快速褶积运算器

前言褶积滤波是地震资料数字处理的基本方法之一。在褶积运算中,乘法与加法次数是信号长度与滤波因子长度的乘积,因此,运算量极大。用通用电子计算机作褶积滤波,效率低,耗时多。不解决这个矛盾,就会直接影响地震资料数字处理技术的推广和提高,影响我国石油地震勘探数字化的进程。为此,于1973年11月底我们成立了褶积器试制小组,在毛主席革命路线指引下,在各级党组织的领导与关怀下,经试制小组全体同志的努力,于1974年7月试制成功了第一台快速褶积器。     

多维快速Haar变换的计算

近年来,在通信、数字滤波、图象编码、边缘检测及猝发检测等方面,Haar变换得到了广泛地应用。特别是Ahmed等人在文献[6]中提出Haar变换的Cooley-Tukey型算法后,使得Haar变换与Fourier变换、Walsh变换、Hadamard变换等的快速算法,均能在同一硬件上实现。但是,大部分工作仅限于一维及二维的情形,至于三维及多维     

多维快速Hadamard变换的计算

前 言 近年来,在数字信息的表示和分类、数字谱分析、数据压缩和数字图象处理等方面,快速Hadamard变换(FHT)已显示出很大的优越性.但是,大部分工作仅限于一维及二维FHT的应用.要对三维及三维以上的多维数据应用FHT却十分困难. 本文提出一个计算多维Hadamard变换的新的快速算法.它适用于点数为N=2~p     

用查表法实现快速循环冗余位校验计算

循环冗余位校验(Cyclical Redundancy Check英文简称CRC)的实现分为硬件和软件两种方法,其中软件实现的关键在于计算速度。如果单纯模拟硬件实现方法,则计算速度较慢。笔者在编制一个数据通讯软件中,运用了一种查表法计算CRC,速度很快,效果极佳。     

快速多维标度算法研究

经典多维标度法(classical multidimensional scaling,CMDS)是一种常用的数据降维和可视化方法。随着数据规模的扩大,CMDS的运算时间急剧增加。为了提高CMDS的计算速度,研究了3种适用于不同距离矩阵的快速算法。通过预先确定枢轴,减少了不必要的距离计算,提出了一种基于FastMap的快速算法。基于分而治之策略,提出了一种新的算法dc MDS(divide-and-conquer based MDS)。通过合理地选择标志点集,确保LMDS(landmark multidimensional scaling)能得到与CMDS一致的解。当样本内在维数远小于样本个数时,这些算法都能得到与CMDS完全一致的解,并且在速度上有大幅提高。实验证实了这3种算法与CMDS的一致性以及高效性。     

多维离散余弦变换的快速算法

本文提出多维离散余弦变换(DCT)的一个快速算法。我们将点数为2的整次幂的p维离散信号,按照编号偶数正序、奇数逆序进行重排。经过适当地变换,就将p维DCT导致p维DFT。再利用文献[1]或[2]中处理多维DFT的新方法,就可获得p维DCT的快速算法。本算法直观、简明、且易于在计算机上实现。     

多维离散Hartley变换的快速算法

近几年,由于快速Hartley变换(PHT)算法的提出,使DFT的计算面目一新,而且用FHT计算褶积比用FFT优越得多。利用两种变换间的简单关系,借助于FHT不用复数运算和计算结果是实数存储的优点,可以使实数据DFT或褶积节省一半的内存,且速度与实数据FFT算法的速度相同。但是,目前对多维DHT尚无成熟算法(只有二维和三维的算法),本文首次提出适于多维DHT的快速算法。它直观且易于在计算机上实现,从而使得用多维快速DHT计算多维DFT及褶积成为可能,同时也为实谱分析方法提供了一种新的工具。     

千头万绪RSS多维定位快速查

RSS是获取资讯的重要途径,订阅得多了．大家会进行简单归类,一般习惯按内容归类,如资讯、娱乐、软件、密友等,每类建立单独的分组。只是每一组RSS订阅源中,有些更新较快有些较慢。鱼龙混杂,比较重要的RSS订阅反而会被忽略掉。     

计算积和式的分层Monte-Carlo方法

1.引言 积和式(permanent)其定义在形式上与行列式非常类似.对于一个n×n阶的矩阵A=(aij),其积和式为其中{j1,j2,…,jn].是{1,2,…,n)的一个排列,Ω是{1,2,…,n}所有可能排列构成的     

计算最大积实例的新算法

最大积实例包括最大可能解释(MPE)和最大后验估计(MAP),它们是贝叶斯网络的基本问题.针对经典算法求最大积实例的时间复杂度高,提出新算法来求解该问题.该算法将求贝叶斯网络的最大积实例问题转变成一组一元一次方程,而一元一次方程很容易求解;通过临时表来缓存计算最大积概率时的中间结果,而这些临时表可以用来优化计算最大积实例而不需要过多的额外空间开销,并能够在贝叶斯查询之间共享.通过实验证实该算法计算贝叶斯网络实例时的高效性,在计算最大积实例时的有效性.     

