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。     

基于满二叉树的原地快速排序

介绍了一种基于满二叉树的原地快速排序算法。与经典快速排序算法相比,新算法每趟划分采用动态枢轴而不是静态枢轴,同时新算法利用满二叉树的特点计算下一趟划分的枢轴位置和元素范围,避免使用递归或开辟内存堆栈。实验表明,新算法的时间性能优于目前最好的原地排序—堆排序。原地快速排序二叉树的概念对排序算法的研究和改进具有很好的理论和实用参考价值     

一种改进的基于Sobol序列的快速线积分卷积法

为提高快速线积分卷积法（Sobol-FLIC）的计算效率和流线的覆盖率，提出了一种改进的基于Sobol序列的快速线积分卷积法。计算结果表明，与一般的快速线积分卷积法相比，改进后的算法计算效率提高了约10%，同时可以产生稀疏纹理和密纹理，并且采用二次LIC法对图像进行后处理提高了可视化效果。在Matlab环境中，该算法与几种基本算法（LIC，FLIC）的可视化效率、计算固定数目流线的可视化结果和图像覆盖率的比较结果证实了其优越性。     

一种改进的基于Sobol序列的快速线积分卷积法

为提高快速线积分卷积法(Sobol-FLIC)的计算效率和流线的覆盖率,提出了一种改进的基于Sobol序列的快速线积分卷积法.计算结果表明,与一般的快速线积分卷积法相比,改进后的算法计算效率提高了约10%,同时可以产生稀疏纹理和密纹理,并且采用二次LIC法对图像进行后处理提高了可视化效果.在Matlab环境中,该算法与几种基本算法(LIC,FLIC)的可视化效率、计算固定数目流线的可视化结果和图像覆盖率的比较结果证实了其优越性.     

“数字信号处理”课程中的卷积运算教学研究

卷积的定义及其计算是数字信号处理课程中的重点也是难点,从三个方面阐述了卷积的相关知识。首先介绍了数字信号处理课程中三种卷积的定义及其相互间的联系和区别;然后分析可卷积的图解法基本步骤,并进一步引入了卷积的快速算法——竖式乘法及起点判断方法;最后总结了两信号在时域的3种卷积与三种变换域的乘积对应关系。卷积相关知识的归纳,尤其是卷积的快速算法对于学生的卷积计算有很好的帮助作用。     

基于满二叉树的原地快速排序

介绍了一种基于满二叉树的原地快速排序算法。与经典快速排序算法相比，新算法每趟划分采用动态枢轴而不是静态枢轴，同时新算法利用满二叉树的特点计算下一趟划分的枢轴位置和元素范围，避免使用递归或开辟内存堆栈。实验表明，新算法的时间性能优于目前最好的原地排序一堆排序。原地快速排序二叉树的概念对排序算法的研究和改进具有很好的理论和实用参考价值。     

二维数组的快速排序算法

在一维数组快速排序算法的基础上，给出了二维数组的快速排序算法，理论分析和大量的数值实验结果表明，其算法的平均计算时间仍然是Ｏ（ｎｌｏｇ２ｎ），一般所需的栈空间仍为Ｏ（ｌｏｇ２ｎ），是有效而可靠的快速排序算法。     

利用快速多项式变换计算二维卷积的算法改进

本文研究利用快速多项式变换(FPT)计算二维循环卷积的几种算法,改进了其中的一种算法,编制了相应的计算机程序.同直接算法及二维FFT算法进行了运行时间比较,得到了满意的结果.     

基于STL的快速分层处理软件的研发

分析了影响分层处理效率的主要因素，提出了基于三角形面片特征的快速排序算法、轮廓线快速生存算法和快速分层算法，并在此基础上开发了基于STL模型的快速分层处理软件。大量实际应用结果表明，该软件高效、稳定、可靠。     

快速排序的效率分析与改进

本文分析了快速排序算法的时间复杂度,从三个方面提出了有针对性的改进措施和策略,并给出了具体实现的程序代码,改进后的算法能有效地提高快速排序的性能和效率。     

基于DSP的小波编码的快速算法及实现

提出了一种基于数字信号处理（DSP）实现的快速小波编码方法。该方法将小波变换的卷积运算转换为矩阵相乘加，并根据DSP的指令和结构特点将矩阵分解，以移位运算来代替乘加运算从而大大提高了运算效率。在后续的系数换位中，运用了并行运算的思想来提高速度，最后还对小波变换的后续熵编码算法进行了比较和选择。结果表明，快速算法在数码相机的实验系统上运行有很好的效果。     

