C-RAN网络中基于稀疏性的预测矩阵求解算法

在C-RAN（Centralized,Cooperative,Cloud Radio Access Network）无线网络基于转移矩阵的负载预测方法中,虽然该预测矩阵具有稀疏特性,但是现有的技术缺乏对稀疏特性加以利用,从而造成计算复杂。针对此问题,提出了一种基于稀疏性的预测矩阵求解算法。该算法对网络状态转移矩阵进行分块迭代,每次等分4块,并分别定义4块矩阵的偏移量。当属于同一行的块矩阵的偏移量有一个是零矩阵时,直接得出所求矩阵对应块的元素全部为零,然后进行下一次迭代;当属于同一行的块矩阵偏移量都不为零矩阵时,通过对矩阵方程组变形处理,转换成迭代格式,然后分块处理。最后,结合仿真定量分析稀疏矩阵稀疏度的临界值问题,给出了稀疏度与计算量之间的关系,并证明了其合理性。仿真结果表明,所提算法能够在不影响预测准确度前提下,降低复杂度。     

基于非负矩阵分解的社区检测算法

为了了解复杂网络的特性,研究了复杂网络中的社区交叠现象,将非负矩阵分解算法用于社区检测问题。而传统的用于社区检测SNMF模型是通过离散化参数的取值范围,然后遍历得到参数的最优值,对参数的优化方法不能准确而快速搜索到最优解。利用遗传算法对参数进行优化,能够准确地找到参数的最优解,从而得到最优的社区划分。并且能够检测出交叠节点和异常节点,该算法也适应于大规模的数据。     

大型实对称矩阵分块迭代求逆算法

为提高大型实对称矩阵数值求逆算法的运行速度,设计了一种分块迭代求逆算法,对算法做了详细的理论推导与分析。实现了四种常见的数值求逆算法,即Jacobi数值方法、QR分解法、LU分解法和高斯-约旦法,并分别与分块迭代求逆算法进行了对比分析。实验结果表明,在保证算法精度的情况下,分块迭代求逆算法极大的提高了算法的运行速度。当计算大小为700x700的实对称矩阵的逆矩阵时,相对于LU分解法,加速比为4倍;相对于QR分解法,加速比为26倍。     

基于稀疏矩阵的关联规则挖掘算法的研究

本文利用关联规则挖掘中稀疏数据源的特点,设计出一种特殊的链表数据结构和两种矩阵策略。利用稀疏矩阵中搜索频繁项集的算法SMM（Sparse-Matrix Mining）,通过将数据库映射到二元稀疏矩阵,并对矩阵压缩存储,从链表中搜索频繁项集,降低了频繁项集搜索过程中的I/O次数和计算量。实验显示SMM能够快速发现频繁项集并且具有很好地可扩展性能。     

基于矩阵遗传的传感器管理算法

针对传感器分配过程中出现的组合爆炸问题,以传感器管理中的分配矩阵作为种群中的个体,分配矩阵中的元素作为基因进行遗传,提出了一种基于矩阵遗传的传感器管理算法。仿真结果表明,采用矩阵遗传的传感器管理算法可以较好地解决传感器分配中的组合爆炸问题,可以使多传感器多目标跟踪取得较好的效果。     

基于网络编码的低信噪比多跳中继传输方案

针对传统的反馈机制在低信噪比多跳中继通信中时延较高的问题,提出了一种适用于低信噪比场景下多跳中继通信的编码传输方案.该方案在已构建的多跳中继模型上,通过马尔科夫链分析传输时间与编码参数的关系,并结合信道条件优化编码参数,以获取较短的传输时间.在编码参数的优化过程中,提出了"ε初始"搜索算法.该算法调整搜索的顺序,以提高...     

基于CUDA的矩阵乘法的并行实现

矩阵乘法是科学计算中常用的操作,高效的矩阵乘法运算可以提高许多应用的效率.本文主要讨论了如何在CUDA架构下实现高效的矩阵乘法并行运算.对于比较特殊的稀疏矩阵进行了特殊的处理,提出了相应的在CUDA架构下进行并行计算的方法.     

基于灰度共生矩阵的多尺度分块压缩感知算法

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法.该算法利用三级离散小波变换将图像分解为高频部分和低频部分.通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率.采用平滑投影Landweber算法重构图像,消除分块引起的块效应.对多种图...     

