基于区间划分的快速重归一化算法*

重归一化是H.264/AVC标准二进制算术编码器的一个关键部分,在算术编码器中,重归一化计算量很大,严重制约了算术编码器的效率;同时重归一化算法是一个按位操作过程,很多情况下通过运行一次重归一化算法并不能完成重归一化操作,因此消耗了大量编码时间。为了减少编码时间,针对影响重归一化速度的瓶颈问题,提出了一种基于区间划分的快速重归一化算法。根据重归一化循环次数提出六种不同的区间划分标准来去除H.264/AVC重归一化算法中消耗大量编码时间的按位操作过程;通过去除重归一化的循环过程,使得算法在单位时间内向编码流     

一种特征值区间划分的模型决策树加速算法

目前对决策树(Decision Tree,DT)分类问题的相关研究已取得了很多成果,但仍存在一些问题,如决策树在寻找最优切分点时需要遍历特征的所有取值,当数据集规模较大时,递归构建决策树所需时间将会很长,因此在保证分类精度的前提下加速决策树的构建具有重要意义.本文首先根据数据的不同分布,给出两种特征值区间的分割方法,即...     

基于区域划分的快速图像插值算法

图像插值是将低分辨率图像放大后提高视觉效果的有效方法,传统算法中有较简单且算法复杂度小的方法,但插值后的图像常常有锯齿边缘或者效果模糊,因而实际应用并不广泛。为克服以上缺陷,提出了一种先将图像进行区域划分,然后再进行快速图像插值的算法,既保证了算法较低的复杂度,又优化了图像显示效果,适合实际应用。     

一种基于子元组划分的快速两维包分类算法

包分类对于支持如防火墙、攻击检测、差分服务等网络应用有着重要的意义.研究人员对此做了大量研究.其中基于Srinivasan提出的元组空间思想的算法都存在着不能够通过预查找的方法直接定位匹配规则的元组的问题,因此此类算法的平均查找性能不稳定.针对两维包分类,提出了将元组划分为子元组的准则,满足准则的子元组可以根据3个独立的一维查找结果确定是否包含匹配规则,通过消除不必要的元组查找来提高查找速度和获得稳定的查找性能.     

自动划分区间中基于自适应攻击特征定位算法

网络攻击检测系统的检测性能与攻击特征的性质具有较强的关联性.网络中的攻击特征存在强随机性高复杂性的特点,传统算法在特征寻优过程中由于受到复杂性的影响,很难控制算法中的寻优速度,很容易造成在复杂环境下的算法不收敛,影响检测准确性.为提高准确性,提出了一种带粒子释放和速度约束的入侵检测算法,算法对采集得到的攻击特征自动划分区间,采用粒子释放控制的方法增强种群的多样性,避免算法出现局部最优现象,并采用速度约束释放后粒子收敛速度,优化检测入侵特征过程的寻优性能,获取准确的攻击特征.实验结果表明,粒子释放和速度约束方法具备较高的寻优性能以及收敛能力,是一种有效的攻击特征寻优算法.     

区间表的快速查找算法

区间表(表中每一元素表示的是一个范围的数据)的查找是一个常见的问题,在表的长度较小或要查找元素的数量不多的情况下,折半查找是一种不错并且容易实现的算法。但在某些特殊的行业(如电信业)由于要对长度较大的表进行数量巨大的元素的查找,就不得不考虑它的执行效率。在广东电信公用电话管理中心从事的“签约分销商售卡话务”统计中,巧用哈希表来实现大量数据在众多签约分销商售卡记录中的数据查找,将整个查找的总长度较折半查找降低了一个数量级,大大提高了数据查找的效率。     

基于区域划分的深度视频快速编码算法

多视点彩色视频与深度视频作为多媒体系统中主流3D场景表示方式,吸引了越来越多人的关注。深度视频反映场景的几何信息,如何对其进行快速编码尤为重要。提出了一种基于区域划分的深度视频快速编码算法。首先,根据深度视频的边缘和运动属性把深度视频分为四个区域;然后,深入分析不同区域内宏块模式分布比例以及参考帧选择特性,设计了不同的宏块模式选择和参考帧搜索策略来提高编码速度;最后,测试提出算法的编码时间、码率以及合成虚拟视点的质量。实验结果表明,提出算法在保证虚拟视点图像质量和编码码率基本不变的情况下,节约了85.73%～91.06%的编码时间。     

基于空间划分和线性规划的快速碰撞检测算法

为提高在复杂环境下多物体碰撞检测的速度,提出基于空间划分和线性规划的快速碰撞检测算法。该算法首先用均匀网格法来确定处于同一单元格内的对象,然后利用线性规划的方法对处于同一单元格内的对象进行精确测试,并实时得到碰撞检测的结果。实验结果表明,与传统的碰撞检测算法相比,该算法可以缩短计算时间,提高了碰撞检测的效率。     

基于中项平衡划分的快速排序算法

阐述了Hoare的快速排序算法及其缺点,在此快速排序算法的基础上利用找中项的线性选择算法改进了快速排序算法,使得快速排序在最坏情况下的性能达到最优。     

一种三路划分快速排序的改进算法

快速排序是一种经典的排序算法,它的平均性能非常突出。针对快速排序在某些特殊情况下(如数据已有序或重复数据较多时)效率较低的问题进行了研究,对三路快速排序进行改进,使快速排序在特殊情况下也能保持较好的效率。通过大量的数据测试发现,该算法在最好情况下其性能在几个数量级上优于普通快速排序,在最坏情况下,其性能较普通快速排序无明显差距。改进后的三路快速排序是一种通用高效的排序算法,因此在某些情况下选用、该算法会获得更好的效率。     

栅格划分的二叉区间树节点构造算法

针对海量数据可视化过程中预处理时间长的问题,提出一种加速构造等值面提取索引结构的栅格构造算法.该算法以二叉区间树的span space划分为基础,利用栅格化方法对二叉区间树节点进行重构,降低了区间排序预处理计算规模,可将预处理效率提高50%左右.理论分析与实验证明,文中算法与传统最优算法有相近的活动单元搜索效率,能够大大缩短整个海量数据可视化过程,对实时性要求较高的可视化应用具有实际应用价值.     

