一种新的求平面点凸壳算法

本文提出了一种新的求平面点凸壳的算法。本算法的基本思想是:首先找出给定的二维点集的所有最外点(即Xmax,Ymax,Xmin,Ymin对应的点),则这些最外点肯定是凸壳上的点。再利用四个最外点将二维点集划分为四个相对的子区域。最后在这四个子区间内分别从一个最外点开始寻找与基准线夹角最大的点,迭代查找,并不断缩小查找区域,直至四个子区间都查找完毕。     

基于稀疏查找表的色彩变换插值算法研究

使用均匀查找表执行色彩变换的传统方法会占用大量内存资源.针对均匀查找表大小随输入维数增长而成指数增长的特点,提出稀疏查找表方法,通过将整个设备空间分层为不同维数的子空间,在包含重要色彩组合的区域完成合理密度的抽样,优化查找表大小,更有效地节约内存空间.研究表明基于稀疏查找表的插值算法比传统方法更适用于三通道以上的多通道设备色彩变换,是新一代色彩管理系统的一个重要改进.     

基于熵度量的空间邻域离群点查找

离群点的查找算法主要有两类：第一类是面向统计数据,把各种数据都看成是多维空间,没有区分空间维与非空间维,这类算法可能产生错误的判断或找到的是无意义的离群点;第二类算法面向空间数据,区分空间维与非空间维,但该类算法查找效率太低或不能查找邻域离群点。引入熵权的概念,提出了一种新的基于熵权的空间邻域离群点度量算法。算法面向空间数据,区分空间维与非空间维,利用空间索引划分空间邻域,用非空间属性计算空间偏离因子,由此度量空间邻域的离群点。理论分析表明,该算法是合理的。实验结果表明,算法具有对用户依赖性小、检测精度和计算效率高的优点。     

基于随机游走扩散映射的降维算法

传统数据降维算法分为线性或流形学习降维算法,但在实际应用中很难确定需要哪一类算法。设计一种综合的数据降维算法,以保证它的线性降维效果下限为主成分分析方法且在流形学习降维方面能揭示流形的数据结构。通过对高维数据构造马尔可夫转移矩阵,使越相似的节点转移概率越大,从而发现高维数据降维到低维流形的映射关系。实验结果表明,在人造数据以及真实数据的线性降维中,该算法降维效果与主成分分析算法相当而局部线性嵌入失败;在流形学习降维中,该算法与局部线性嵌入基本相当而主成分分析算法完全失败。     

电信监管系统海量目标名单查找算法

电信监管系统中目标名单查找算法是衡量系统处理能力的重要指标。SIPURI作为SIP用户的网络标识有其自身的特点。该文在分析现有Hash算法对海量URI查找的性能后,提出一种基于Bloom过滤器的改进算法。仿真结果表明,在引入有限并且可控的虚警概率的前提下,Bloom过滤器查找速度与Hash算法相当,但内存消耗减小到原来的15％,提高了系统的处理能力。     

一种改进的查找表逆半调算法

边缘和平滑区域是图像的重要组成部分,人眼对边缘特征和平滑区域的噪声比较敏感。文中提供了一种改进的查找表逆半调算法,该算法在查找表逆半调算法的基础上考虑了边缘在图像处理中的作用,并对图像边缘分类,然后,按照半调图及图像边缘的类型重构连续色调图像。通过由误差分散类半调图构成的不同频率特征的训练集、测试集进行实验,表明当训练集为平滑图像集时基于边缘的查找表逆半调算法处理平滑图像,在主、客观评价方面的效果都好于查找表逆半调算法处理的图像;而改进的方法在处理细节图像时与查找表逆半调算法相比没有优势。     

优化的区域增长InSAR相位解缠算法

在区域增长的干涉合成孔径雷达（InSAR）相位解缠算法中,种子的选择和种子相位值的确定是之一.本文研究了优化的区域增长2维相位解缠方法,包括合适的种子选取和种子相位值的优化处理,提出了将干涉相位图中相位跳变导致的边缘曲线作为种子,通过分析边缘曲线之间的相邻关系,基于遗传算法优化种子的相位值.仿真结果表明,该算法的计算量与干涉相位图的像素点数成近似线性关系,同时由于该算法属于局部算法,可以通过并行处理进一步提高计算效率.优化的区域增长2维相位解缠算法与其他2维相位解缠算法相比较,其解缠后的相位条纹与原始干涉相位图相位条纹的一致性非常好.该算法的处理结果与最小成本网络流相位解缠法相当,但其计算量却远远小于最小成本网络流相位解缠法的计算量.     

