基于CPU-FPGA异构系统的排序算法加速

传统的排序方法主要以软件串行的方式实现,包括冒泡排序、选择排序等。这些算法往往采用顺序比较,运算的时间复杂度较高。近年来已经提出了一些并行度较高的排序算法,但是由于CPU的硬件特点,不能很好地利用这些算法的并行性。而FPGA具有良好的灵活性、并行性和集成性等特点,因此在FPGA上可以更好地发挥这些并行算法的优势,从而大大提高数据排序的实时性。基于此设计了一个CPU-FPGA异构系统,将一些排序算法移植到FPGA上,并进行功能验证和理论性能评估。结果显示,该系统对于并行性高的排序算法具有良好的加速效果,但逻辑资源消耗巨大,适用于实时性要求高的算法加速场景。     

任意类型的分类数据的快速排序

快速排序在数据部分相等或有序时,时间复杂度最坏为O（n2）。针对于任意类型的分类数据的排序,文章在快速排序的基础上,提出一种新的排序算法,具有快速排序算法的简洁性,但是不使用递归算法,时间复杂度为O（n）,空间复杂度为O（1）。通过理论分析和实验表明,该算法的性能明显优于其它排序算法,特别适合于数据量大的场合。     

快速排序的一种改进算法

快速排序算法是基于关键字比较的一种性能较好的排序算法,平均时间复杂度为O(nlogn)。文章针对快速排序分治的策略和基数排序的原理,提出了一种基于基数的快速排序改进算法,论述了改进算法的理论依据和基本思想,并给出了递归形式的算法描述。改进后的算法在执行效率方面和占用辅助空间方面都有所改善。改进后算法不需要作关键字比较,特别适合大数据量的排序,具有一定的应用价值。     

基于预测与排序的大容量可逆水印算法

针对大多数情况下可逆水印算法需要位图的情况,提出了一个不需要位图的可逆水印算法。该算法使用一种新的基于高效排序的全邻预测算法,经过排序以后形成预测误差集合,可以在很低失真度的情况下嵌入数据。实验的结果表明,该算法优于现有的可逆水印算法,并可以在具有较小失真度的情况下嵌入大量的数据。     

一种新的基于划分的结构连接算法

有效的结构连接是XML查询处理的关键。目前,大部分结构连接算法由于需要临时排序、建立索引或存在数据复制及I/O问题,大大降低了执行效率。该文在分析比较现有结构连接算法的基础上,提出了一种新的基于划分的结构连接算法。该算法不需要排序或建立索引,通过栈的机制解决了数据复制问题,并充分考虑内存缓冲提高了I/O性能。实验分析表明该算法具有良好的查询性能。     

人脸检测级联分类器快速训练算法

目前AdaBoost训练算法已被广泛地应用于人脸检测中级联分类器的构建,而AdaBoost算法训练级联分类器的周期却十分漫长.为了减少训练时间,文中提出了一种基于AdaBoost的改进训练算法.该算法通过对弱分类器的阈值选择进行一趟处理来降低运算时间复杂度,并根据AdaBoost训练迭代中只改变样本权值而不更新样本的特点对特征值和排序结果进行缓存来提高训练算法的性能.实验结果表明,该算法大幅提高了人脸检测分类器训练系统的性能,使得分类器的训练时间缩短了60多倍.由于AdaBoost算法的通用性,该改进算法不仅适用于人脸检测,也适合所有进行权值更新迭代训练的Boosting算法.     

