一种基于维层次的Data Cube压缩存储方法

针对维层次的特点，提出一种利用基表元组的标识维来对Data Cube来进行压缩存储（Hierarchical Compress Storage Cube，HCSCube）的方法。在定义基表元组与Data Cube中聚集元组的导出关系后，DataCube中的一些聚集元组的聚集值可以由基表元组导出关系得到，因而可以合并保存，从而实现了Data Cube的压缩存储。理论分析和实验表明，基于维层次的压缩存储方法不仅能显著的减小Data Cube的存储空间，而且在查询效率上也有改进。     

面向交易实时数据库内存数据的组织方法

研究面向大规模电子交易实时数据库中密集内存数据的高效组织方法.采用线性存储池实现内存数据的物理存储组织,并根据交易事务更新内存数据的update-in-place和append-only特点,采用T树索引实现元组固定数据的逻辑组织,采用缠绕的双向链式索引实现动态数据的逻辑组织.简化了物理空间的分配和调整算法,提高了数据更新和索引重构的效率,降低了内存数据查询访问的时间复杂度.结果表明,基于T-树索引和链式索引的数据查询算法的时间复杂度分别控制在O(lnN)和O(ln(N 1)-1),满足大规模电子交易的需要.     

基于会议模型的射频优卡多COS安全模型

基于现实会议中席位的分配与共享规则,抽象出能用于射频优卡的席位约束会议模型.基于会议模型分析射频优卡多芯片操作系统(COS)安全问题,给出安全实体的符号化描述和安全需求的形式化定义,建立了COS、存储块和独立存储区的有限状态机模型,并复合这3个模型建立了多COS安全的有限状态机模型.给出了安全模型的原型系统设计及其功能仿真和现场可编程门阵列(FPGA)实现.仿真结果表明该安全模型结构简单,易于实现,具有很好的数据安全性.     

历史关系模式的初步规范化

讨论了满足ＴＮＦ的历史关系模式存在的问题,并在此基础上,提出２ＴＮＦ概念,给出了达到２ＴＮＦ的模式分解算法,解决了满足ＴＮＦ的历史关系模式所存在的数据存储冗余、更新异常等问题。     

基于Rijndael算法的IC卡医保系统设计

介绍了Rijndael算法的设计原理、实现方法、目前存在的攻击方法，以及Rijndael算法在医保系统中的具体实现，分析了指纹IC卡的特点，提出了基于Rijndael算法的IC卡医保系统的设计原则和安全措施，还讨论了指纹识别技术在IC卡医保系统中的应用。     

直接三角形和矩形NAM的灰度图像表示算法

分析了三角形非对称递布局模型(NAM)、矩形NAM和线性四元树表示算法,借助于三角形和矩形布局问题的思想,提出了一种直接三角形和矩形NAM (TRNAM)的灰度图像表示算法.通过描述三角形和矩形子模式的存储结构,给出了该算法数据量的理论分析.实验结果表明:与直接三角形NAM表示、直接矩形NAM表示和线性四元树表示算法相比,直接三角形和矩形NAM表示算法能够更有效地减少子模式数(节点数)和数据存储空间,是灰度图像模式的一种更优的表示方法,这种表示方法在降低存储空间、加快传输速度、提高模式匹配效率等方面具有理论参考意义和实际应用价值.     

一种基于SNMP网络拓扑发现的改进算法

本文描述了一种基于SNMP的网络拓扑发现的改进方法，并解决了路由器多地址问题，同时给出了详细的数据结构和算法描述。     

基于AVR的SD卡数据导出接口设计

通过对基于AVR的SD卡数据导出接口设计的描述，在系统总体结构思路基础上，提出系统的硬件构成，详细分析了软件各部分的功能及实现。本设计在数据存储和交换领域具有很好的应用前景。     

稀疏矩阵文档图像处理

讨论基于稀疏矩阵的文档图像存储及处理方法 .采用三向量法或链表法表示稀疏图像 ,然后在稀疏域直接实现某些基于临域运算的图像处理算法 .分析表明 ,对于具有显著特征的文档图像能有效地节省存储空间并提高计算效率 .以卷积运算和一种文档图像处理运算为例 ,给出实验结果     

单一尺寸圆坯的无缝钢管坯料设计模型与算法

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性.     

SHA-1算法在TM卡预付费智能水表设计中的实现

为提高水资源的利用率和相关部门的管理能力,在SHA-1加密算法原理的基础上,研究了512位SHA-1加密算法在预付费智能水表中的应用,并提出了小空间内SHA-1算法的实现. 该加密算法有效地保障了数据的安全性;结合TM卡(DS1961s)的特点介绍了TM卡预付费智能水表的工作流程,描述了该系统的硬件和软件设计,在实验室条件下的测试结果表明本智能水表具有很好的市场应用前景.     

