图像压缩感知的双收缩快速迭代算法

针对传统图像压缩感知重构算法重构质量差及时间复杂度大的问题,提出一种双收缩快速迭代算法.通过引入阈值和正则化参数的双收缩,逐步迭代恢复图像信号,以加快收敛速度,改善重构质量.仿真结果表明,与传统阈值迭代算法相比,该算法重构图像的峰值信噪比较高,在低采样率下运行时间较少.     

双并联人工神经网络交替迭代算法及应用

本文给出一种双并联人工神经网络的交替迭代算法，数值计算结果表明，这种算法是有效的，且具有收敛速度快，计算精度高的特点。     

基于双迭代聚能量字典学习的数据压缩算法

针对基于稀疏表示（Sparse representation,SR）的数据压缩压缩率低、重构精度低等问题,本文提出一种基于双迭代的聚能量字典学习算法,把高维信号映射到低维特征空间,当低维特征空间保留高维原始信号越多的特征时,高维信号从低维特征空间中恢复出来的精度越高。为了使低维字典保留高维字典更多的主成分,本文提出了一个新的变换,被命名为?变换,能提升高维字典的能量集中性。除此之外,针对高维字典与低维字典的耦合关系,建立了双循环迭代训练,增加字典的能量集中性与字典的表达能力。实验表明,相比于传统算法,本文提出算法字典学习收敛速度提升了3倍以上。此外,该方法可以得到较高的压缩比和更高质量的重构信号。     

一个快速二进制除法的算法

引言由于有下列两个性质:(Ⅰ):2~(-P) 2~(-(p 1)) … 2~(-q)=2~(-(p-1))-2~(-q)(Ⅱ):-2~(-p) 2(-(p 1))=-2~(-(p 1))所以任何二进制的数都可以进行分解。例如: 0 .1 1 1 100001101100100~ =20一2一4 2一8一2一11一2一13 2一18.按照通常的速写乳号,还可以表示为     

一类广义Riccati矩阵方程对称解的双迭代算法

研究了一类广义系统控制理论导出的Riccati矩阵方程对称解的数值计算方法．运用牛顿算法将Riccati矩阵方程的对称解问题转化为线性矩阵方程的对称解或者对称最小二乘解问题,采用修正共轭梯度法解决导出的线性矩阵方程的对称解问题,可建立求Riccati矩阵方程对称解的双迭代算法．数值算例表明,双迭代算法是有效的．     

基于Goldschmidt算法的高性能双精度浮点除法器设计

针对双精度浮点除法通常运算过程复杂、延时较大这一问题,提出一种基于Goldschmidt算法设计支持IEEE-754标准的高性能双精度浮点除法器方法。首先,分析Goldschmidt算法运算除法的过程以及迭代运算产生的误差;然后,提出了控制误差的方法;其次,采用了较节约面积的双查找表法确定迭代初值,迭代单元采用并行乘法器结构以提高迭代速度;最后,合理划分流水站,控制迭代过程使浮点除法可以流水执行,从而进一步提高除法器运算速率。实验结果表明,在40 nm工艺下,双精度浮点除法器采用14位迭代初值流水结构,其综合cell面积为84902.2618 μm²,运行频率可达2.2 GHz;相比采用8位迭代初值流水结构运算速度提高了32.73%,面积增加了5.05%;计算一条双精度浮点除法的延迟为12个时钟周期,流水执行时,单条除法平均延迟为3个时钟周期,与其他处理器中基于SRT算法实现的双精度浮点除法器相比,数据吞吐率提高了3~7倍;与其他处理器中基于Goldschmidt算法实现的双精度浮点除法器相比,数据吞吐率提高了2~3倍。     

高速迭代除法初始因子表的构造及其规律

在高速计算机的设计中,提高除法的速度问题为许多人所关注。本文探讨高速迭代除法的初始因子表的构造及某些最优问题,获得了最小、最短初始因子表,指出了构造出初始因子表的充分必要条件和一般方法,找到了初始因子表的大小(元素个数)同表元素长度(应取位数)之间的制约关系,并用数学方法给以论证。     

