程序结构的有向图表示及其圈复杂度分析

本文将图论中的有向图应用于程序结构中,并结合程序流程图,得到程序流图。用圈复杂度,对具体实例进行复杂度分析,为软件测试提供了很好的度量准则。这种方法不仅能改善程序模块的质量,还有助于软件整体质量的提高。     

程序结构的有向图表示及其圈复杂度分析

本文将图论中的有向图应用于程序结构中,并结合程序流程图,得到程序流图。用圈复杂度,对具体实例进行复杂度分析,为软件测试提供了很好的度量准则。这种方法不仅能改善程序模块的质量,还有助于软件整体质量的提高。     

心率变异信号的高阶复杂性分析

心率变异性反映了交感神经和迷走神经对心血管系统的综合调节作用, 是评价心血管系统功能的重要指标. 复杂度是刻画时间信号序列信息量的一个重要参数, 但其传统算法中的过分粗略化会丢失大量的有用信息, 而高阶复杂度的引入可较大程度地避免这一问题. 分别对25例正常人样本和25例充血性心力衰竭病人样本的心率变异信号的1~10阶Kolmogor ov复杂度进行了计算与对比分析, 结果表明, 5阶Kolmogorov复杂度在临床医学上可以为分析心率变异信号获得最为理想的效果.     

内排序方法的选择规则

内部排序的方法很多，基于不同的运行环境，各种方法有各自的优点和缺点。就全面性能而言，无法指明哪种排序方法是最好的。为了提高计算机对数据处理的工作效率，本文对各种排序的方法和对应的算法进行了比较，进而选出最为适合的算法。     

基于效率最优的单纯形法的改进

提高单纯形法的运算效率是运筹学一直在研究的一个重要问题.文章通过对传统单纯形法的计算机程序化算法的改进,降低了时间和空间复杂度,使两者的效率均达到了o（1）.经过大量实例证明,改进后的算法还减少了进行单纯形法变换时所用到的迭代次数.     

算法的时间复杂度分析

算法的时间复杂度是衡量一个算法优劣的重要指标.在总结教学经验的基础上,提出了几种计算时间复杂度的方法.     

二维模式复杂度

从二维图像的空间结构出发,定义了一种新的二维模式复杂度,用以区分不同性质的二维图像,克服了MIG复杂度的缺陷．     

2n-周期二元序列的5-错线性复杂度

密钥流序列的随机性检测和稳定性度量的两项重要指标:线性复杂度与k-错线性复杂度,对密钥流序列密码强度的研究具有极其重要的意义。分析讨论汉明重量最小的错误序列是计算给定k-错线性复杂度条件下所对应的原序列个数的一个有效方法。使用该方法,分别给出了5-错线性复杂度等于2n-3+x,2n-2-2n-m以及2n-1-2n-3时,周期和线性复杂度均等于2n的原序列s(n)的计数公式,并通过计算机编程进行了验证。     

一种改进的计数排序算法

提出了一种改进的计数排序算法。首先找到待排序记录应该存放的位置,然后在原数组空间上进行交换。与传统的计数排序算法相比,在不改变时间复杂度的同时,降低了空间复杂度,提高了算法性能。     

排序算法的分析与比较实现

本文论述了内部排序的几种算法,在思想、时间复杂度、空间复杂度及稳定性方面进行了比较。最后用C#语言比较了几种算法在大量数据中进行排序的比较次数和花费的时间。     

高码率平滑图像质量自适应量化控制算法

针对MPEG-2纯Ⅰ帧编码情况，在MPEG-2TM5自适应量化控制算法的基础上，提出了一种基于平滑图像质量的高码率下自适应量化控制算法。根据已编码帧的复杂度平滑分配各帧目标码字，利用非线性方法使宏块的量化因子变化平缓，以达到高码率下提高图像质量的目的，仿真结果表明，在相同码率下重建图像质量(PSNR)优于TM5算法。     

PROMETHEE方法在城市环境空气质量评价中的应用

针对国内各大城市环境空气质量污染状况的差异性和复杂性,许多评价方法在对其进行质量评价时不能显示较强的优越性,尤其不能方便快捷地对其数据进行处理等问题,采用PROMETHEE法并结合国家空气质量评级标准对样本城市的空气质量进行了综合评价.引入信息熵的理论来计算各评价指标的权重以避免权重确定的主观性,在此基础上建立的基于熵权的PROMETHEE法大气质量评价模型所得到的评价结果不仅符合实际情况,而且使得数据处理的计算过程变得简单.研究结果显示了所建模型及其方法的可靠性和适用性.     