递归函数的快速计算

本文以赛马矩阵为例，给出一种递归函数的快速计算方法，其要点是一个数组记录已算出的函数值。     

基于门控循环图卷积网络的交通流预测

交通流预测在智能交通系统的建设中起着关键性的作用,然而现有预测方法无法准确地挖掘其潜在的时空相关性,而且大都采用全连接网络进行单步预测。为了进一步挖掘数据的时空特性以及提升长短期预测的精度,提出了一种门控循环图卷积网络（GR-GCN）模型。首先,利用频域上的图卷积结合门控循环单元（GRU）构建一个时空组件（STC）以同时捕获节点的时空相关性,充分地提取数据的时空特征;然后,利用该时空组件构成编码器单元,并将时间序列数据和路网结构数据输入其中;最后,使用门控循环单元作为解码器单元,并按照时间顺序将两者组成一个编码器—解码器（encoder-decoder）结构,依次解码出每个时刻的预测结果。在加利福尼亚交通局（Caltrans）性能评估系统中高速公路数据集PeMSD4和PeMSD8进行了实验。结果表明,所提模型GR-GCN在预测未来15 min、30 min、45 min和60 min的交通流量方面优于大多数现有基准模型,尤其是在长期预测方面。     

改进部分积压缩结构的快速乘法器

针对16位乘法器运算速度慢、硬件逻辑资源消耗大的问题,采用华莱士树压缩结构,通过对二阶布思算法、4-2压缩器和保留进位加法器的优化组合使用及对符号数采用合理的添、补、删策略,实现16位符号数快速乘法器的优化设计。该乘法器采用SMIC 0.18 μm工艺标准数字单元库,使用Synopsys Design Compiler综合实现,在1.8 V, 25℃条件下,芯片最大路径延时为3.16 ns,内核面积为 50 452.75 μm2,功耗为5.17 mW。     

基于分而治之的快速多维尺度定位算法

传统MDS-MAP算法通过同时提取网络中所有节点间距离信息的特征来实现定位,计算时间复杂度相对较高,影响了算法的定位速度。针对该问题,提出了基于分而治之的快速多维尺度定位算法DMDS-MAP,剔除参与转换的冗余数据,可有效提高原始MDS-MAP算法的定位速度。DMDS-MAP算法将距离矩阵进行划分,选取对角阵作为子矩阵以剔除冗余数据,通过奇异值分解从各子矩阵中提取指定维数的特征转化为相对坐标,融合由各子矩阵求得节点的相对坐标,得到所有节点的相对坐标,最后,根据锚节点坐标信息得到所有节点的全局绝对坐标。实验结果表明,在定位精度相似的情况下,随着参与运算的节点密度的增加,DMDS-MAP算法较MDS-MAP算法在运行时间上有明显的提升。     

多维离散Walsh变换快速算法设计

在分析二维离散Walsh变换形式化描述的基础上，以二维Walsh变换为例设计了一类多维离散型walsh变换的快速算法，分析了该算法的性能，指出这类算法形式多样，应用广泛。     

NURBS曲线相关积分量的计算方法

本文给出了求２次和３次非均匀有理Ｂ样条（ＮＵＲＢＳ）曲线的相关积分量，例如它所包围区域的面积、旋转体体积、面积矩、形心等的算法．对于２次曲线，本文推导了一系列精确的积分公式，由此，所有积分量可用曲线的控制顶点坐标和权因子一步代入直接求得而没有逼近误差；对于３次曲线，本文展示了一种近似算法，与通常的数值积分法相比，它具有误差界估计简单，高精度下收敛速度快等优点．     

基于积件的多媒体课件快速开发系统

积件是由教师和学生根据教学需要自己组合教学软件的多媒体信息资源，它正在被广泛接受和应用。为此研制了一个基于积件的多媒体课件快速开发系统，该系统可以很方便快捷地将积件组合成课件，从而大大提高课件的开发效率。     

一种适于多维的快速包分类算法

包分类是多种网络应用的关键性技术,包分类算法的性能对网络的时延和吞吐量有决定性的影响。文章介绍一种适于多维的快速包分类算法——RFC算法,论述了算法的原理和实现算法,将RFC算法与几种常见的分类算法作仿真比较,阐述了RFC算法的优越性。     

基于多维标度的快速挖掘关联规则算法

挖掘关联规则是数据挖掘研究的一个重要方面．文章在分析其基本模型和研究多维标度基本性质的基础上,提出一个新的基于多维标度的挖掘关联规则算法．该算法以数据项间的关联度量为依据,将各个数据项投影到多维空间上,进行降维处理,最后将数据项集间的关联关系以可视结果提供给用户.     

基于RFC算法的快速多维数据包分类算法

数据包分类技术应用于许多网络服务,其性能基本决定了服务的质量。RFC算法是具有代表性的数据包分类算法,分类速度快,但由于存储开销巨大,增加了算法实现的存储消耗,加大了成本。该文在RFC算法的基础上提出了一种利用Hash技术减少存储开销且保持相对快速的数据包分类算法。