C＋＋上的集合与序列运算的一种实现

作者通过在Ｃ＋＋系统中增设一个独立的集合类模板和一个独立的序列类模板，提供了Ｃ＋＋上的集合与序列运算的一种新的实现方法，从而可以实现任意数据或对象类较全面的集合与序列运算。     

解一般或刚性常微分方程初值问题的Gear方法

引 言 本文叙述了实现Gear方法的一个程序.该程序用于解一般或刚性常微分方程组初值问题 y’=f(t,y),y(t_o)=y_o,其中y和f是N维向量.它尤适用于解大型方程组,它可以自动起步,自动选择步长和相应地变阶.因预报公式的矩阵是特殊的Pascal三角阵,用加法运算就能实现矩阵和向量的乘法运算,故能节省存贮和减少计算量.从始点积分到终点,它所需的计算f的次数比其它大多数变步长方法要少.这里介绍的程序比其它实现Gear方法的程序好.它改正了[3]中公式系数的错误,并用一维数组存放,存贮少程序短.它的方法阶数高,对一般方程,它是12阶的,比[1]的高一倍,比[5,6,12]的高将近一倍.算例表明它调用f的次数较少.它既适用于由用户直接求又能由程序自动求方程右端函数的雅可比矩阵.     

Logistic-Map混沌序列的单片机实现

混沌序列的产生是混沌理论应用于保密通信领域的一个重要问题.通过对Logistic映射进行变换处理,利用整数运算代替小数运算,使程序便于在MCS-51系列单片机平台上运行,由此产生Logistic-Map混沌序列.     

基于因子模型和动态规划的多元时间序列分段方法

针对经典动态规划分段算法只适用于低维时间序列的问题,提出一种基于因子模型和动态规划的多元时间序列分段方法.首先利用增量聚类自动对变化趋势相似的变量序列进行聚类,然后引入动态因子模型使降维后的低维多元时间序列能够最大限度反映原始多元时间序列的整体变化趋势,最后利用动态规划在低维多元时间序列的架构上实现高维多元时间序列的分段.实验结果表明,所提方法对变量个数较多的多元时间序列数据具有良好的分段效果.     

基于EMD与K-means算法的时间序列聚类

有效实现时间序列聚类的重要前提是序列的维数得到约简,序列中包含的噪声能够被滤除.文中提出一种能够对时间序列进行有效预处理的方法.该方法先通过经验模态分解实现时间序列趋势的提取,再利用自底向上算法对趋势序列进行分段,最后转换成由{-1,0,1}构成的齐序列.为了证明该方法既能实现降维,也可实现数据序列中噪声的滤除,文中利用K-means算法对经过上述方法预处理后的序列进行聚类.实验结果表明,与直接对原序列进行聚类相比,对预处理后的数据序列进行聚类,空间复杂度较低、准确性较高.     

一种基于Hénon映射和m-序列的混沌序列密码算法研究

在详细分析二维Hénon映射的混沌和密码学特性的基础上,结合收缩式发生器,提出一种基于m-序列和Hénon混沌序列的混合混沌序列密码算法.同时对该系统的安全性能进行了深入分析,理论和实验结果表明在有限精度实现下,该方法可以有效提高混沌系统的复杂性和周期性,并且算法安全性高、运算速度快,适于在Internet上对多媒体信息的保密传输.     

时间序列数据降维及特征表示新方法

数据降维和特征表示是解决时间序列维灾问题的关键技术和重要方法, 它们在时间序列数据挖掘中起基础性作用. 鉴于此, 提出一种新的时间序列数据降维和特征表示方法, 利用正交多项式回归模型对时间序列实现特征提取, 结合特征序列长度对时间序列的拟合分析结果, 运用奇异值分解方法对特征序列进一步降维处理, 进而得到保存大部分信息且维数更低的特征序列. 数值实验结果表明, 新方法可以在维度较低的特征空间下取得较好的数据挖掘聚类和分类效果.

     

自编码和超混沌映射相结合的图像加密算法

为了提高图像加密结果的安全性,提出一种自编码、混沌和超混沌相结合的图像加密算法.该算法利用主控密钥确定改进的离散Henon映射参数,并经多次迭代产生图像大小的中间密钥矩阵;对其自归回编码和Logistic混沌映射扰动产生随机序列;与二维离散超混沌映射产生的随机序列经改进的三维Lorenz可逆映射相融合形成复合密钥序列;对图像像素采用一种新的二维可逆积运算操作实现正反向扩散加密产生密文图像.实验结果表明,文中算法具有良好的加密性能,能明显地抵抗差分和选择明文等攻击.     

C语言多维动态数组的实现

在应用中,特别是在大型数值计算中,经常会遇到各种矩阵运算。在程序中用数组可以存储这些矩阵数据。但如果无法预先知道矩阵确切的数据个数,即数组各维的大小事先未知(通常也无法知道),那么为了程序的通用性,就必须定义足够大的数组,以适应不同用户对数据量大小不同的需要。但这样做往往会导     

一个面向仿真程序的任务聚类算法

对仿真程序原始任务图的聚类运算是实现仿真程序并行化的关键。在研制面向仿真程序自动并行化系统AFPS的过程中,提出了一个基于状态变量一阶微分的并行任务聚类算法。使用结果表明,该算法可以最大限度地保证各处理机结点的负载均衡,减少通信次数,且易于实现通信变量的自动确定。     

基于降维的三维布尔运算算法与实现

这篇论文描述一个由边界表示的两个一般多面体之间的三维布尔运算算法.核心思想是把基本的三维运算降解到二维运算,简称降维处理.在简要的描述三维布尔运算基本概念后.我们给出了具体的三维到二维的降维过程.论文的重要部分是对于三维布尔运算的降维处理及对出现的奇异问题的解决方法.这样,三维布尔运算的算法就可以得到一些简化,稳定性也得到了提高.我们在计算机辅助设计平台KerencAD上实现了此算法,结果表明了算法有较强的健壮性.     

