基于等值线数据的一种新的云图算法

在已有网格序列法产生的等值线数据的基础上,提出一种新的云图算法,可以有效提高云图数据的计算和绘制效率.首先利用穷举思想,提出“分割穷举算法”,新算法将等值线对网格单元的切割过程划分为两种基本形式,又将每种基本形式的所有可能处理路径一一分析,对不同形式的不同处理路径采用不同的方法处理以产生云图绘制所需数据.其次对新算法作时间和空间复杂度分析,结果证明该算法时间效率和空间效率都很好.该算法已在项目中实际应用,应用结果表明该算法是准确和高效的.     

参与式感知系统中基于压缩感知的数据采集算法

基于压缩感知理论提出了一种在参与式感知系统中进行数据采集的算法.该算法通过对节点社会关系的分析,估计得出部分未被传输的节点感知数据,在此基础上对观测矩阵进行更新,使压缩感知算法可以利用已传输的数据和估计得出的数据进行重构.该算法能显著减少参与式感知系统中传输的数据量,同时能够保证较好的数据重构精度.采用随机漫步移动模型进行了仿真实验,验证了算法的可行性.实验表明,与传统的压缩感知算法相比,上述算法在重构成功率相同的情况下,可以显著减少网络传输的数据量,从而降低网络消耗.     

基于子空间投影的SFGPR压缩感知成像算法

针对传统压缩感知SFGPR成像重建算法在强杂波测量环境中往往会失效的问题,提出一种基于子空间投影杂波抑制技术的SFGPR压缩感知成像重建算法.该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后结合稀疏重建算法对地下目标图像进行压缩感知重建.实验数据处理结果验证了所提方法的有效性和准确性.     

应用分形理论和光线投射算法的卫星云图模拟技术

卫星云图模拟是气象卫星成像仿真所研究的核心问题,针对快速生成效果逼真的卫星云图的要求,以分形理论为基础,设计了一种基于随机中点位移算法的云体数据生成模型,并采用光线投射算法将产生的三维云体数据绘制于二维平面图像上,实现了卫星云图的模拟,得到了比较满意的结果.     

基于LBS终端GPS信息的准无损压缩算法

为获得更高的GPS定位数据压缩比和压缩速度,提出一种在民用定位服务(LBS)领域GPS精度范围内的准无损压缩算法.考虑GPS定位数据的特点,通过压缩预处理、二次量化去除冗余信息,通过预测编码提高编码效率.与其他算法相比,该算法可获得更高的压缩比和压缩速度,并可滤除GPS模块由于干扰而产生的粗大误差,提高GPS信息处理精度.该算法经过优化后对硬件要求很低,可在单片机上运行.     

基于压缩感知的联合协作频谱感知算法

基于压缩感知的联合协作频谱感知方法实现动态频谱感知,通过融合各次用户(SU)采集的感知数据,寻找超参数,并与判决门限值进行比较,以获得最终的频谱判决结果.基于压缩感知的联合协作频谱感知算法减少了单个SU对压缩感知数据的不确定性,归一化均方误差（MSE）性能较好,并且该算法能够有效利用SU压缩感知数据信息,与其他典型算法相比,能获得更高的正确检测概率和较小的虚警概率.     

多级树集合分裂算法对SAR复数图像压缩

通过分析嵌入式编码的多级树集合分裂算法SPIHT的特点,提出了一种对合成孔径雷达(SAR)复数图像数据进行压缩的方法.该算法应用SPIHT对复数图像数据中的实部和虚部分别进行压缩处理,在压缩比1∶ 16的情况下仍然能够较好地保留原始数据图像的模值和相位信息.在实验评估中,分别采用带点目标和面目标的SAR复数图像,通过对比原始图像和解压缩后模值图像的视觉效果、信噪比、平均相位误差、峰值旁瓣比和积分旁瓣比等参数,验证了该算法的有效性.     

一种基于测井数据特征的无损压缩方法

在有限的传输带宽下传输组合测井、成像测井数据,传输率受到限制.提出了一种基于测井数据特征的无损压缩方法,该方法可对测井数据进行压缩后再传输到地面,有效地提高了数据传输效率.描述了压缩方案、压缩处理及算法设计.对不同的数据类型用不同的压缩方法进行压缩,对其压缩率进行了对比.结果表明,采用帧相关压缩的压缩率最高,其他通用压缩方法因为没有基于测井数据特征压缩率较小;第一类数据的压缩率明显较大,组合测井的数据次之,成像测井数据的压缩率最小;压缩率随着压缩数据的增大而略有增大.     

基于DFT的油井数据有损压缩算法

针对油井数据无线传输中存在的冗余问题,提出了一种基于离散傅里叶变换(DFT)的有损压缩算法. 该算法通过加入循环前缀和后缀的方法降低了截断效应的影响,通过时域加窗处理,降低了频谱的泄露和向高频的扩散. 同时针对不同性能处理器给出了不同的压缩和解压缩方法. 数据验证和现场实验表明该算法压缩率可以达到5%~20%,大大降低了网络传输延时和节点传输功耗.      