一类特殊的离散Walsh-Haar变换的快速算法

利用Walsh-Haar矩阵HKRm＋1,的递归性以及Walsh序的离散Walsh变换的快速算法,提出了一类特殊的Walsh序的离散Walsh-Haar变换的快速算法．该变换的特殊性在于Walsh-Haar函数系与Haar函数系一样,其演化生成时的伸缩比均为R=2．采用对输入数据奇偶二分及对变换结果数据对半二分,如此对一个KR^m＋1点的数据经过m＋1步加上logK步二分以及若干次调序后,便得到变换结果．本设计方法可用于研究其他序的伸缩比为2的离散Walsh-Haar变换的快速算法．     

基于改进Faster R-CNN的行人检测算法

针对行人检测中复杂环境,提出一种改进Faster R-CNN的行人检测算法,使用深度卷积网络从图片中提取适合检测目标的特征。基于Faster R-CNN算法,以Soft-NMS算法代替传统NMS算法,加强Faster R-CNN算法对重叠区域的识别能力。同时,算法通过"Hot Anchors"代替均匀采样的锚点避免大量额外计算,提高检测效率。最后,将21分类问题的Faster R-CNN框架,修改成适用于行人检测的2分类检测框架。实验结果表明:改进Faster R-CNN的行人检测算法在VOC 2007行人数据集,检测效率和准确率分别提升33%、2.6%。     

局部统计量的快速计算算法

本文提出了一种新的在频域中计算局部统计量的快速算法。首先探讨了如何根据局部统计量的具体性质,设计快速卷积算子,然后将该算子与图象作循环卷积以达到快速计算的目的,最后讨论了循环卷积算子与线性卷积算子在计算局部统计量上的异同点。本文算法的最大特点在于计算速度与运算空间不随计算窗口的变化而变化。植物染色体图象的实验表明:本文算法较在时域中直接运算约快5～6倍。     

基于模型分块交叉移动的学习型模拟退火算法地震反演

针对地震非线性反演问题,提出一种基于模型分块交叉移动的学习型模拟退火的全局优化地震反演方法.其步骤为:首先,在模拟退火算法及粒子群算法基础上,在算法模型扰动项里面加入1个向目标优化的方向移动的学习项;其次,针对地震反演模型数量多及地震记录为褶积形式的特点,采用模型分块交叉移动的方法来实施模拟退火反演,给出模型分块交叉移动的学习型模拟退火算法流程.研究结果表明:该方法具有收敛速度快、精度高、实现简单、高效的特点,可以用于其他多维多极值的目标函数反演.     

基于Vector Fitting的金属薄壳电磁脉冲屏蔽效能的计算

金属薄壳电磁脉冲屏蔽效能的计算是电磁兼容研究的基础。为评估金属薄壳电磁脉冲瞬态屏蔽效能,该文提出了一种任意波形激励情况下金属薄壳电磁脉冲时域响应的快速计算方法。该方法将金属薄壳频域屏蔽效能转移函数拟合为有理函数,根据拉氏逆变换性质,得到金属薄壳脉冲时域响应指数叠加的形式,从而采用递归卷积计算任意波形激励时金属薄壳的暂态屏蔽效能。该方法直接在时域内计算,避免了基于FFT(FastFourierTransformation)算法的时域频域转换;同时,采用递归卷积分格式,极大地提高了计算效率。通过与近似公式比较,证明了该方法比近似公式更为准确,计算速度更快。     

一种基于深度学习的快速DGA域名分类算法

提出了一种基于深度学习的CNN-LSTM-Concat快速DGA域名分类算法,使用多层一维卷积网络对域名字符进行序列化处理,LSTM网络层用于强化获取字符间长距离依赖关系。通过将LSTM的多序列输入转化为单向量输入,在保证检测性能的前提下,能够大幅提高训练和检测速度。实验证明,我们的方法对DGA域名分类的准率在公开数据集上达到98.32%。同时,在准确率相比主流的LSTM方法更高的情况下,检测时间比LSTM方法快6.41倍。     

利用DCT有效实现正交复用QAM系统

正交复用 QAM(O-QAM)系统是一个相邻载频间隔为波特率的多路系统,可以用数字信号处理技术实现.这种系统在复用路数无限增加时可以达到奈奎斯特速率,并且对传输媒介引超的延迟和幅度失真不灵敏.本文提出用离散余弦变换(DCT)处理器级联一个权重网络实现 O-QAM 系统的新方案.该方案由于充分利用了 FIR 滤波器系数的对称性,使权重网络计算量明显下降.DCT 通过快速卷积算法获得,总计算量明显下降.     

快速高效的碰撞检测算法 

为了提高碰撞检测算法的效率,提出了一种快速高效的碰撞检测方法.利用Morton码存储物体信息,给出一种改进的图层级结构,可快速分割物体空间,减少物体对相交检测;利用图形处理器(GPU)的并行处理特性进行物体包围盒层级树构建、树遍历,不仅可以快速处理碰撞检测中的事务,还可节省存储空间.实验表明,该方法能够快速构建物体层级结构,并能进行高效的碰撞检测计算.