一维和二维快速正弦变换

正弦变换在时间序列分析中经常用到,所以考虑正弦变换算法是必要的。这里给出用FPT程序计算N-1点实序列正弦变换的快速算法。该算法可以减少存贮和计算量,对N-1点实序列的正弦变换约需Nlog_2(2~(1/2)N~2)次实数乘、加运算,而直接计算要用(N-1)~2次。该法也被推广到二维离散工弦变换,对(M-1)×(N-1)点的二维实序列正弦变换约需MNlog_2(2M~2N~2)次实数乘、加运算,而直接算法要用(M-1)(N-1)(M+N-2)次。     

基于邻域保持嵌入的时间序列聚类融合算法

时间序列的维数比较大,直接对时间序列进行聚类性能不理想。如何提高时间序列的聚类性能,是主要研究点。首先使用邻域保持嵌入对时间序列样本维数约简,然后对维数约简后的数据进行聚类融合,最后将它的聚类性能与已有方法如主成分分析、分段聚合近似进行比较。实验表明,所提出的算法更能提高聚类性能。     

如何使窗口永远在最上面

我们所使用的一些程序，可以永远保持在最上面，比如QQ的登陆窗口，我们也可以在VC6.0中使用SetWindowPos函数来实现这个功能。首先介绍一下这个函数，这个函数是CWnd类的成员函数，它主要是用于改变窗口的大小，位置和z轴顺序。所谓的z轴，指的是窗口在屏幕上的前后顺序。我们可以通过改变z轴顺序来使窗口永远在最上面。我们打开VC6.0，新建一个基于对话框的程序，程序的工程名为qq,然后我们为对话框增添一个菜单，菜单标题为控制，为它增添两个子菜单项，一个标题为：窗口永远在上，ID为：IDM_TOP,在ClassWizard中在CQqDlg类中…     

广义的以物体为中心的行程编码：一种新的三维物体模型

三维物体的表达和识别是图象理解和场景分析的核心问题,三维模型在三维物体的识别和场景分析中具有十分重要的作用.三维模型应该是以物体为中心的,能够提供该场景的所有有用信息.物体的大小,形状及朝向应均可从该模型中提取得到.本文提出了一种新的三维物体模型——广义的以物体为中心的行程编码.它包括物体的GORC物理数据结构,详细的形状描述和抽象描述.物体的高层次的表达可以通过以GORC编码的物理数据直接提取得到.三维的GORC是二维的以物体为中心的行程编码在三维上的推广,它兼有物体的体积表达和表面表达的优点.三维物体的GORC模型可以很容易地由其深度信息构造得出,基于GORC的投影运算,图象代数运算以及特征提取均可非常有效地实现.     

客户行为的有效聚类

对客户的交易数据进行聚类是客户行为分析的一个重要手段。针对客户交易数据维数高的特点,提出了基于EMD和K-means的顾客行为聚类算法。首先利用EMD和自底向上分段算法实现交易数据序列维度的约简,再利用K-means算法完成降维后序列的聚类,最后利用每个类别中购买率较高的商品作为该类的描述,为商家提供促销依据。该聚类算法一方面可以有效实现客户行为的聚类,另一方面,由于算法对交易数据序列进行了降维处理,节约了一定的存储空间。     

一种新的非线性时间序列的聚类方法

由于现实世界中时间序列多数是非线性的,而现有的时间序列聚类问题大多是基于线性时间序列模型进行聚类的,提出了可以用于非线性时间序列的聚类方法。它基于KS二维检验统计量提出KS2D距离度量,是一种非参数的鲁棒性强的距离度量方式,它将时间序列的非线性相关结构放到距离度量之中,能够粗糙地识别时间序列形状和动态相关结构的相似性。与理论研究结果相一致,模拟实验结果也验证了这种距离度量的有效性。     

4次复乘域上的GLV分解

4 维Gallant-Lambert-Vanstone（GLV）方法可用于加速一些定义在Fp2上椭圆曲线的标量乘法计算,如Longa-Sica型具有特殊复乘结构的GLS曲线以及Guillevic-Ionica利用Weil限制得到的椭圆曲线.推广了Longa-Sica的4维GLV分解方法,并在4次复乘域中给出显式且有效的4维分解方法,且对分解系数的界做出理论估计.结果行之有效,很好地支持了GLV方法以用于这些椭圆曲线上的快速标量乘法运算的实现.     

三维矩形块布局的序列三元组编码方法

解空间的序列对编码方法是解二维矩形体聚块布局问题的完整且有限(P-admissible)的编码方法.它产生于直观的分划过程(gridding procedure).受二维序列对编码方法的启示,对三维矩形聚块布局问题,也应该存在序列三元组编码方法.然而将直观分划过程直接推广到三维空间是困难的.通过对序列和部分序列的运算和分析,得到了三维矩形块聚块布局的序列三元组编码方法,此编码方法是完整且有限的.     

基于哈达玛变换的多元时间序列聚类研究

对当前聚类算法进行研究的基础上,提出了有效地实现多元时间序列聚类的方法.用离散哈达玛变换对多元数据进行降维,求出多元变量相关系数矩阵的特征值作为权值.采用带权值的矩阵相似性度量方法,利用改进的K-means算法对多元时间序列进行聚类分析.实验结果表明,该方法能够有效地实现多元时间序列聚类,把具有相似趋势变化的多元时间序列对象划分到同一类中.