聚束式SAR斜视模型子孔径CS算法

提出一种适合于大场景的聚束式合成孔径雷达(SAR)成像算法.该算法对经典的chirp scaling(CS)算法进行了改进,将雷达回波数据在方位向分为多个子孔径进行成像处理,对每个子孔径采用斜视等效距离模型,通过对回波信号在距离压缩过程中引入距离尺度变化,合理选择变尺度因子,消除了子孔径间距离拉伸尺度的差异.修正了相位补偿因子,使距离向压缩结果体现出方位时间.方位向压缩后,将各子孔径数据按时间先后排序拼接、运算,合成出全孔径分辨率图像.计算机仿真实验证明了该算法的有效性.     

一种基于权值的序列模式更新算法

针对原始数据库中增加数据时如何更新规则的问题,提出并应用了一种基于权值的序列模式更新算法UW IUA。该算法利用权值来归约子序列集和利用知识数据库中保留的最小非大序列集产生新的候选序列集,避免了重复遍历原始信息库而造成数据量太大的问题,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明UW IUA算法的效率高于IUA算法。     

数据流上的轮廓查询算法

采用滑动窗口技术对数据流进行近似,提出了两种数据流上的轮廓查询方法:CCS算法和PCS算法.CCS算法能够实时反映数据的变化,内存空间的利用率也较高.PCS算法则适合周期性更新的应用环境,有利于节约CPU资源.实验结果证明所采用的算法是有效的.     

GPS定位数据压缩算法的设计

为了解决嵌入武GPS车载系统存储空间小、GPS定位数据量大的矛盾,根据GPS定位数据的特点,提出用动态Huffman算法对GPS信号进行压缩。该算法是一种Huffinan算法的基础上改进的算法,为车载系统节省了大量的存储资源。除此之外,也缩短了GSM信道的占用时间,缓解了向控制调度中心上传数据的压力。     

海量数据广义线性模型变量选择算法研究

首先推导出了用于求解一般广义线性模型变量选择问题的非凸惩罚迭代估计算法，并利用分治思想对算法进行修正，使其能够适用于海量数据情形，以解决海量数据下进行变量选择时可能存在的内存溢出等问题。考虑到当前处理海量数据实际使用的工具，进一步给出了算法在分布式并行下的计算步骤，大幅提高了计算速度。在数值模拟中，通过单机和集群两种方式对算法进行数值计算，结果表明本文方法有效解决了数据存储问题且适用于分布式环境。最后，通过所提算法来完成Probit模型的变量选择，并将其用于新闻数据集的分类问题。     

基于密度的数据流聚类算法

为了提高数据流的聚类质量与效率,提出了一种基于密度的数据流聚类算法,该算法采用双层聚类框架,对于历史数据的遗忘问题采用了消逝策略和粒度调整策略,消逝策略能够处理噪声,节约内存;粒度调整策略检测当前的内存消耗,提高了聚类质量。基于标准数据集和仿真数据集的实验表明,此算法是可行有效的,适合处理和分析大规模的快速数据流。     

Pre-record:一种高效的进程动态迁移算法

后拷贝迁移算法需要在地址空间不完整的情况下恢复进程运行,导致进程由于缺页错误过多而频频中断,严重影响了迁移的整体效率.针对这一问题,提出了Pre-record算法.该算法延长进程在源节点上的执行时间并对该过程中访问的地址空间页面加以记录,迁移时源节点优先迁移被记录的页面,然后继续推送剩余地址空间页面,保证在缺页错误发生频率最高的进程恢复运行初期能够获取所需内存页面.分析及实验结果表明,该算法能够有效降低迁移过程中缺页错误的发生率,进而提高了进程迁移的整体效率,并具有冻结时间短、剩余依赖度低等优点.     

最小平方估计奇异值分解法的分布式算法

提出迭代式分割与合并的算法（IDMSVD）,以改善最小平方估计的奇异值分解法在估计参数时非常耗费时间以及内存空间的问题。基于此又提出一种使用云计算Hadoop平台MapReduce实现的算法,称为分布式IDMSVD算法。实验结果显示,IDMSVD可以有效地改善SVD求最小平方解耗费运行时间与内存空间的问题,且分布式IDMSVD算法可进一步改善IDMSVD的运行时间。     

一种挖掘大型数据库的关联规则新算法

关联规则挖掘算法FP-Growth在挖掘大型数据库时,占用内存大、运行速度慢或根本无法构造基于内存的FP-tree。针对这些问题,文章提出一种适合于挖掘较大型数据库的新的关联规则挖掘算法DFP-Growth,新算法将数据库分解,然后对分解得到的各个数据库子集用FP-Growth算法进行约束频繁项集挖掘,以满足大型数据库挖掘的需求。     

一种基于FP-tree挖掘最大频繁模式的改进算法

提出一种最大频繁模式挖掘的改进算法(FP-Imax),该算法引入一种与FP-tree类似的结构MFI-tree来存储所有的最大频繁项目集,并采用有效的子集检查方法进行优化,降低了算法的时空开销,提高了挖掘效率。实验表明,与FP-Max相比该算法的挖掘速度快两2—3倍。     

基于CUDA的高维空间检索排序

高维空间的近邻检索是多媒体信息领域的重要研究课题.文章提出一种基于CUDA的高维空间距离检索排序算法,通过并行优化空间距离计算及排序过程,充分利用GPU硬件特性和它的并行运算能力,能极大地提高高维空间的检索速度,并可获取精确的距离排序数据.实验结果表明,该文算法可达到百万级别高维数据的实时检索,极大地拓展了高维检索的应...