一种关于数据流区间Disjoint查询的快速处理算法

在关于数据流子序列相似性匹配的研究中,Disjoint查询是很重要的一类,在传感网络和数据挖掘等方面都发挥着非常重要的作用.但现有的研究并没有关注到定长区间上的Disjoint查询问题.直接对每个区间内成员使用Spring算法是解决该问题的NAIVE算法,但是因为NAIVE算法不具有增量计算的特点,所以存在冗余运算.针对NAIVE算法冗余运算的处理问题,提出了边界路径技术.边界路径技术很好地使用了Spring算法在相邻前一区间上的执行结果,使得Spring算法无需对当前区间上每个成员执行,就可以得到Disjoint查询在该区间的查询结果.使用该技术对NAIVE算法进行改造,设计并实现了快速区间Disjoint查询处理算法(fast section Disjoint query processing algorithm, FSDQ),该算法具有增量计算的特点.实验证明FSDQ算法可以有效减少NAIVE算法所具有的冗余运算,是处理数据流上区间Disjoint查询的有效方法.     

一种音频情感区间划分方法

该文提出一种音频情感区间划分方法。该方法以提取音频情感语义方面为目的,可以有效地划分出视频流中音频通道的情感区间。首先,事先选定若干种音频中层情感认知类型,并采用基于分层二叉树SVM分类算法对每个音频段进行中层情感认知初分类,然后提出一种基于规则的分类结果平滑策略对初分类结果进行平滑。最后,利用从中层认知到高层情感感知的映射机制,将中层认知映射到高层情感感知以识别高层情感语义,最终完成音频情感区间划分。实验证明,该方法对音频情感区间划分具有良好的效果。     

基于区域划分的kNN文本快速分类算法研究

kNN方法作为一种简单、有效、非参数的分类方法,在文本分类中广泛应用。为提高其分类效率,提出一种基于区域划分的kNN文本快速分类算法。将训练样本集按空间分布情况划分成若干区域,根据测试样本与各区域之间的位置关系快速查找其k个最近邻,从而大大降低kNN算法的计算量。数学推理和实验结果均表明,该算法在确保kNN分类器准确率不变的前提下,显著提高了分类效率。     

基于密度峰和划分的快速聚类算法

传统基于划分的聚类算法需要人工给定聚类数,且由于算法采取刚性划分,可能会导致将较大或延伸状的聚类簇分割的现象,导致错误的聚类结果。密度峰聚类是近年提出的一种新的基于密度的聚类算法,该算法不需要预先指定聚类数目,且能够发现非球形簇。将密度峰思想引入基于划分的聚类算法,提出一种基于密度峰和划分的快速聚类算法（DDBSCAN）,该算法首先获取一组簇的核心对象(密度峰),用于描述簇的“骨骼”,而后将周围的点划分到最近的核心对象,最后通过判断划分边界处的密度情况合并簇。实验证明,该算法能有效地适应任意形状、大小不一的数据集,与传统基于密度的聚类算法相比收敛速度更快。     

一种基于区间约束的折半查找算法

针对变化范围很大而又相对稳定的查找对象,给出一种基于区间约束的折半查找算法。当后一个查找对象在前一个查找对象附近时,在最坏状态和平均状态下,该算法与标准的折半查找算法比较,其查找长度元旦显著减少,而且代价很小。此算法适合用于类似过程控制中的对低频信号的实时查有处理,并在国家级新产品WPJ－3微机频率事故记录装置和WQP－4微机频率继电器中得到了成功的应用。     

一种基于区间优化的神经网络学习算法

神经网络的学习算法通常是采用梯度下降法,此方法容易陷入局部极小而得到次最优解。另外,对于有些应用来说,用于训练网络的样本的输入／输出数据无法精确给出,而只能以一定的范围的形式给出,这就给传统的神经网络带来了困难。该文提出了一种基于区间优化的神经网络学习算法,可以很好地解决上面所提到的传统神经网络学习算法的缺点。     

一种快速灰度图像彩色化算法

灰度图像的彩色化是将一幅彩色图像的颜色特征传递给另一幅灰度图像,使灰度目标图像具有与源彩色图像相似的颜色。提出了一种快速灰度图像彩色化算法,将图像像素邻域相关特性引入到匹配像素的搜索过程中。搜索匹配像素时,先在当前像素的邻域范围内进行搜索,只在邻域搜索失效时才进行全图范围的搜索,由于像素邻域相关特性,大部分像素可以在邻域搜索中找到匹配像素,只有极少像素需要进行全图搜索,从而较大地降低了搜索代价,在取得较好的彩色化效果的同时,显著地提高了彩色化速度。