并行层压缩树包分类算法

在层压缩树路由算法思想基础上提出了一种新的硬件包分类算法———并行层压缩树包分类算法.该算法是基于独立存储单元和多域并行处理并在FPGA内部实现的高速网络包分类算法,主要包括单通道并行搜索和多通道综合比较两大部分.仿真结果表明在40 MHz的搜索时钟频率下,该算法能够达到每秒2 M包头的处理速度,其空间性能明显优于其他算法,具有O(d)的时间复杂度(d为域的个数)和O(dN)的空间复杂度(N为规则数).

基于链路压缩树的网页相似度研究

大多网页都是基于服务器端模板生成的，所以在同一个站点经常看到很多外观相同内容相似的网页。HTML是一种半结构化的标记语言，每个HTML网页都对应一个DOM树结构。网页的相似性表现结构上就是结构相似性。研究网页结构相似性的方法有很多，本文从DOM树中的链路结构的角度来研究不同网页间的相似性，并提出了基于链路压缩树的结构相似度度量模型。本文中的计算方法都用Python语言实现。通过实验，本文使用多种方法对不同网页间的相似度进行了计算和分析，实验数据表明，基于链路压缩树的结构相似度度量模型具有较好的适用性，其速度是传统方法不可比拟的。

扩展压缩树算法——一种基于树型结构的快速路由查找算法

摘要随着近几年因特网上业务的飞速发展,基于第三层交换技术的路由器研究也有了很大的突破。基于硬件的快速路由查找技术是下一代路由器设计的核心技术之一。文章将讨论一种基于树型结构的IPv4快速路由查找算法,对这种算法的性能进行分析,提出算法本身存在的问题和性能上的不足,然后按照研究结果,提出了一种改进的算法———扩展压缩树算法。最后,将证明无论在性能和还是在可实现性上,扩展压缩树算法都比原算法有较大的提高。

层压缩树包分类算法研究

包分类技术是下一代网络设备的关键技术之一.研究有效的包分类算法是目前网络技术领域的热门课题.层压缩树包分类算法的基本思想是:对路径压缩之后的二叉树进行层压缩,使压缩树中的节点能够按序存储在数组中.通过对数组元素跳跃式的查找快速的对包头进行分类.仿真试验结果表明该算法在较大规则数下能够实现对包头的快速分类,分类速度可以达到每秒处理接近2M个包头,具有O(d)的时间复杂度(d为域的个数);在中等规模规则数下具有O(dN)的空间复杂度,并且其存储量优于其他算法(如Bitmap和区域分割包分类算法).由于层压缩树算法对包头的每个域独立查找,在硬件实现上采用并行查找各个域的处理方式将使该算法的查找性能得到更大的提高.

一种改进的XML压缩树索引技术

压缩树索引技术是XML数据压缩的热点问题之一,本文提出一种压缩树索引改进方法。针对压缩树在查询过程中不能很好的解决向上匹配与向下匹配的问题,改进方法引入正排索引和倒排索引。当查询到组一级时,利用正排索引可以快速的查找出以该组为父节点的子组。而选出符合值谓词的元素后,在进行向上匹配时利用倒排索引可找出该元素的父节点。新的索引方法在保留原压缩树索引优点的基础上,解决了压缩树索引在查询过程中匹配问题。

基于压缩树的快速求核算法

利用差别矩阵进行求核运算时,矩阵中大量的空元素和重复差别元素会浪费很多存储空间及计算时间。针对上述问题,结合频繁模式树,设计一种新的数据结构——压缩树(C_Tree),在此基础上提出一种快速求核算法。理论与实例分析结果证明,该算法的时空复杂度取决于求简化决策表和构造C_Tree的时空复杂度,因此求核效率得到较大的提高。

基于压缩FP-树和数组技术的频繁模式挖掘算法

FP-growth算法是目前较高效的频繁模式挖掘算法之一.它只需扫描数据库两次,而且不需要产生和测试候选集,避免了这些费时的工作,因此该算法具有较高的效率.然而,FP-growth算法需要递归地生成大量的条件FP-树,这耗费了大量的存储空间和时间.综合已有的几项优势技术,提出了一种频繁模式挖掘算法CFPmine.一是采用了基于压缩FP-树的约束子树的挖掘方法,避免在挖掘过程中生成条件FP-树,减少内存占用;二是采用基于数组的技术,减少FP-树的遍历时间,提高算法的效率.另外,在算法中还实现了统一的内存管理.实验结果表明,CFPmine是一个高效的频繁模式挖掘算法,其性能优于Apriori,Eclat和FP-growth算法,而需要的内存却少于FP-growth算法.

基于非压缩后缀树的在线PPM预测模型

PPM模型适合预测用户的下一个请求,但已有的PPM模型不具备在线性,更新通过重构来实现,不能满足实时更新的要求。该文提出基于非压缩后缀树的在线PPM预测模型,采用非压缩后缀树实现增量式在线更新,提高了模型的更新速度。该模型的优点是具备在线性。

带噪图像的小波零树压缩研究

小波零树编码是一种高效的图像压缩编码方法 ,是目前图像压缩领域中的研究热点。主要讨论在小波域的图像去噪问题 ,而且结合SPIHT算法讨论了如何将图像小波域的去噪与图像压缩编码结合起来 ,并进一步提出了各种小波零树算法在处理带噪图像时的顽健性问题。

嵌入式小波零树压缩算法的基本原理

数据(图像)压缩是数据存储和传输的重要手段之一。在简述数据压缩方法分类和几种常用压缩方法的基础上,重点讨论嵌入式小波零树图像压缩算法的特点、方法步骤和基本原理,并用实例介绍该方法的数据压缩效果。总结了小波分析在地球物理勘探中的应用状况,展望了小波分析的应用前景和未来的潜在应用领域。