高性能无冲突分组查找分类算法的研究

随着因特网的迅猛发展,信息安全、网络安全已经成为人们日益关注的焦点。本文提出了一种面向网络服务监控网关的基于用户的无冲突分组的报文分类算法。该算法是一种基于无冲突哈希和分组查找的多维查找算法,是在无冲突散列查找算法、Lakshman和Stiliadis提出的二维分类算法和iptables分类架构的基础上提出的,但该算法的平均空间性能和时间性能均优于无冲突散列查找算法和iptables分类算法。     

适用于嵌入式系统的二维DCT算法

提出一种简单、快速的二维DCT算法,即将二维DCT的变换系数和图像的像素值事先 乘好,形成查找表,在实现直接二维DCT变换时,把表调入内存,乘积的结果就能通过寻址的方式得 到而无需乘法器,速度很快,非常适合嵌入式系统的设计。在设计查找表时,优化了其结构,减小了存 储空间。实验结果表明了算法的有效性。     

空间数据库中离群点的度量与查找新方法

如今查找离群点的方法有以下两类：第1类方法是面向统计数据库，把各种数据都看成是多维空间，没有区分空间维与非空间维的方法；第2类方法是面向空间数据库，区分空间维与非空间维的方法。目前提出的方法大多数是第1类方法，由于这类方法在空间数据库中直接应用可能产生错误的判断或找到无意义的离群点，而已有的第2类方法又查找效率太低或不能查找局部离群点，为此提出了一个新的基于邻域的离群点度量方法——空间偏离因子，这种方法面向空间数据库，不但可区分空间维与非空间维，并可以找到局部或全局的离群点；同时提出一种与邻域划分相结合的快速查找算法。理论分析表明，该方法是合理的。真实数据与模拟数据的实验也再次验证了这个模型与算法的可行性。     

一种改进的查找表逆半调算法

边缘和平滑区域是图像的重要组成部分，人跟对边缘特征和平滑区域的噪声比较敏感。文中提供了一种改进的查找表逆半调算法，该算法在查找表逆半调算法的基础上考虑了边缘在图像处理中的作用，并对图像边缘分类，然后，按照半调图及图像边缘的类型重构连续色调图像。通过由误差分散类半调图构成的不同频率特征的训练集、测试集进行实验，表明当训练集为平滑图像集时基于边缘的查找表逆半调算法处理平滑图像，在主、客观评价方面的效果都好于查找表逆半调算法处理的图像；而改进的方法在处理细节图像时与查找表逆半调算法相比没有优势。     

二维Otsu阈值法的快速算法

最大类间方差法(Otsu)是图像分割的经典算法,在其基础之上发展起来的二维Otsu阈值分割法由于计算复杂而制约了其应用。针对这一缺点,提出一种改进的二维Otsu阈值法的快速算法。首先将原始二维直方图划分成M×M个区域,将每个区域视为1个点,构造新的二维直方图,在其上利用二维Otsu以及快速递推算法,得到分割阈值所处的区域编号;既而对所确定的区域再次使用二维Otsu算法得到原始图像的分割阈值。实验结果证明,改进算法有效地提高了计算速度,降低了算法的空间复杂度,且分割效果与原始算法基本一致。     

一种新的不确定性时间序列概率相似查找方法

针对传统的数据管理中的数据表示、存储与索引、查询与挖掘等所有技术, 不能直接应用于不确定性时间序列数据的相似性查找的不足. 研究了可用于不确定性时间序列数据的降维表示、索引与剪枝、查找等理论与技术, 针对不确定性时间序列数据结构的复杂性, 首次给出了不确定性时间序列上的概率最近邻的定义; 将不确定性时间序列进行了PLA降维, 转换到PLA空间, 并提出了三个引理, 用以加速查找效率; 基于该三个引理, 提出了概率K最近邻查找算法PKNNS. 通过实验, 验证了PKNNS算法的有效性和效率.     

