t-bit semiclassical quantum Fourier transform

Because of the difficulty of building a high-dimensional quantum register,this paper presents an implementation of the high-dimensional quantum Fourier transform(QFT)based on a low-dimensional quantum register.First,we define the t-bit semi- classical quantum Fourier transform.In terms of probability amplitude,we prove that the transform can realize quantum Fourier transformation,illustrate that the requirement for the two-qubit gate reduces obviously,and further design a quantum circuit of the transform.Combining the classical fixed-window method and the implementation of Shor’s quantum factorization algorithm,we then redesign a circuit for Shor’s algorithm,whose required computation resource is approximately equal to that of Parker’s.The requirement for elementary quantum gates for Parker’s algorithm is 3 O (logN),and the quantum register for our circuit re- quires t-1 more dimensions than Parker’s.However,our circuit is t2 times as fast as Parker’s,where t is the width of the window.     

基于Stacking集成机器学习的波浪预报

采用多层感知器模型、随机森林模型为第一层子模型,极端树模型为第二层元模型,建立基于Stacking集成机器学习的波浪预报算法,并引入邻域平均法抑制在拐点处产生的数值震荡。以长江口外海2016年1—9月的风速和中国近海波高数据为数据源,利用机器学习风速与有效波高之间的关系,将2016年10—11月的风速、波高数据用于预报结果的对比分析,预报前45 d R²拟合优度达到0.97以上,平均误差最大值为0.08 m,平均相对误差最大值为0.05,预报结果与波浪谱模型结果趋势一致,准确度较高;预报结果后15 d误差增长较快,这与训练集数据中寒潮浪占比较少有关。     

有向网络下的CoDA社区发现算法评估

CoDA算法是一种基于概率模型的能识别二分结构的社区发现算法。为了验证该算法的社区划分效果,采用信息检索领域的F-measure标准,对有向网络下重叠社区和非重叠社区的CoDA社区发现算法进行评估。F-measure标准中F1-measure值的大小能反映CoDA算法社区划分效果的优劣。实验所用的数据集由LFR Benchmark工具生成,数据集中节点数最小为100,最大为20 000,每增加100节点对CoDA算法社区划分效果评估一次。分析实验结果可以得出,当节点数小于1 600时,CoDA算法的划分效果较好。当节点数大于1 600时,随着节点个数增多,CoDA算法社区划分效果逐渐变差。由此说明,基于概率模型的CoDA算法适用于小规模社交网络社区的划分。     

凸规划的内椭球法与原始-对偶仿射尺度算法

对线性约束的凸规划问题给出了一个原始-对偶仿射尺度算法，比较了这种方法与“内椭球法”两种算法的关系，并证明了该算法的迭代复杂性是O(nL^2)。     

山区小流域洪水预报实时校正研究

为了解决现有实时校正方法对山区小流域洪水进行校正能力不足的问题,引入K最近邻算法用于洪水预报实时校正。以安徽省沙埠流域为试验流域,构建基于K最近邻算法的实时校正模型,同时采用BP神经网络实时校正法和传统的误差自回归方法,以洪峰相对误差和确定性系数为评价指标,分析各校正模型的校正结果。结果表明:基于K最近邻的实时校正法对确定性系数改善最优,BP神经网络实时校正法对洪峰误差校正更精确;将历史洪水资料纳入学习样本后,基于K最近邻的实时校正法的校正能力将进一步提升。基于K最近邻的实时校正法能够有效避免误差自回归方法对洪峰误差控制较差的缺陷,适应性强,反应灵敏,精确度高,可作为山区小流域洪水预报实时校正的有效工具。     

符号差类运输问题的多项式时间算法

给出符号差类运输问题的一个多项式时间算法,并证明该算法的时间复杂性是Ｏ（ｍｎ＾２＋ｍ＾２ｎ）。     

Genetic Algorithm-Based Approaches for Optimizing S-Boxes

0 Introduction Being as unique nonlinear components of block ci- pher algorithms, S-boxes provide the most important confusion effect, and directly influence the security of the algorithms. There are many ways to construct S-boxes[1-5]. On one hand, diffe…     