一种基于稀疏矩阵划分的个性化推荐算法

文章提出稀疏矩阵划分的思想,对资源评分矩阵进行划分,缩小近邻搜索的范围和需要预测的资源数目,减少数据稀疏性,提高了个性化推荐算法的可扩展性。另外,分别讨论了采取分类和聚类的方法对稀疏矩阵进行划分。实验结果表明：基于稀疏矩阵划分的个性化推荐算法在算法性能上优于传统协同过滤算法。     

一种基于离差矩阵控制的传感器管理算法

传感器管理是对系统中的传感器进行优化分配以实现目标跟踪性能的优化和系统资源的有效利用。针对跟踪多目标的传感器管理问题建立了传感器管理模型,提出了一种基于离差矩阵控制的多传感器与多目标分配算法。该算法把所有目标的离差矩阵大小的和作为优化的目标函数,能够使目标的跟踪精度尽量接近期望值。同时采用遗传算法来寻找使目标函数最优的传感器分配方案,提升了计算速度。仿真结果表明,该算法能够对多传感器与多目标进行有效的分配,既达到了期望的目标跟踪精度,又节约了系统资源。     

一种网络时延矩阵分布式自适应重建算法

该文基于互联网时延矩阵的近似稀疏性,通过给定重建矩阵的零范数先验估计,讨论了不完整时延矩阵在完全去中心化环境下的填充问题。首先,将该问题转化为一对耦合凸优化问题,并进行轮转求解;然后,针对次梯度下降求解算法中存在的计算代价过高与泛化能力不足的问题,提出了搜索上界倍增的自适应分布式矩阵重建(ADMC)算法,并引入不同的损失函数作为重建误差评价准则,以提升算法的适应能力。实验证明,在不增加测量与通信负载的前提下,ADMC能够在不损失精度的情况下显著降低计算代价,同时,多种损失函数的引入也提升了算法的鲁棒性。     

基于稀疏约束非负矩阵分解的人脸特征提取算法

非负矩阵分解(NMF)是最近流行的一种提取数据局部特征的算法,虽该算法已成功用于多种领域,但其并不能总是最好地表示局部特征。针对上述问题,文中在非负矩阵分解的同时加入稀疏的限制,并通过限制稀疏度从而提高局部特征的提取效果。通过在人脸图片上的实验可明显看出,加入稀疏限制的非负矩阵分解能更清楚地提取出所需的局部特征,以便于后续针对特征进行的各种工作。     

模拟半导体器件的一种稀疏矩阵及其算法

本文提出了一种用于半导体器件数值分析的新颖的稀疏矩阵技术及其算法实现。文中详述了该稀疏矩阵的存储方式及计算过程,并与现有的稀疏矩阵技术作了比较,说明该稀疏矩阵用于半导体器件模拟时可以大大减少存储量和节省运算时间,实施也非常方便。文中还给出用该稀疏矩阵技术完成的几个算法,并给出计算实例,以说明该稀疏矩阵技术所需的时空特性。     

一种基于二维链表的非规则稀疏矩阵类设计

本文介绍了二维链表描述非规则稀疏矩阵的方法。采用该方法可以大幅度减少存储空间，提高运算效率。     

基于概率稀疏随机矩阵的压缩数据收集方法

测量矩阵设计是应用压缩感知理论解决实际问题的关键。该文针对无线传感器网络压缩数据收集问题设计了一种概率稀疏随机矩阵。该矩阵可在减少参与投影值计算节点个数的同时,让参与投影值计算的节点分布集中化,从而降低数据收集的通信能耗。在此基础上,为提高网络数据重构精度,又提出一种适用于概率稀疏随机矩阵优化的测量矩阵优化算法。仿真实验结果表明,与稀疏随机矩阵和稀疏Toeplitz测量矩阵相比,采用优化的概率稀疏随机矩阵作为压缩数据收集的测量矩阵可显著降低通信能耗,且重构误差更小。     

遗传算法在矩阵置换对称性求解中的应用

对称性是减少问题的自由度的一个强有力的工具.但在实际的应用中,系统变换操作的总数目将随系统维数的增加而急剧上升,这给高维系统对称性的计算带来了极大的不便,从而使得对称性方法的应用受到了很大的限制.本文以全互连结构的神经网络为例,提出一种基于遗传算法的搜索方法,在对称群S_n中寻找网络的对称置换操作,给出了计算机上的模拟结果,并与传统的遍历搜索方法作比较,分析了各自的优缺点.结果表明,这种基于遗传算法的搜索方法能够在极短的时间内找到网络的大部分对称置换操作.这使得对称性方法在高维神经网络研究及设计中的应用成为可能.     

一种基于稀疏矩阵灵敏度计算的方法

本文建立了无需对电路进行任何预处理的稀疏矩阵电路方程.在此基础上推导出一种只需进行一次电路分析即可求得所有支路电流电压对电路参数的各阶灵敏度的递推方法,使计算机自动建立电路方程和高阶灵敏度求解的实现变得较为容易.对于采用其他方法建立的电路方程,只要其满足MX=b的形式且为线性的,就可以利用本文递推公式求灵敏度.该方法方便有效,易于编程,有一定的实用价值.     

一种基于FPGA的稀疏矩阵高效乘法器

基于稀疏矩阵的特点,提出了一种面向单精度浮点数的稀疏矩阵乘法硬件并行结构。该结构克服了通用矩阵乘法器在计算稀疏矩阵乘法过程中零值元素参与计算导致的运算效率较低和资源占用率较高的缺点。同时,设计的PE结构独立于运算对象,具有良好的扩展性。与其他学者的典型工作相比,该设计存储资源需求最低。实际测试结果表明,6维稀疏矩阵实例的计算性能达到107.73MFLOPS。