稀疏矩阵带宽减小的一种算法

分析了用分层的方法减小稀疏矩阵带宽的不足。产生这些不足的原因主要是分层的学术工不一定为最大,而且层之间的宽度相差太大,为此对算法的分层进行了细化,把宽度大的分层上的节点移到宽度小的分层上去,使得分层之间的节点数更加均匀,改进后的算法稳定性增强。     

稀疏矩阵带宽减小的一种算法

分析了用分层的方法减小稀疏矩阵带宽的不足,产生这些不足的原因主要是分层的深度不一定为最大,而且层之间的宽度相差太大,为此对算法的分层进行了细化,把宽度大的分层上的节点移到宽度小的分层上去,使得分层之间的节点数更加均匀．改进后的算法稳定性增强．     

稀疏矩阵转置算法赏析

在《数据结构》课程中有很多经典算法,其设计思想与实现技巧很大程度上反映了算法设计与实现的思维模式的一些本质,通过对这些算法的分析可以极大提高学生的计算思维能力。本文充分分析了稀疏矩阵的转置算法的设计与实现,并说明了其在提高学生的算法分析能力与计算思维能力中的重要性。     

边界元矩阵稀疏化算法及其应用

基于边界元矩阵的空间需求与求解域网格数的平方成正比,提出了边界元矩阵稀疏化方法.首先,根据边界元矩阵的特点定义了合适的稀疏准则,小于该准则的矩阵系数被合并到邻接单元对应的矩阵系数中;然后,将该系数取零,这样可以将一片相互邻接的单元系数合并到其中一个单元,从而达到矩阵稀疏化的目的.仿真结果表明,该方法在保证数值模拟精度的条件下,大幅削减了空间需求.     

大型稀疏系统齐次化算法的探讨

主要讨论解决大型稀疏线性问题的齐次化算法,提出改进的齐次化算法,证明该算法的收敛性.数值实验表明,该算法具有收敛速度快、计算精度高等特点.     

基于稀疏矩阵存储结构的H-矩阵迭代判定算法的实现

本文针对文献[1]中的H-矩阵迭代判定算法,提出了适用于此算法的稀疏矩阵的存储结构,并用C语言实现了基于该存储结构的稀疏—矩阵判定算法.运用该存储结构的迭代算法判定大型稀疏矩阵节省了存储空间,提高了运算速度.     

一种基于稀疏矩阵的高效图像压缩算法

针对稀疏矩阵图像提出了一种低复杂度智能无损压缩算法.首先通过图像分块,采用列坐标和标志位相结合表示非常规像素位置;然后基于图像特性分析,得出非常规像素列坐标相对值的概率分布,从而根据非常规像素位置分布的连续性,对其相对列坐标提出一种基于Rice编码的智能码字分配方法.并且,针对非常规像素灰度值分布的连续性,引入预测的方式去除统计相关,对预测冗余采用简单有效的Golomb编码.实验结果表明,该算法压缩效率高,且结构简单,易于硬件实现.     

稀疏矩阵的关联规则挖掘算法研究

关联规则是数据挖掘中的一种重要模式,自1993年R.Agrawal引入关联规则概念和提出第一个关联规则算法以来,诸多研究人员对关联规则挖掘的算法进行了广泛的研究.但专门研究挖掘稀疏数据的有效算法较少.针对稀疏数据,提出了一个使用简单数据结构——链表的挖掘算法,与其它算法比较,实验结果表明是非常有效的.     

分块稀疏矩阵因子表的修正

结合稀疏矢量法中因子分解道路的概念，研究了对６×ｂ分块稀疏矩阵的因子表进行 直接修正及部分再分解的算法，在电力系统计算中两种算法能显著提高计算速度。在各 类与稀疏矩阵有关的工程问题中，本文导出的算法同样具有非常广泛的应用前景。     

稀疏奇异矩阵的图特性

对n×n稀疏线性齐次方程组 AX=0(*)自然要考虑的一个问题是它什么时候有非零解,由线性代数已知.当且仅当其系数矩阵A奇异它有非零解,现利用图论中“匹配”的概念给出稀疏方阵为奇异阵的条件。 设G为二分图:G=(V_1、V_2、E),M为边集E的子集,若M中任意两条边都没有公共点,则称M为G的一个匹配,若顶点υ为匹配M中一条边的端点,则称υ为M-饱和点,若G中每     

一种非负矩阵分解的快速稀疏算法

提出了一种非负矩阵分解的快速稀疏算法,该算法有利于处理高维小样本数据.在非负矩阵分解的过程中,通过代数变换,将原高维n×m阶的非负矩阵分解转化成低维m×m阶非负矩阵分解,大大提高了分解速度.在目标函数中加入了约束稀松度的项,通过控制稀松度,提高分解得到的潜在语义信息,改进文档集的话题划分,并能快速提取主题相关的语句生成文摘.     

一种具有自动聚类检测功能的欠定型盲信号混叠矩阵估计算法

针对源信号个数未知情况下的欠定稀疏分量分析模型,提出一种具有自动聚类检测功能的混叠矩阵估计算法。提出实现源信号个数的判定的观测信号自动检测聚类方法,同时利用主成分分析对超直线进行估计,从而实现混叠矩阵的精确估计。仿真实验结果表明,该算法适用范围广,是一种快速精确且稳健的混叠矩阵估计算法。     

具有r-循环矩阵块的分块矩阵求逆阵的算法

文章利用文献[1]给出的r-循环矩阵求逆的欧拉算法，给出了具有r-循环矩阵块的分块矩阵逆矩阵的算法。该方法不需要计算三角函数并且具有很少的计算量。     

矩阵求逆的迭代分治算法

对可逆矩阵A ∈Rn×n,用行处理法给出求解A-1的一个保证收敛的迭代分治算法 ,证明算法的正确性并讨论算法固有的并行性 .这种算法容易转换成在向量多处理机系统上实现的收敛性迭代并行算法 ,也容易设计成求解广义逆矩阵A 的迭代分治算法     

栅阵列排序的一个有效算法

栅阵列排序问题已被证明是一个ＮＰ一完全问题，该文提出一个新的启发式算法。该算法通过建立层函数的概念，将栅阵列的排序问题转化为求层函数的最小值的优化问题。算法的时间复杂度为Ｏ（ｎｘｐ３），其中ｎ为线网的个数，ｐ为主栅的个数。     

k重循环矩阵逆阵求法的一个初等证明

仅用矩阵的乘法, 矩阵的ｋｒｏｎｅｃｋｅｒ 积的性质及逆矩阵的简单性质给出了［１］ 中定理的一个初等证明．     

基于加权稀疏非负矩阵分解的车脸识别算法

为提高多种光照条件下交通卡口视频中车脸识别的准确性,提出了一种基于改进非负矩阵分解的车脸识别算法.对采集图像进行预处理,获得车脸图像与车牌信息.基于特定光照条件,自适应提取车脸图像的初始特征.针对车脸图像中像素位置的重要性差异,建立了加权稀疏约束非负矩阵分解的特征降维方法.通过判断特征相似性与车牌信息一致性,确定车辆是否合法.实验结果表明所提算法具有较好的识别性能,真实接受率与错误拒绝率分别可达到0.9875与0.04,并满足实时性要求.