95%左右,重建时间缩短20%左右,提高了MC方法的执行速度和重建效率。     

多视角三维数据场的构建研究

基于移动立方体（marching cubes,MC）算法,考虑到现实条件下观测数据的不完整性,提出一个方便模式识别研究的可伸缩三维数据场模型。该模型混合 MC 算法和分区域处理方法,考虑了多角度观测对场域及目标的影响,描述了三维数据场对模式识别的作用。场域建立的实践表明,利用多观测点互相补充的方法改进了 MC 算法,提高了运行效率。     

基于体数据变形的自适应移动立方体算法的研究

 移动立方体（Marching Cubes）算法是一种经典的三维重建方法,但是对采样稀疏的体数据进行重建时,不能满足所需的精确度要求。提出了一种基于体数据变形的自适应移动立方体算法。该算法通过自适应地改变体素顶点的位置,使得体素包含更多的图像信息从而使体素内的三角面片更加逼近等值面;同时,采用了区域增长策略对体数据进行分割从而避免了对整个体素空间的运算;对算法的并行优化提升了算法的三维重建效率。实验证明使用该算法对稀疏体数据进行三维重建,提高了重建的精确度,并且保证了重建的实时性与交互性。     

基于三维网格单元的等值面梯度抽取法

针对三维网格等值面抽取中存在的二义性问题,提出三维网格单元等值面梯度抽取法.本算法利用梯度在三维网格单元外表面计算等值点,勾勒等值面轮廓,而后以添加网格内等值点方式明确等值面在网格内部凹凸方向,提出映射后Delaunay三角面片提取法,在二维空间完成等值面抽取.为减少计算及绘制所需存储空间,采用调整步长及合并阈值的方法控制输出三角面片数量.实验结果证明,该算法可一次性抽取等值面准确轮廓,克服了Marching Cubes算法的二义性,生成面片可真实描述三维网格内部等值面走势,通过调整参数保证了等值面精度,降低了存储代价.     

基于MATLAB对两种三角化算法的分析

面绘制是一类三维空间数据场的可视化算法。它常需在三维空间规则数据场中构造等值面。最具代表性的等值面构造方法是Marching cubes。Dual cubes是另外一种等值面构造方法。本文将基于Matlab详细分析原始marching cube和dualcube算法。     

油藏任意约束平面域PEBI网格的生成算法

针对油藏任意约束平面多边形区城提出了一种实用的局部正交化网格(PEBI)生成葬法。首先对边界顶点和区域内部散乱点按扫描方式排序,依次扫描各点生成新的三角形,再扫描新生成的三角形中不满足Delaunay准则的三角形,进而不断的处理这些不合理三角形最终完成整个区域的三角网格化,最后连接每个三角形的外接圈固心生成PEBI网格。剖分过程中采用了弹性平清和对角线交换优化方法,很容易实现局部区域的最优化剖分。通过平面映射法就可以应用到油藏的三维PEBI网格剖分,因此本算法具有很好的可操作性和实用性。     

基于VTK肝脏组织图像的3维重建

研究了表面绘制和体绘制技术问题,表面绘制采用移动立方体法,体绘制则采用光线投射法,通过比较2种技术结果讨论了它们的特点。     

线性规划模型的一种表上矩形作业法

线性规划模型的成熟算法是单纯形法.在单纯形法的基础上,提出一种表上矩形作业法.该方法在简化的单纯形表上,首先确定以枢元及需要更新元素为对角构成的矩形,然后通过矩形顶点元素的运算求得更新元素值,以此求出所有的非枢轴元,进而求得枢轴元和枢元,得出新的单纯形表.例子说明方法形象直观,求解过程简捷有效.     

基于顶点偏置的STL模型刀具轨迹生成

为生成STL模型无干涉的刀具轨迹，利用与顶点相连的各三角面片的法向向量，计算出各项点的偏置点，并由这些偏置点构造完全由三角面片组成的偏置模型：用平行截面对偏置模型进行切片，在二维空间内对所得交线段进行裁剪与连接处理，得到刀具轨迹。算法实例表明该方法具有可行性。     

基于超长方体与KNN的分类算法

提出了超长方体与KNN相结合的分类算法.在训练阶段,该算法为训练集中的每一个类别构造多个超长方体,区域分离每一类训练样本.在测试阶段,该算法首先检查测试样本是否被某一个超长方体包围,如是则其类别被识别出,否则用KNN方法确定其类别.实验采用四个真实数据集进行测试.实验结果表明基于超长方体与KNN的分类算法在四个数据集全部优于两个基于多球覆盖的分类方法,是一种有效的分类方法.