基于GPU加速的快速图像相似区域查找

图像相似区域查找是很多图形图像应用中的关键问题,也是计算瓶颈。传统加速方法如ANN(Approximate Nearest Neighbor)处理较大图像区域时速度较慢,而且在非度量空间下不支持精确查找。提出基于GPU加速的图像相似区域并行查找的通用计算框架,该框架可以扩展,以支持任意距离函数。特别针对在图像处理中应用广泛的欧氏距离(度量空间)和Chamfer距离(非度量空间)分别提出了基于CUDA的高效相似区域查找算法,比较完备地给出了相似性计算在不同度量空间下的实现。进一步,在设计具体的CUDA加速算法中,结合不同距离计算的特点对并行计算过程进行优化。该方法采用穷举的查找策略,在欧氏距离和Chamfer距离下都能实现精确查找,且大大提高了计算效率。实验结果表明,加速算法在准确查找的基础上执行速度比传统加速方法提升了一至二个数量级,且应用于纹理合成的实例表明,算法可以快速合成高质量的纹理。     

基于方形邻域的离群点查找新方法

提出一种基于密度的快速查找离群点的算法--基于方形邻域的离群点查找算法（ODBSN）,该算法把DBSCAN算法的邻域改造成方形邻域,并吸收基于网格算法的思想,用密集的方形邻域快速排除非离群点;用邻域扩张的思想代替网格划分克服了基于网格算法中＂维灾＂缺点;同时用局部偏离指数指示离群点的偏离程度,又具有识别精度高和偏离程度可度量的优点.理论分析表明该算法性能优于著名的基于密度的算法,实验表明,ODBSN算法能在各种形状分布与各种密度的数据中有效地查找离群点, 速度明显优于LOF与DBSCAN算法.     

一种基于Z曲线的新离群点挖掘算法*

提出一种基于密度的快速查找离群点的算法——基于Z曲线的离群点查找算法(ZOD), 依据Z曲线的构造过程将空间分割成大小相等的网格,沿着曲线延伸方向对网格进行排序,将落在网格中的点映射到一维空间,从而克服了基于网格算法的“维灾”缺点;同时用局部偏离指数指示离群点的偏离程度,又具有识别精度高和偏离程度可度量的优点。理论分析表明,该算法性能优于著名的基于密度的算法;实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

基于路径宽度的Zigbee网络路由算法优化

针对AODVjr算法在路由查找过程中的盲目性导致网络能量利用率不高的问题,提出一种基于路径宽度的W-AODVjr算法。该算法通过在源节点与目的节点之间形成一个环状封闭路由查找区域,并采用指数查找的方式确认最优路径宽度。通过源节点选取路径中节点剩余能量最大的节点,以此作为路由的方法来最大限度保护低能量节点。NS2仿真结果表明,W-AODVjr算法能有效保证数据包发送的成功率,与AODVjr算法相比,网络能量利用率提升8%,生命周期延长约为12%,在Zigbee网络中W-AODVjr算法更具优越性。     

SURF算法的降维研究

SURF(Speed-up robust features)算法进行图像特征点匹配时需要循环遍历待匹配图像所有特征点,计算特征点之间的SURF64描述距离,耗时大。本文对SURF算法进行了16维与4维的降维研究。实验结果表明,16维SURF算法性能与64维SURF算法基本相当,但能大幅度降低运算时间;4维运算性能降低较大,不能用于特征点匹配,但4维SUFR描述算法可以扩展到图像的各个像素点,用于ICP算法及图像的稠密匹配。     

d维量子同态加密算法的设计与仿真

现有量子同态加密算法局限于二维或三维的希尔伯特空间,突破这种低维度的限制,基于任意两个[d]维酉算子的可交换性提出了两个[d]维量子同态加密算法。一种是单粒子上的[d]维量子同态加密算法,另一种是多粒子上的[d]维量子同态加密算法。每个算法包括密钥生成子算法、加密子算法、评估子算法和解密子算法,证明了两个量子同态加密算法的正确性并举例予验证算法的可行性。由于评估算法不依赖于客户端的密钥,并且输出态具有完全混合态性质,保证两个算法的安全性。仿真结果显示解密子算法的输出与评估子算法对明文的直接计算结果完全一致,验证了两个算法的同态特性。     

网格资源模糊聚类查找的研究

为了解决动态网格环境中资源查找的难题,提出了基于特征加权模糊K-原型聚类的网格资源查找算法。该算法根据资源请求对各维资源关心程度的不同,用特征加权模糊K-原型聚类算法对数值型、类属型并存的混合型网格资源节点集合进行划分。然后根据资源的静态数值特征与类属特征,确定与资源请求属性特征值最相似的类簇。最后综合资源的动态数值特征选择最优的资源节点。模拟实验的结果表明,与其他同类算法比较,算法能提高资源查找的查准率、鲁棒性和降低平均响应时间。