预抽取相对较近边界向量的选块算法

利用支持向量机中支持向量的稀疏性和支持向量分布于分划超平面周围的性质,该文提出了一种预抽取相对较近边界向量的选块算法的新算法,该算法减少了普通选块算法的迭代次数和提高了仅依靠相对较近边界向量的准确率,从而大大加快了支持向量机的训练速度,且支持向量机的分类能力不受任何影响。

广义Hermitian特征问题标准化转换的有效并行块算法

广义Hermitian特征问题并行求解器的性能依赖于所选择的并行算法和矩阵的分布策略等诸多方面.基于块存储和快算法策略,提出了一个新的标准化转化的并行算法,该并行算法将Cholesky分解结合到广义特征问题标准化转换中,降低了已有并行算法的通信开销,并增加了算法的并行性.新算法可显著改善已有并行算法的性能和可扩展性.另外给出了一个有效求解具有多个右端项的三角矩阵方程AX=B的并行块算法.通过自主开发的特征问题并行软件包PSEPS的测试结果表明,并行算法比传统的并行算法快大约1倍,并具有较好的可扩展性.

基于重复抽样Bootstrap方法的移动数据块算法的研究

运用排列法的移动数据块算法,使得原始样本的样本点在整个自助法样本中出现的频率达到相等,从而提高了基于移动数据块算法的统计量的精确性。通过与一般自助法,平稳移动数据块算法的蒙特卡罗数值模拟,比较了这三种方法的优劣性。

对称矩阵三对角化的有效并行块算法设计

在矩阵数值计算中,块算法通常比非块算法更有效,但这也增加了并行算法设计和实现的难度．在广义稠密对称矩阵特征问题并行求解器中,并行块算法的构造可应用到正定对称矩阵的Choleski分解、对称矩阵的三对角化和回代转化(back-transiation)操作中．本文将并行块算法的讨论集中在具有代表性的对称矩阵三对角化上,给出在非块存储方式下对称矩阵三对角化的并行块算法设计方法．分析块算法大小同矩阵规模和处理器数量的关系．在深腾6800上的试验表明,我们的算法具有很好的性能,并得到了比ScaLAPACK更高的性能．

基于块和分解的改进的支持向量机算法

针对块算法和分解算法各自的特点,提出一种对一个样本点集合同时进行块算法和分解算法的算法,即对一个数据集合同时进行两个优化的方法,控制了块算法的工作集的规模,加快了分解算法的收敛速度。

一种改进的三步搜索块运动估计算法

针对目前块运动估计的三步搜索法和新三步搜索法在搜索时容易陷入局部最小的问题,提出了一种改进的三步搜索法.该算法在三步搜索法的基础上,设计了新的大小菱形综合搜索模板,采取了自适应选择模板的搜索策略,减小了搜索时陷入局部最小的概率,提高了运动估计精度且降低了计算复杂度.模拟实验结果表明,该算法与原三步搜索法相比,运动估计的均方误差更小(降低了0.7)且计算复杂度减小了10%以上.

一种基于三角网扩张法的Delaunay三角网逐块归并算法

本文中提出一种基于三角网扩张法的不规则三角网的逐块归并算法,它采用按横向或纵向对离散点集切割分块,对各子块用三角网扩张法构建Delaunay三角网,最后用三角网扩张法依次将相邻的子网合并。该算法采用的子集分块的做法使构网时的搜索范围减小,在数据量较大时避免了计算时间随点数的指数次增加,同时在构网时也能保证三角形邻接关系的正确维护。

块运动估计中具有可扩展性的高精度三步搜索算法

由于基于块匹配的快速运动搜索算法中三步法的小运动估计效果较差 ,使其运动估计精度明显下降 ,还导致三步法缺乏良好的扩展性 .因此对三步法进行了改进 ,即在前两步总是将搜索步长减半继续搜索 .模拟结果表明 ,改进后的新三步法同时解决了运动估计精度下降和可扩展性问题 ,且新算法与原三步法在“最坏情形”下计算复杂度是相同的 ,保持了原三步法的高效率 .

一种改进的完全搜索块匹配算法

完全搜索块匹配算法是图像序列稳定中常用的运动估计方法,在传统的完全搜索块匹配算法中,在搜索区域中图像序列的当前帧和参考帧对应的像素对对匹配结果的贡献是完全一样的,这样使得算法的性能容易受到待稳定的图像序列中各种噪声的影响。针对这个不足,提出了一种改进的完全搜索块匹配算法。在新的匹配准则中,搜索区域中图像序列的当前帧和参考帧对应的像素对对匹配结果是否有贡献取决于它们灰度值之差的绝对值与预先设定的门限值进行大小比较的结果,对应的灰度值之差的绝对值不超过该门限值的像素对对匹配结果有贡献,而且贡献大小受到与像素对位置相关的加权处理,否则该像素对对匹配结果无贡献。实验结果证明了该算法的优越性。

基于块金字塔的快速块匹配算法

在运动图象编码中,块匹配技术有着非常广泛的应用。在众多的匹配算法中,金字塔算法(block sum pyramid algorithm,BSPA)由于速度较快、算法比较简单而得到了广泛的应用。在金字塔算法的基础上,本文提出一种新的基于块金字塔的块匹配算法(NBSPA)。算法采用了预测初始中心,行更新等技术,实验结果表明,新的算法有效地降低了运算量。