低精度ADC下大规模机器类通信中的 低复杂度信号检测算法

免授权大规模机器类通信(massive machine-type communication, mMTC)系统上行链路面临低分辨率量化、相关衰落信道以及机器类设备(machine-type device，MTD)活跃概率未知等实际挑战。针对上述问题，引入广义期望一致性(generalized expectation consistent, GEC)算法，然而GEC算法涉及高维矩阵求逆，其复杂度高达O(N³)，其中N为MTD数量。结合Woodbury公式与诺曼级数近似，并利用发射数据帧的结构稀疏性，提出了一种基于多测量矢量的近似广义期望一致性(approximate generalized expectation consistent multiple measurement vector, AGEC-MMV)算法，在mMTC系统中(基站天线数量M)，该算法能够规避GEC中的高维矩阵求逆，使其复杂度由O(N³)降至O(N²M)。仿真结果表明，所提AGEC-MMV算法能以较低复杂度取得接近GEC算法的性能，且在鲁棒性方面优于现有先进算法。     

空间调制系统中一种低复杂度比特映射算法

空间调制(spatial modulation,SM)通过激活发射天线的索引在空间域中传输信息比特,将比特到符号映射技术引入到SM系统中,可以提高SM系统的性能.一般而言,在判决准确率一定的情况下,采用相邻SM符号汉明距离较小的映射方式将获得较优的系统性能.提出一种低复杂度的比特到符号映射算法,称为符号最近法(symbol nearest method,SNM).该算法从具有最小距离的符号对开始对SM符号进行排序,寻找下一个最近的SM符号,直到所有SM符号排序结束为止,将格雷编码的比特映射分配给排序后的SM符号.分析和仿真结果表明,SNM算法在发射端使用全信道状态信息(channel state information,CSI)时,其系统性能接近于SM和空间移位键控(space shift keying,SSK)误码率(bit error rate,BER)性能的下界,并且所提出的算法复杂度为O(K2),其复杂度也较低.     

基于改进K最近邻算法的中文文本分类

针对文本分类存在的高维文本问题,提出文档频率(DF)-卡方统计量特征提取方式,对特征项进行有效约减,降低文本维度,提高分类精度.在K最近邻(KNN)算法的基础上,针对待分类文本需要和大量训练集样本进行相似度计算的问题,提出一种基于分组中心向量的KNN算法,对类别内的样本集分组求出各组中心向量,使其重新代表训练库计算相似度,降低计算复杂度,提升算法的分类性能.通过实验表明:相较传统KNN算法,改进的算法在准确率、召回率及F值方面都有提升,与其他分类算法相比,具有一定的优势.     

An only-once-sorting algorithm

This paper provides a new sorting algorithm called “Only-Once-Sorting” algorithm. Using a mathematical formula, this algorithm can put elements in the positions they should be stored only once, then compacts them. The algorithm completes sorting a sequence ofn elements in a calculation time of O(n). Xu Xusong: born in June 1945. Professor. Current research interest is in data structure and algorithm, information systems analysis and design     

DNA modular subtraction algorithm based on linear self-assembly

This paper presents a DNA algorithm based on linear self-assembly which gives the result of the modular subtraction operation of two nonnegative integers. For two n-bit nonnegative integers A and B, the algorithm gives the result of A-B mod 2 ⁿ . An extended borrow tag which indicates the relation of the minuend and the subtrahend is included in the resulting strand so that the pre-classification based on A>B or B>A is not required before the experiment. From the resulting strand, we can draw the information of operation result, operands, borrow, and the tag of the relation between the minuend and the subtrahend. The algorithm takes advantage of the parallelism characteristic of DNA computing: while given two sets of operands (one the minuend set and the other subtrahend set), the modular subtraction operation of these two sets can be achieved by a parallel processing procedure. The feasibility of the algorithm is based on a known experiment. The algorithm is of spontaneous characteristic which prevents the scale of the experimental procedures from growing with the length of the operands. As for the length of the operands n, there are O(n) kinds of strands required in the experiment, and the biochemical experimental procedures can be accomplished in constant number of steps.     