快速高精度除法算法的FPGA实现

为在现场可编程门阵列(FPGA)中实现快速高精度除法,在传统的倒数除法的基础上,提出一种改进算法.对倒数求解采用泰勒级数展开结合优化搜索逼近,求出各个分区间内的拟合一次两项式,再通过一次牛顿迭代提高精度.时序仿真结果表明,以该算法构建的除法器易于在FPGA上实现,时延仅为6个时钟周期,能达到2(-34)的有效精度和86...     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

差分迭代椭圆算法

在一般光栅象素的椭圆生成算法中,其主循环中均带有乘法和开方等运算,历而其计算量较大。本文介绍的差分迭代椭圆算法,利用椭圆的某一参数方程可表示成两个圆参数方程的组合,而采用圆的差分迭代算法。因此,使其在主循环中仅有加、减法和移位运算,极大地降低了计算量,并易于硬件集成。本文还对椭圆弧的生成作进一步讨论,并举例就其误差与中点椭圆算法作了比较。     

基于策略迭代和值迭代的POMDP算法

部分可观察Markov决策过程是通过引入信念状态空间将非Markov链问题转化为Markov链问题来求解,其描述真实世界的特性使它成为研究随机决策过程的重要分支.介绍了部分可观察Markov决策过程的基本原理和决策过程,提出一种基于策略迭代和值迭代的部分可观察Markov决策算法,该算法利用线性规划和动态规划的思想,解决当信念状态空间较大时出现的"维数灾"问题,得到Markov决策的逼近最优解.实验数据表明该算法是可行的和有效的.     

敏捷软件开发的双迭代模型

在软件开发过程中,软件开发企业能否一方面有效地适应用户需求和商务环境的种种变化,另一方面控制好软件开发的周期和成本,提供高质量的软件,是软件开发企业能否顺利发展壮大的关键.基于最佳实践的敏捷软件开发方法逐渐成为一种潮流,被越来越多的软件开发企业所采用.然而许多企业在实施敏捷过程中往往会出现一些问题,从而未能达到预期的效果.通过对敏捷方法存在的问题的分析,设计一个使用敏捷软件开发方法的双迭代软件开发过程模型.实践证明,双迭代模型能很好地解决敏捷开发方法存在的问题.     

基于双分支融合的反馈迭代金字塔去模糊和超分辨率算法

针对低分辨率模糊图像实施超分辨率重建后出现大量伪影和边缘纹理不清晰问题,提出了一种双分支融合的反馈迭代金字塔算法.首先采用不同的分支模块分别提取低分辨率模糊图像中潜在的去模糊特征和超分辨率特征信息;然后采用自适应融合机制将两种不同性质的特征进行信息匹配,使网络在去模糊和超分辨率重建模块中更加关注模糊区域;其次使用迭代金字塔重建模块将低分辨率模糊图像渐进重建为逼近真实分布的超分辨率清晰图像;最后重建图像通过分支反馈模块生成清晰低分辨率图像,构建反馈监督.在GOPRO数据集中与现有算法的对比实验结果表明,所提算法能够生成纹理细节更加清晰的超分辨率图像.     

一类离散时间代数Riccati矩阵方程对称解的双迭代算法

利用逆矩阵的Neumann级数形式,将在线性二次优化问题中遇到的含未知矩阵之逆的离散时间代数Riccati矩阵方程(DTARME)转化为高次多项式矩阵方程,然后采用牛顿算法求高次多项式矩阵方程的对称解,并采用修正共轭梯度法求由牛顿算法每一步迭代计算导出的线性矩阵方程的对称解或者对称最小二乘解,建立求DTARME的对称解的双迭代算法。双迭代算法仅要求DTARME有对称解,不要求它的对称解唯一,也不对它的系数矩阵做附加限定。数值算例表明双迭代算法是有效的。     