压缩金字塔树:有效的高维数据索引结构

提出了一种压缩金字塔树,基本思想是,首先将d维数据空间划分为2d个金字塔,由于在低维空间中无效的信息在高维数据空间中往往无效,采用γ划分策略对低维空间中的数据进行压缩,减小索引结构,解决了金字塔技术的缺点,给出了压缩金字塔树的插入、查询、删除算法。最后经实验证明,压缩金字塔树是一种有效的空间划分策略,在高维稀疏空间有良好的性能。

基于图像边缘度的零树压缩最优分解层的选择

在研究零树图像编码方案的基础上,分析了被压缩图像的空间冗余度(称为图像边缘度)与零树压缩结果的关系,提出了零树压缩存在小波最优分解层的概念,给出了不同压缩比、不同小波分解层与不同类型图像的零树压缩结果的关系,并对相应的压缩时间进行了分析。综合实验结果表明:在进行高比特率压缩时,提倡采用三层小波分解;而进行低比特率压缩时,应采用四层小波分解。这一结论可作为进一步研究具有自适应能力的改进零树算法的基础。

基于小波分析的嵌入零树静态图像压缩方法

图像编码技术是多媒体系统的关键技术之一。本文分析了基于小波变换的嵌入零树编码方法的基本原理及该方法的不足 ,并针对这些不足提出相应的改进措施。实验表明 ,通过改进 ,缩短了编码时间 ,提高了压缩比。

一种wallace树压缩器硬件结构的实现

设计了一种用于32位浮点乘法器尾数乘部分的wallace树压缩器的硬件结构实现方法,通过3-2和4-2压缩的混合搭配,构成一种新的wallace树压缩器,采用verilog硬件描述语言实现RTL级代码的编写,并使用VCS进行功能仿真,然后在SMIC0.13μm的工艺下,用synopsys DC进行逻辑综合、优化。结果表明,这种压缩器在部分积的压缩过程中,有效地提高了运算速度,并在很大程度上减小了硬件实现面积。

一种基于压缩前缀树的频繁模式挖掘算法

针对FP-growth算法存在动态维护复杂、在挖掘过程中需要递归地创建大量的条件频繁模式树,导致时空效率不高等不足,本算法在压缩前缀树的基础上,通过调整树中节点信息和节点链,采用深度优先的策略挖掘频繁模式,无需任何附加的数据结构,极大地减少了系统资源的消耗,减少树的规模和遍历次数,挖掘效率大大提高。

基本树空间响应压缩器的优化设计

传统的基本树空间压缩器是一种零混叠的空间压缩器结构,其中AND,OR,NAND和NOR被用来压缩被测电路的输出端.但是,由于在传统的基本树空间压缩器中没使用XOR结构,这将导致压缩率在某些条件下恶化.为了提高传统的基本树空间压缩器的压缩率,提出了一种改进的基本树空间压缩器结构.改进的基本树空间压缩器将引入XOR门来提高基本树空间压缩器的压缩率,除此之外,还提出了一种简单的基于故障仿真的综合算法来设计改进的基本树空间压缩器结构.针对ISCAS89实验电路的实验结果表明,改进的基本树空间压缩器结构需要更少的硬件开销,能够获得更高的压缩效率.

基于有序树的不确定数据最大频繁项挖掘算法

针对UF-tree中项集存在的数据和路径冗余的问题,设计了有序的压缩不确定树SCUF-tree,在节点中存储元素的不同支持度,达到压缩存储空间和方便移植已有的确定数据最大频繁项集算法的目的。结合最大频繁项集挖掘算法MMFI的设计思想,提出了一种挖掘不确定最大频繁项集算法UMMFI算法,并采取逐层逐个的NBN策略挖掘不确定最大频繁项集。实验结果表明,UMMFI算法具有较好的时空效益和适应性。

基于小波变换的图像压缩

给出了使用二维小波变换进行图像压缩的原理和实例。提出了结合小波变换零树压缩和量化编码的新方法。小波分解后,仅保留图像最有用的部分,即低频成分,对三个高频部分强制为0,然后再对低频部分量化编码。该方法简便易行,压缩比高,效果极显著。

基于WM-CoSaMP重构算法的压缩感知在步态识别中的应用研究

针对步态识别中步态特征提取高维处理的复杂性,在研究压缩感知理论的基础上,提出将压缩感知理论应用于步态识别中的步态特征提取方面。在充分利用步态图像稀疏性的前提下,利用观测矩阵对步态图像进行投影观测,得到的观测值作为步态特征用于步态识别中,实现了特征提取的降维处理,大大降低了计算的复杂性。在步态图像的重构方面,在压缩采样匹配追踪(CoSaMP)的基础上,提出了基于小波树模型的压缩采样匹配(wavelet model-CoSaMP,WM-CoSaMP)的重构算法,进一步提高了重构精度。通过对比实验,验证了WM-CoSaMP重构算法的优越性,以及压缩感知在步态特征提取方面的优越性。

压缩FP-Tree的改进搜索算法

为克服Apriori算法候选频繁项集的支持数计算效率过低和频繁模式增长算法FP-Growth多次建立条件模式树时内存耗费大的问题,提出基于压缩频繁模式树(CFP-Tree)的改进搜索算法(MCFP-Tree)。利用Apriori算法候选项集生成的思想和压缩频繁模式树紧凑的数据结构,采用自底向上的搜索策略,快速挖掘压缩频繁模式树及其子树,更快得到候选项集的支持数。实验结果表明,该算法可以高效计算出候选频繁项集出现的频次,挖掘效率明显优于Apriori和FPGrowth算法。