The distribution search: An O (n) expected time search

Provided an algorithm for the distribution search and proves the time complexity of the algorithm. This algorithm uses a mathematical formula to searchn elements in the sequence ofn elements in O (n) expected time, and experimental reesult proves that distribution search is superior to binary search. Xu Xusong: born in June 1945, Professor     

软聚类节点分裂层次模型

针对分类决策树算法存在的结构冗余及误差迁移问题，提出了软聚类节点分裂层次模型.通过叶子节点处决策模型构建以及软聚类节点分裂方法，实现对样本空间的高效划分，生成精简的层次结构模型.利用层次结构判别方法，从层次结构模型叶子节点到根节点对样本进行加权求和预测，降低模型结构对判定效果的影响，提高模型对判别误差的调节能力.对比了CART、ID3、C4.5共3种分类算法，该方法构建的模型结构简单，在两个数据集上均有最好的分类效果，F₁-measure分别为0.53和0.38.说明软聚类节点分裂层次模型能够避免冗余结构，缓解误差迁移问题.      

改进K-means聚类的自适应加权K近邻指纹定位算法

针对指纹定位精度易受指纹数据K-means聚类预处理效果不佳、加权K近邻算法采用固定K值进行匹配定位精度差等问题,提出一种基于改进K-means聚类的自适应加权K近邻算法.算法在对指纹数据进行聚类计算过程中充分考虑参考点间接收信号强度值与实际物理坐标的双重影响,以避免参考点分类不明确;根据每个测试点的匹配参考点之间实际距离的均值和标准差设置阈值,动态选择K值.实验结果证明,改进K-means聚类的自适应加权K近邻算法相较于传统室内定位算法定位精度提高了44％,可为相关应用提供更精确的定位服务.     

基于梯度方向的反马赛克算法

目前数字图像采集系统中采用的反马赛克算法存在插值伪像严重、算法计算量大等问题.为了解决上述问题,本文提出了一种基于梯度方向的反马赛克算法,可提升实际应用中反马赛克处理性能.计算当前像素位置水平和竖直梯度,并据此完成G分量的插值恢复,采用双线性插值完成R分量和B分量恢复并用G分量进行校正处理.从复合峰值信噪比（CPSNR）以及计算量两方面将本算法与其他典型算法进行对比,本文算法以更低的运算量,获得优秀的反马赛克性能.这种高性价比的特点有利于其未来完成硬件电路实现,并应用于实时成像等高技术领域.      

基于哈希和DNA编码的彩色图像混沌加密算法

彩色图像的安全性一直受到学者的关注.针对彩色图像加密算法置乱效果不佳、扩散特性不强、抵御统计攻击能力较弱等问题,提出了一种基于哈希和DN A编码的彩色图像混沌加密算法.运用哈希函数生成Arnold混沌映射的参数,将Arnold混沌映射和Logistic混沌映射结合,对图像进行R、G、B 3个维度的置乱,再利用DNA编码对图像进行混乱处理.理论分析和计算机仿真表明:本文的算法具有良好的加密效果,且对统计、差分攻击具有很好的抵御效果.     

混凝土温湿度耦合方程组的数值解法

混凝土中热湿耦合方程组的数值解法是将混凝土中热湿耦合传导理论应用于工程实际的关键．算法在空间域采用有限元格式，在时间域采用两点差分格式．研究了在求解域内空间网格划分和时间域划分形式及时间域差分格式对数值解收敛性质和振荡性质的影响，选取了合适的数值计算格式，能使计算结果在收敛性、振荡性和结果精度方面都满足工程计算要求。     

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。     

方法和K-means聚类法对手功能康复治疗仪参数的控制

手部疾病的发生率在逐年增多,手部功能障碍最常发生的部位是第二至第五指掌指关节出现僵直设计了手功能康复治疗仪用于被动锻炼掌指关节的活动度,该仪器由关节活动次数等参数控制利用Monte-Carlo方法设计手康复治疗仪的参数,并采用K-means聚类算法对患者特征进行聚类以收集参数,并按照聚类分析后的结果赋值于新患者的起始参数.