基于内存技术的比较排序算法

提出并实现了一种全新的比较排序算法——基于内存技术的比较排序算法 ( CSABMT) ,并用严格理论分析与实例证明 :该排序算法运行时间为 O( lg3 n) ,在大多数情况下都优于传统算法中的比较排序的最坏情况运行时间下界Ω( nlgn)。该算法是排序算法中的一个创新 。

二元相对比较排序迭代算法

绩效考核系统,人主动参与,反应被评者的真实水平,但较难获得精确的结果,其原因是绩效考核系统是模糊系统,需模糊数学的方法分析、处理系统中的模糊性,得到接近真实的一个结果。二元相对比较排序属于模糊排序,可用于选优、分等级等绩效考核。本文以二元相对比较排序理论为基础,得出1对1比较级、1对1相对函数和1对集合相对函数;在算法设计要求指导下,得到二元相对比较排序迭代算法,为软件设计打下基础。

二元相对比较排序迭代算法

绩效考核系统，人主动参与，反应被评者的真实水平，但较难获得精确的结果，其原因是绩效考核系统是模糊系统，需模糊数学的方法分析、处理系统中的模糊性，得到接近真实的一个结果。二元相对比较排序属于模糊排序，可用于选优、分等级等绩效考核。本文以二元相对比较排序理论为基础，得出1对1比较级、1对1相对函数和1对集合相对函数；在算法设计要求指导下，得到二元相对比较排序迭代算法，为软件设计打下基础。

用熵减小法研究比较排序的下界

本文采用熵减小判定树法研究比较排序问题。在阐述了比较排序问题与熵减小问题的等价性之后,证明了比较排序问题平均时间代价的下界不小于问题本身的熵。

排序算法的比较与选择研究

影响排序效率的因素有很多,首要因素是使用的算法;其次是为实现算法而进行的程序编制.算法时间复杂性的"O"表示法反映了渐近特性,但不能作为选择排序算法的唯一和最佳依据.本文指出了影响排序效率的各种因素,在实际中还需要根据这些因素选择不同的算法;文章还给出了几种排序程序的选择前提,分配排序的程序在执行时间上具有明显的优势.文章还给出了几种排序程序的实验数据,这些数据表明当待排序数据较多时,分配排序的程序在执行时间上具有明显的优势.

FPGA比较矩阵排序法及在中值滤波器中的应用

排序运算广泛应用在数字图像处理等实时性要求较高场合,硬件实现排序运算可提高逻辑运算速度。采用大规模集成电路构造一种硬件矩阵比较器,将输入数据按行列排列后进行比较,使第j行的比较输出结果相加,即可求取第j个输入数据在输入数据集合中的序列值。采用FPGA芯片构造多种排序器,最大延时均在几十ns量级,将排序器应用于构造一维和二维中值滤波器延时小于50ns。硬件矩阵比较器实现排序和滤波,原理简单,实时性好。

一种非比较分段排序算法的研究

非比较分段排序(简称NCSS)算法是建立在模仿人类思维方式基础上的一种非比较排序算法,算法分析和实验结果都表明:NCSS算法的时间复杂度和待排序数据分布无关,为O(N),而附加存储空间极小,排序速率明显优于QuickSort、ProportionSplit Sort、分段快速排序等算法。NCSS算法特别适合于数据量大的场合。

不确定群体决策的一种加权α-比较数排序法

给出了方案比较的新概念———模糊偏爱度及加权α -较多有效规则 ,并给出了在加权α -较多有效规则下个体择优集与群体择优集的关系 .基于可能度概念 ,提出了不确定群体决策的一种加权α -比较数排序法 .

实型数据的非比较分段排序算法

实型数据非比较分段排序算法 (简称RNCSS)是根据实型数据机内编码的特点提出来的一种快速非比较排序算法 ,文中给出了算法的分析和关键的源程序段。该算法的时间复杂度为 0 (N) ,且附加存储空间极小 。

常用内部排序算法的比较与选择

介绍了常用排序方法,比较了常用排序算法的异同,针对不同序列选择最佳排序方法,以提高程序运行的速度。

基于比较操作的排序方法的讨论

为了查找方便,通常希望计算机中的表是按关键字有序的,因为有序的顺序表可以采用查找效率较高的折半查找法查找,因此,研究各种排序方法是计算机工作者的重要课题之一。从基于比较操作的各种排序方法的具体实现算法、算法执行的效率等几个方面进行分析研究。最后提出了它们的共性,即基于比较操作的排序方法的分析与研究,主要是执行效率的研究。