多矢量多模式量化中码本尺寸联合优化算法

为了在基于模式的矢量量化中得到更好的量化效果,提出了一种有效的各模式码本尺寸分配算法以逼近全局最优。该算法对于各个模式分别计算每一种码本尺寸所带来的量化失真,在所有模式码本尺寸之和受限的条件下,寻找所有量化失真之和最小的码本尺寸分配方案。结果表明:该算法在运算量和存储量基本不变的情况下,可以有效地降低量化失真,提高量化精度,合成语音平均意见得分(MOS)提高0.02左右。     

一种OFDM系统中的快速位加载算法

提出了一种单用户OFDM系统中的自适应比特分配技术。在目标BER要求的前提下,采用两步比特分配算法为每个子载波分配相应的比特数,最终使发射功率最小。仿真结果表明:该算法的性能接近最优算法,较传统的算法性能有较大的提升,而算法复杂度大大降低。     

OFDM系统中一种自适应比特分配算法

在OFDM系统中应用白适应比特分配能够优化系统的性能。在传输速率固定的前提下，对动态比特和功率分配的优化问题进行分析后．提出了一种新的基于预分配的自适应比特分配算法。该算法由预分配和迭代分配两个过程组成。在预分配过程中．信道状态较好的子载波将被优先考虑，然后通过迭代分配进一步将总发射功率降低。仿真结果表明，该算法是一种最优的比特和功率分配算法。与传统的等比特分配方案相比，该算法能够显著提高系统的性能。     

多用户OFDM系统中的快速自适应分配策略

将自适应技术应用于多用户正交频分复用(OFDM)系统，能够提高频谱利用率，降低系统发射功率，从而使系统的整体性能达到最优．文中给出了多径频率选择性衰落信道下多用户OFDM系统中自适应比特和功率分配的数学模型，提出了一种次优快速自适应分配算法，根据信道特性的瞬时估计值，自适应地为各用户分配子信道和比特，在给定误码率的条件下使总的发送功率最小、仿真结果表明，该算法计算简单，优化效率高，可以达到接近理论上的最优水平．     

基于混合粒子群算法的货位优化分配问题

基于COI分类存放的思想,同时考虑到货位分配问题中存取开销和占地花费的平衡,提出了一种混合粒子群算法以解决仓库货位优化分配问题．建立货位分配模型,并引入了货物的COI值对货物进行重新分类．将粒子群算法同人工蜂群算法相结合,通过优化COI值从而对货位进行优化分配．最后,进行实验分析并证明了混合粒子群算法的正确性,可有效地应用分类存放策对货位进行优化分配,减少货位数和存货代价．     

一种低复杂度OFDMA系统子载波、比特与功率分配算法

针对多用户OFDMA系统提出了一种宽度可调的动态子载波、比特与功率分配算法；在子载波分配上，利用无线信道的频域相关性，对信道信噪比矩阵的列进行压缩；在比特分配上，对贪婪（Greedy）算法改进，利用不同子载波之间信道信噪比的对数关系，将子载波进行分组．仿真结果表明，在相同的通信服务质量（QoS）条件下，该算法显著降低了计算复杂度，发射功率增量很小，具有现实意义．     

OFDM-SDMA系统上行资源分配算法

针对OFDM-SDMA系统的上行链路,以系统吞吐量最大为目标,建立资源分配问题的优化模型,提出一种低复杂度的次优资源分配算法.该算法分为载波分配和功率分配2部分:载波分配算法在功率平均分配的假设下为每个子载波选择用户集合;功率分配算法在载波分配的基础上,考虑相同载波上的干扰对用户进行注水功率分配.仿真结果表明:该算法获得的系统容量与传统OFDMA系统资源分配算法相比有较大幅度的提高;载波分配算法能很好地适应上行链路的特点,其性能优于下行链路载波分配算法;有扰信道注水功率分配亦优于固定功率分配算法.     

FAT16文件系统在单片机存储系统上的实现

在单片机存储系统中,需要植入文件系统来管理存储在存储设备上的文件。为了使单片机写入的文件能被Windows系列操作系统正确识别,引入了高效率并且应用广泛的文件系统——FAT16。以凌阳SPCE061A和SD卡为例论述了在单片机存储系统植入文件系统的方法。     

一种基于VMIC网的内存分配算法

为了满足分布式仿真系统中大量数据的存取需求，提出了基于VMIC网的内存分配算法，利用链表对VMIC板卡内存进行了动态分配和释放；实验表明：算法能为每条仿真数据准确地分配唯一存储空间，能够及时合并空闲空间以减少内存碎片，并能够有效处理内存分配和释放过程中出现的异常，从而较好地为仿真系统提供充分的数据支撑。