基于双倍双精度施密特正交化方法的QR分解算法

当矩阵的规模较大或者条件数较高时,格拉姆-施密特(Gram-Schmidt)正交化算法和其相关修正算法时常表现出数值不稳定性的现象。为了解决该问题,探索了修正Gram-Schmidt算法(MGS)中舍入误差的累积效应,然后基于无误差变换技术和双倍双精度算法,设计并实现了双倍双精度修正Gram-Schmidt正交化算法(DDMGS)。该算法的精度测试中显示所提算法较分块施密特正交化(BMGS＿SVL,BMGS＿CWY,BCGS＿PIP与BCGS＿PIO)的变体算法具有更好的数值稳定性,证明了DDMGS算法能够有效地减少矩阵的正交性损失,提升数值精度,展示了所提算法的可靠性。在算法的性能测试中,首先计算并比较了不同算法的浮点计算量(flops),随后将所提DDMGS算法与修正施密特正交化算法在ARM和Intel两款处理器上作比较,虽然DDMGS算法的运行时间分别是MGS的5.03倍和18.06倍左右,但获得了明显的精度提升效果。     

观测迭代的插值滤波算法

针对非线性跟踪系统中由于弱观测性,大的初始化误差使的系统出现不稳定、跟踪收敛速度慢,鲁棒性能差的问题,本文在内插公式滤波器的基础上提出了基于观测迭代插值滤波器。该算法在插值滤波器基础上,利用观测迭代过程来取代单纯的近似条件估计进行预测,减小观测函数线性化所带来的误差影响具有更精确的状态和协方差估计性能。仿真结果表明该算法在大噪声和大初始化误差条件下拥有比传统算法更高的跟踪精度,和更快的收敛速度。     

基于迭代算法的新词识别

新词识别是中文信息处理的重要基础,但中文字符极强的构词能力给新词检测带来较大困难。受对偶原理的启发,提出一种基于迭代算法的新词识别算法。对目标语料进行分词和词性标注,通过两遍扫描进行字符串统计并提取重复模式。结合词语结构的特征,迭代使用重复模式互信息、左(右)熵,左(右)邻右(左)平均熵等特征进行新词识别,获得候选新词列表。利用中文词语搭配库对候选新词列表进行最后一次过滤得到最终新词列表。实验结果表明,利用该方法进行新词识别,P@10值达到100%,P@100值提高至90%,左(右)邻右(左)平均熵可在一定程度上提高新词识别的准确率。     

Julia集的反函数迭代算法

在研究二次函数等简单幂函数的Julia（朱利亚）集过程中,发现传统的逃逸时间算法耗费机时,并且得到的是Julia集的填充集而不是Julia集的吸引子。该文介绍了Julia集的反函数迭代基本算法和基于IFS（函数迭代系）反函数迭代算法。并且在反函数迭代的基本算法的基础上,提出了通过对迭代顺序的改变,以减少在迭代过程中对内存空间的需求。文中将反函数迭代算法与传统的Julia集的逃逸时间算法进行了仿真对比,表明利用反函数迭代算法可以极大的减少机时,并且利用该算法可以得到Julia集的吸引子。     

迭代直觉模糊K-modes算法

直觉模糊K-modes(IFKM)算法在聚类过程中采用简单0-1匹配相似性度量,既无法有效刻画类内数据对象之间的相似性,也未体现不同属性在聚类过程中的贡献程度;此外,IFKM算法在聚类的每一次迭代中直接根据直觉模糊隶属度矩阵来确定数据对象所属类别,没有充分发挥直觉模糊思想的作用.为了解决这两个问题,提出一种迭代IFKM...     

FKA算法迭代收敛性分析

《核选择和非线性特征提取的双线性分析》一文提出了一种新颖的核Fisher准则FKC, 并用迭代分析算法FKA求得最优解,但其迭代收敛性缺乏理论上的证明。从理论上对FKA算法的迭代收敛性进行了分析和探讨,并运用Radermacher复杂性分析法进行证明。