加权α-比较数排序法在群决策中的应用

针对军事决策的群体性和模糊性,探索新的群决策方案优选方法。将区间数这一模糊概念与α-比较数排序法相结合,用区间数表示决策者对备选方案的模糊偏爱度,并结合决策者在决策群中的权重确定决策群对方案集的综合偏爱度,得到一种新的群决策方案排序模型,并通过算例验证了模型的准确性。该模型综合考虑了决策者在比较备选方案确定其偏爱度时的模糊性以及决策者的决策地位,能比较全面地反映军事群决策的特性,并且计算简便,便于指挥系统实时解算。

分档混合排序算法

对传统典型的几种排序算法 :直接比较排序、冒泡排序、快速排序、分档排序与基数排序的效率进行了全面的分析与比较 ,在此基础上提出了一种称之为分档混合排序算法的新的排序算法 。

对按位分段排序算法的研究

利用基数排序算法“分配”、“收集”的思想 ,以及二进制数据按位存贮的特征 ,改进出一种非比较排序算法———按位分段排序算法 ,并通过对该算法时间复杂度和空间复杂度的分析 。

排序算法的选择

影响排序效率的首要因素是算法,但算法时间复杂性的“O”表示法仅反映了渐近特性,不能作为依据来选择排序算法。本文指出了影响排序效率的一些其它因素,在实际中还需要根据这些因素选择不同的算法;文章还给出了几种排序程序的实验数据,这些数据表明当待排序数据较多时,分配排序的程序在执行时间上具有明显的优势。

链式插入排序算法分析

链式插入排序是建立在模仿人类思维方式基础上的一种非比较排序算法 ,与传统的以比较为基础的排序算法相比 ,速度极快 ,特别适合于数据量大的场合 .本文在分析链式插入排序算法的基础上 ,给出了具体的C程序实例 .

计算机程序语言中常用排序算法分析研究

从算法原理、算法步骤及算法核心代码三个方面分别介绍了计算机程序语言中常用的排序算法。通过对测试结果分析表明,快速排序算法在速度上占有优势但不稳定;堆算法在时间和空间复杂度上整体适中,但缺点是不稳定;归并算法在时间和空间上不占优势但却很稳定。

一种改进的计数排序算法

提出了一种新的计数排序算法,在保持排序稳定性的前提下,相比原始计数排序适用范围更广、拥有更好的时间和空间效率。此外,大量实验数据表明,算法在给定的任何数据规模下,时间效率均优于原始计数排序。当输入规模达到元素取值上限的1/10时,相比原始计数排序时间效率提高了51%,相比快速排序提高了39%;当输入规模与元素取值上限相等时,相比原始计数排序时间效率提高了67%,相比快速排序提高了71%。随着数据规模的增长,效率提高的越明显。

改进CLR的预测算法在铁路机车牵引系统故障维修中的应用

准确及时地预测机车系统故障是有效保障铁路运输安全与合理制定设备维护策略的关键。现有故障预测多集中于对特征数据的挖掘与分析。利用校准标签排名(CLR)结合自适应簇数的聚类算法对牵引系统故障类型进行预测,通过聚类获得故障类型深层特性,采用CLR算法从系统特征参数获取故障类型的相关性排名。通过加入人工校准标签来预测故障类型的相关性,同时减轻类不平衡问题的负面影响。相较于经典CLR算法,改进后的算法有一定幅度的性能提升。以牵引系统主变压器实际故障数据集为例,对冷凝器漏油、冷却风机异音等多种故障类型进行预测,结果表明:单个损失降低了78.8%,汉明损失提升了15.6%,故障维修方式预测准确率达96.4%,为设备故障预测性维护工作提供理论支撑。

基于各向异性热度扩散的主题检测方法

为规避审查,互联网中经常使用同音、形似、谐音等替代真实词汇谈论同一主题,需要有相应的表达、识别和检测机制。一个主题通常包含多个关键词,引入词网,根据相关词汇对主题进行索引。当一个词语被提及时,其所属的主题热度也相应增加,并增加与其相关联词语的出现频率和主题热度。引入各向异性扩散(anisotropic diffusion)方程作为热度扩散标准。实验结果表明,该检测方法所得结果与人工标注结果匹配度较高。