半色调图像质量评价研究

合理的数字半色调图像质量评价指标是图像再现技术评价的关键．针对数字半色调方法实现过程的不同，对数字半色调图像的质量在主观、客观和时间复杂性方面分别进行分析．结果表明，采用基于上下文相关的填充曲线半色调方法得到的再现图像主观质量最好，整体统计特性仅次于采用标准误差扩散得到的图像，再现图像的边缘平滑性最好，但是其程序运行时间较长；Bayer抖动和标准误差扩散方法得到的再现图像质量的主客观效果最差，其运行时间较短．     

算法时间复杂性分析综述

算法分析一方面可比较几种算法的优劣,另一方面可准确地确定编码的瓶颈。文章系统地介绍了算法时间复杂度的概念和计算方法,并对算法时间复杂度的数量级进行了分析和评价。     

算法的时间复杂性的讨论

本文按程序的结构分类确定时间的数量级．当找到算法对应的程序时，便得出算法的时间复杂性．这是解决在最坏情况复杂性的一般性问题的新方法．     

改进的低复杂度幅度相位估计波束形成算法

针对低复杂度的最小方差方法虽降低计算复杂度但成像质量不高的问题,提出了一种改进的低复杂度幅度相位估计波束形成算法.通过抽取协方差矩阵的有效行来计算自适应加权值,其中,有效行数的选取由更加准确的高斯相位相干系数确定,然后再用高斯相位相干因子对加权矢量做进一步修正,从而达到降低复杂度的同时保证成像质量的目的.通过实验验证,将改进算法与原算法和另一种降低复杂度的波束域方法进行对比分析,充分证明了改进算法在降低复杂度和提升成像质量方面的优越性.     

基于遗传和启发式算法的混合顶点着色算法

图的着色问题是一种典型的NP-完全问题.提出了基于遗传算法和启发式算法的新型混合顶点着色算法,该算法在实现过程中涉及到染色体的编码方法、适应度函数的设计以及遗传算子的选择等.实验仿真结果表明此算法改善了求解的时间复杂度,可以获得问题高质量的解.     

GF(q)上pn-周期序列的k错线性复杂度

周期序列的错误线性复杂度是度量密钥流稳定性的一个重要指标.首先改写GF(q)上pⁿ周期序列的k错线性复杂度快速算法,给出其m紧错线性复杂度的快速算法;然后研究相应k错线性复杂度的误差向量,得到计算误差向量的算法,即在此误差向量下,可以实现原始序列的k错线性复杂度.其中p为奇素数,q是模p2的一个本原根.     

基于 DCT 变换的频域视频水印在空域中实现的性能分析

数字水印技术是数字媒体版权保护和管理的主要方法。在广播电视领域,视频水印需处理的数据量大,对嵌入算法的时间复杂度限制较大,同时对视频质量要求也较高。数字水印技术主要分为空域和变换域两种。空域算法时间复杂度低,但鲁棒性不好;而变换域算法鲁棒性较好,但时间复杂度高。因此,在广播电视视频水印中,需要鲁棒性好且时间复杂度低的水印嵌入算法。这样,用空域的方法实现数字视频的变换域水印,就成为一个首选的方法。但是,目前我们尚不知道该方法的性能。本文基于DCT变换的频域水印算法,首先介绍了频域水印的空域实现的原理,然后,基于两个典型的频域水印算法,通过800幅图片的实验,测试了该算法的空域实现的时间复杂度和PSNR。实验结果表明,频域视频水印的空域实现,具有很好的性能。     

Complexity scalable control algorithm for intra coding in H.264 under energy constraints

In this paper,the complexity of intra coding is first analyzed so as to achieve a weight of complexity measurement for each intra mode.Then.a new complexity sealable control algorithm for intra coding in H.264 is proposed,based on the rearrangement of the order of candidate modes and an efficient complexity allocation and control(CAAC)scheme at the macroblock(MB)level.The candidate modes of each MB ale rearranged according to the local-edge information.Experimental results show that our proposed algorithm can make an appropriate cut-off point of the candidate modes sequence adaptively according to the current energy condition of a mobile device,so as to adjust the complexity at any level while maximizing the video quality,which can prolong the operational lifetime of the battery with minimum degradation in video quality.