两趟插入排序算法设计

提出了一种两趟插入排序算法,该算法容易理解,排序时间短,适用于大批量数据的排序。     

基于词频统计特征和 GVP 的大规模图像检索算法研究

针对传统的GVP(Geometry-Preserving Visual Phrases)图像检索算法计算量大、时间复杂度高且不适合处理大规模图像检索等缺点,文章提出了FSF-GVP(Frequency Statistics Feature-Geometry-Preserving Visual Phrases)算法,该方法将词频统计特征和GVP算法相结合,使用GVP排序算法对词频特征统计后的相似结果集进行排序,忽略不相似结果集,极大地提高了检索效率。实验结果表明,FSF-GVP在保证检索准确性的前提下,提高了检索效率,适用于实时大规模图像检索。     

强椒盐噪声图像的二次自适应中值滤波算法

中值滤波是一种简单而重要的处理椒盐噪声图像的方法,但传统的中值滤波只适用于弱噪声的情况,对于强椒盐噪声并不适用.本文在中值滤波的基础上,提出了一种自适应的二次中值滤波算法,该算法具有实现过程简单,运算复杂度低,自适应性强的特点.经过实验表明:该方法对强椒盐噪声图像具有良好的处理效果,特别适用于噪声大于50%的高强度椒盐噪声图像.     

实型数据的非比较分段排序算法

实型数据非比较分段排序算法(简称RNCSS)是根据实型数据机内编码的特点提出来的一种快速非比较排序算法,文中给出了算法的分析和关键的源程序段。该算法的时间复杂度为0(N),且附加存储空间极小,特别适合干数据量大的场合。     

基于改进混沌搜索算法的机器人轨迹规划

在考虑机器人关节约束的影响下,为得到工业机器人的时间最优轨迹,提出了一种适用于多极值函数优化问题的混合算法。首先基于混沌搜索算法定位最优解的邻域,继而使用遗传算法在此邻域内寻找最优解。在MATLAB平台上,对该混合算法进行编程并仿真轨迹,并与传统遗传算法的结果进行比较,结果表明使用混合算法得到的总时间为25.449 s,明显少于对照组的39.534 s,证实了该混合算法具有较好的全局搜索性能。     

基于指数损失间隔的多标记特征选择算法

在多标记学习的任务中,多标记学习的每个样本可被多个标签标记,比单标记学习的应用空间更广关注度更高,多标记学习可以利用关联性提高算法的性能。在多标记学习中,传统特征选择算法已不再适用,一方面,传统的特征选择算法可被用于单标记的评估标准。多标记学习使得多个标记被同时优化;而且在多标记学习中关联信息存在于不同标记间。因此,可设计一种能够处理多标记问题的特征选择算法,使标记之间的关联信息能够被提取和利用。通过设计最优的目标损失函数,提出了基于指数损失间隔的多标记特征选择算法。该算法可以通过样本相似性的方法,将特征空间和标记空间的信息融合在一起,独立于特定的分类算法或转换策略。优于其他特征选择算法的分类性能。在现实世界的数据集上验证了所提算法的正确性以及较好的性能。     

An efficient numerical algorithm for the solution of a class ofoptimal control problems

A numerical algorithm for the solution of a class of optimal control problems is presented. This class is characterized as being linear-quadratic in the control, but not necessarily in the state. The algorithm is efficient in that it possesses a high rate of convergence (like Newton's method), but without being sensitive to initialization. In this respect, it combines the advantages of both the first- and second-order algorithms within the framework of a single algorithm. In addition, the algorithm requires less computation and storage than Newton's method     

高精度AOA分簇定位算法

如今的网络安全主要联系于无线传感网络,定位算法的优劣决定了无线传感网络的能力,也就决定了网络安全的能力。分簇定位算法具有能量效率高、可扩展性好、简单可行的优点,但是分簇算法属于一种模糊定位算法,不具有较高的精度。此外,分簇算法的簇首替换如果在全局范围内进行选择,很容易造成高消耗。AOA（angle of arrival）算法在复杂环境中具有精确的定位能力。文章通过运用AOA测距算法,使分簇算法的每个节点具有自探测能力,通过节点相对夹角,用坐标算法算出相应于簇首的坐标。为了让能量消耗低于普通分簇算法,文章根据完全图中能量有效原理,让分簇只在初始时进行一次,在每个簇内无簇首或能量低时,对簇首进行重选举,再将信息发送给总簇。Matlab仿真实验表明,文章算法实现了range-based的分簇定位算法,且保留了快速部署、能量效率高、高精度的优点。根据实验,文章算法适用于不松散部署的无线传感网络。     