基于快速块LMS算法的统一电能质量调节器谐波电流预测方法

本文提出了一种基于快速块LMS算法的统一电能质量调节器谐波电流预测方法。该方法将FFT变换运用到LMS算法中,采用重叠存储方法,在滤波器权值更新时进行块处理。分广义平稳和广义非平稳两种情况,对每个可调权值赋予不同的步长。在t时刻预测出t+2时刻受控量与参考量之间的差值,通过选择t+1时刻的控制策略和利用快速块LMS算法使得该差值最小。仿真结果表明了该方法的正确性和可行性。

几种块匹配运动估计算法的比较

在序列图像中 ,相继帧间存在着很大的空间冗余度 ,运动估计可以去除相继帧间的冗余信息 ,保留相关有效信息。在多种运动估计算法中 ,简单、有效的块匹配算法得到了广泛的应用。通过使用常用序列 ,对各种块匹配算法 (BMA)进行测试比较 。

适于大规模数据集的块增量学习算法：BISVM

对支持向量机的大规模训练问题进行了深入研究,提出一种类似SMO的块增量算法。该算法利用increase和decrease两个过程依次对每个输入数据块进行学习,避免了传统支持向量机学习算法在大规模数据集情况下急剧增大的计算开销。理论分析表明新算法能够收敛到近似最优解。基于KDD数据集的实验结果表明,该算法能够获得接近线性的训练速率,且泛化性能和支持向量数目与LIBSVM方法的结果接近。

子块重叠局部直方图均衡算法的优化研究

子块重叠局部直方图均衡算法是一种有效的图像细节增强算法,它将大幅红外图像分解为多个小幅图像,并对每个小幅图像进行单独的直方图增强,然后通过"叠加"等处理,解决不同局部模块直方图增强后的"块效应",提高整体视觉效果。由于要对每一个小幅图像进行单独处理,因此需要完成的运算量大,处理时间长。通过研究子块重叠局部直方图均衡算法的优化处理,来减少算法的处理时间,提高算法的工作效率。

多解析度自适应零块判决算法

在视频会议等应用中,视频编码的速度是保证系统实时性的关键.为了减小视频编码的运算量并提高系统的整体性能,提出了多解析度的自适应零块发现判决算法.多解析度通过对图像的子采样从而大幅度降低了搜索最佳匹配块的次数;而自适应的零块判决算法使得运动搜索速度收敛的更快,在不影响图像质量的前提下提高了编码的效率,并且减少了后续模块(DCT、量化等)所占用的时间.利用H.263算法进行了测试,结果显示在图像主客观质量基本不变的前提下,编码时间最多减少了近40％.

快速而有效的块运动估计算法

为了提高基于块匹配的运动估计的速度和精度 ,提出了一种带中心偏置点检测模式的自适应快速块运动估计算法 .该算法根据图像序列的运动向量基于中心偏置分布的特点和相邻块运动向量间的高度相关性 ,依据块的不同运动内容来确定其搜索起点、搜索范围和搜索策略 ,从而实现块运动向量的快速而有效地估计 .同时 ,对于大运动块 ,采用了多候选者方式 ,进一步提高了搜索精度 .实验结果表明 ,该算法的搜索速度接近 N3SS,N4SS,而搜索精度比它们高 ,与 HSS相似 ,接近 FSBM.

基于Hénon映射的块加密算法

利用Hénon映射,提出了一个使用多动态S-box的块加密算法。使用Hénon映射,生成多个动态S-box,对各个数据块加密、解密时,按照一定规则选择其中一个变换函数(S-box)。对文本、图像、音频等不同格式的文件进行了加密与解密处理,分析了密码系统的安全性。实验表明,算法具有较高的安全性,加密速度较快,且对差分和线性密码攻击具有较强的抵抗能力。

一种改进的快速块匹配运动估计算法

为了提高运动向量估计算法的速度和精度,提出了一种改进的快速块匹配运动估计算法:依据之前宏块的运动向量,估计当前宏块各可能的运动向量对应的概率值,组成和搜索窗口同样大小的概率矩阵,并根据概率大小限制搜索的次数。仿真结果表明:与标准菱形搜索法相比,在精度略有提高的同时,有效的提高了搜索效率。

基于空间相关预测的快速块匹配运动估计算法

为了提高自适应十字搜索(adaptive rood pattern search,ARPS)算法中运动估计的速度和准确性,提出一种基于空间相关预测的快速块匹配运动估计算法.根据块匹配度量准则,将邻域块中与当前块相似度最高和次高的两个运动向量(motion vector,MV)的均值作为当前块的预测MV,改进了传统ARPS算法的固定单块预测模式,增强了起始搜索中心位置的预测,减小了由于运动变化而引起的预测误差.实验结果表明所提算法与ARPS和其他标准快速块匹配运动估计方法相比,有效地减少了计算复杂度,提高了配准精度.

自适应块匹配搜索算法研究

为从视频序列提取运动矢量,进行有效的视频检索,对现存的运动特征的提取算法存在的问题进行了分析,提出了基于自适应块匹配搜索的全局运动特征提取方法。实验表明该算法在大大提高搜索速度的同时,能够获得几乎与全搜索算法相同的峰值信噪比(PSNR)。