Ad Hoc网络中基于遗传蚁群算法的QoS多播路由算法

利用遗传算法的快速全局搜索能力和蚁群算法的正反馈收敛机制,把蚁群算法和遗传算法融合起来,提出了一种遗传蚁群算法（GAAC）来解决Ad Hoc网络中QoS路由问题。首先利用遗传算法生成信息素分布,然后用蚁群算法求精解,优势互补,期望获得优化性能和时间性能的双赢。并针对算法应用于Ad Hoc网络QoS路由普遍产生的拥塞问题,采用拥塞回避的策略,从而实现网络业务流负载均衡。仿真表明该算法比其它单一采用蚁群算法进行路由选择更适合于动态Ad Hoc网络环境。     

BF模式匹配算法的改进

文章分析经典的BF算法及其改进方法,根据字符串匹配的特点对BF算法提出了新的改进算法I_BF算法。I_BF算法根据模式串的首字符与匹配窗口之间的距离来确定右移距离,从而进行快速地匹配,匹配方式是从左往右进行。为了测试I_BF算法的性能,在相同条件下,从匹配字符个数、匹配次数、所花时间三方面对I_BF算法进行实验。结果表明,由于I_BF算法能够很大程序地跳过坏字符,减少匹配次数和字符比较个数,节约匹配时间,从而有效地提高匹配速度。     

基于图论Gomory Hu算法的快速图像分割*

GomoryHu算法是图论中的经典算法,用于寻找图的最小流割等价树,具有最优解,但是该算法很难处理较大的图像,而且倾向于分割出孤立点集。为此,给出了孤立点的判定方法,并提出一种基于GomoryHu算法的图像分割方法。该算法首先通过快速聚类减少图中顶点数目,然后构造新的赋权图,并应用GomoryHu算法对图进行最优划分,得到分割结果。提出的算法对多幅自然图像进行了分割实验,平均分割时间在3 s内。实验结果证明了算法的有效性和快速性。     

基于Hadoop的水文时间序列相似性研究与应用

传统DTW算法复杂度高,特别当处理海量数据时,耗时长.为了从算法和实现手段两方面同时入手,提高DTW运算效率,提出基于Hadoop平台,以FastDTW方法实现的水文时间序列相似性查找方法.首先利用小波变换对数据去噪,接着对水文时间序列进行语义化,然后在Hadoop的MapReduce过程中调用FastDTW方法实现DTW距离的云计算,得出与查询序列最相似的匹配序列.通过实验与串行查找进行对比,验证该方法用时短,匹配效果好,能够满足实际应用需求.     

一种改进变步长因子LMS算法的研究

传统的LMS算法,由于其步长因子μ是事先指定的固定值,因而在迭代过程中不能随着估计误差e（n）来进行相应的调整,所以其收敛性完全由初始条件和步长决定。为了改变这种状况,文章提出了一种步长因子μ（n）随时间变化的LMS算法,其收敛速度快于LMS和NLMS,具有较小的失调,将本算法应用于自适应预测系统,Matlab仿真实验结果与理论分析一致。     

一种改进的最大匹配中文分词算法

最大匹配算法包括正向最大匹配和逆向最大匹配两种算法,是中文分词领域的基础性算法,目前被广泛应用于众多领域。文中在详细分析了最大匹配算法的优缺点的基础上,提出了一种改进的最大匹配分词算法。改进算法在分词前先对词库进行了规范化预处理,分词时由汉字检索到该字开头的词组,再按词组长度由长到短的顺序使用传统最大匹配算法检索词库。目的是解决传统方法匹配效率低下和不能切分长词的问题。经算法分析结果表明,改进的算法较传统的最大匹配算法高效,分词能力更强。