并行求解一类递推问题的二分法

本文讨论一类递推问题的并行算法,文中应用二分法构造了两种算法。     

二分法的一个难例

本文提出了O_n计数树的概念,并证明了O_n的计数树具有良好的性质。最后通过{O_n}这个实例证明了基于二分法所构造出的算法均具有指数型时间复杂度。     

求解非线性方程组的二分法

文中给出一种解非线性超越方程组的数值方法,先用二分法原理给出解一个一元方程的流程,继而利用这个流程给出解二元方程组的流程,再推广到N元的方程组中。在数值计算过程中,通过对超越方程组的一元化处理,便利用方程有根区间两端的函数值互为相反数这一特性便可得到方程根,拓展了数值计算的收敛区同,克服了传统拜法中初值难以确定的问题。在工程可靠度的计算中,采用本文方法具有独特的优势。     

Nutch0.9中二分法中文分词的实现

Nutch是一个优秀的基于Java的开放源码搜索引擎,是以Lucene为基础实现的搜索引擎应用程序,其工作流程和现代商业搜索引擎工作原理一样：文本搜集、建立索引和查询。Nutch0.9较好地处理了英文分词,但对中文分词处理还不够完善。文章介绍了在Nutch0.9中实现索引及检索的二分法,提出在中文分词上的改进。     

德尔菲法定量分析的拓展:区间二分法

对德尔菲法进行扩展,给出了一种新的方法:区间二分法.即将专家组的定量预测区间按分值大小排序后分为两个区间,再取均值,循环该过程到专家意见收敛到一个满意的预测区间,即为专家意见集成.     

利用抽水资料确定含水层参数的二分法

为了方便准确地利用非稳定流抽水资料确定含水层参数,根据目标函数最优值存在的条件,将最优化问题转化为一个一元非线性方程的求解问题.采用常用、简单、容易实现的二分法求其根,进而由求解结果求出含水层的水文地质参数.该方法克服了各种传统优化方法原理抽象、步骤繁杂及数值计算量大的缺点.最后通过实例分析发现,用该方法计算得到的水文地质参数与实测值十分接近.     

利用抽水资料确定含水层参数的二分法

为了方便准确地利用非稳定流抽水资料确定含水层参数,根据目标函数最优值存在的条件,将最优化问题转化为一个一元非线性方程的求解问题．采用常用、简单、容易实现的二分法求其根,进而由求解结果求出含水层的水文地质参数．该方法克服了各种传统优化方法原理抽象、步骤繁杂及数值计算量大的缺点．最后通过实例分析发现,用该方法计算得到的水文地质参数与实测值十分接近．     

基于奇偶二分法的并行Gauss消去回代过程的研究

本文以取Gauss消去法的回代过程即三角方程组的并行化为研究对象,重点研究了用基于奇偶二分法的并行算法来求解三角方程组。给出了二分法的矩阵表示形式,并举实例验证了该算法的高效性。     

指数型二分法的粗糙度估计与概周期解存在性

本文采用简单且完全不同于Ｃｏｐｐｅｌ的方法改进了Ｃｏｐｐｅｌ关于指数型二分法粗糙度的结果，讨论了普通型二分法与概周期解的关系。     

基于二分法迭代的频谱感知节能优化策略

针对认知无线电(CR)系统中频谱感知技术能量效率低的问题,提出了一种基于二分法迭代寻优的联合优化算法。该算法通过联合传输功率与感知时隙进行优化,最大化地提高了CR系统的能量效率,并且在针对优化参数ξ的寻优过程中,使用了二分法与迭代算法结合的寻优方法。通过理论分析,与其他类似算法相比,该算法的寻优速度更快,算法复杂度更低,函数收敛速度更快,实际应用的可扩展性更强。数值仿真分析结果表明,在保证检测性能的前提下,提出的算法能够很好地解决能效的最优化问题,在恒定检测概率Pd=0.9和Pd=0.7条件下,所提出算法的能耗开销均低于其他算法,在系统吞吐量中所提出算法均优于其他算法,为CR系统的发展提供了理论支撑,更加符合未来CR系统的节能发展方向。     

基于黄金分割二分法鞍点线抽样的可靠性分析

为解决非正态变量空间中复杂多变的隐式非线性功能函数的可靠性问题,融合鞍点估计与线抽样法的优点,结合二分法的特点与黄金分割法的求解效率,提出基于黄金分割二分法的鞍点线抽样法.在标准化变量空间中,沿重要线抽样方向,利用黄金分割点的二分法快速找到各样本点对应于功能函数的零点,从而可按照鞍点估计的思想将结构的失效概率转化为一系列线性功能函数失效概率的算术平均值.研究表明:基于黄金分割二分法的鞍点线抽样法在求解非正态变量空间中复杂多变的隐式非线性功能函数的结构可靠性时不仅精度高,而且速度快.     

圆度误差的二分法逼近搜索评定

结合圆度误差的定义及其几何特征,提出了一种新的圆度误差评定算法———圆度误差的二分法逼近搜索评定。首先,将被测圆轮廓上测量点的直角坐标数据转化为极坐标数据,分别以极角和极径为横、纵坐标轴建立新的坐标系,实现被测点的线性化处理,将圆度误差的求解问题转化为直线度误差的求解问题。然后,用二分法逼近搜索的方法,对转化后的直线度误差进行最小区域评定,从而实现了圆度误差的最小区域评定。阐述了圆度误差线性化处理的方法和二分法逼近搜索的原理及实现过程。实例验证结果表明:该算法可以有效、正确地评定圆度误差。     

基于位置参数二分法控制的信号稀疏分解

研究基于匹配追踪方法实现的信号稀疏分解算法。通过对信号稀疏分解中使用的过完备原子库的结构特性分析,找到中心位置,构造时频原子库,利用二分法控制中心位置参数,将信号快速稀疏分解,应用于基于中心位置参数的改进贪婪匹配追踪算法。该算法与匹配追踪相比,计算速度大约提高了36倍,降低了计算复杂度,提高了稀疏分解的精度。通过对仿真数据的处理验证了所提方法的可行性和有效性。     

美国公众民俗学的理论贡献与相关反思

公众民俗学是 2 0世纪中后期以来在美国民俗学界兴起的一个重要的分支学科 ,主要指的是对民俗加以展现或应用的实践活动 ,以及关于这种实践的理论探讨。从产生之后 ,它在民俗实践方面取得了丰硕的成就 ,与此相适应 ,关于它的理论总结和学术反思也日益丰富。它们不仅为公众民俗学的实践提供了更加深刻的理论指导 ,而且也进一步促进了整个美国民俗学理论的完善和发展     

基于二分法的局部常化单摆问题的N次延拓

通过引入二分法和残差,将近似求解单摆问题的局部常化法进行N次延拓,精确定量地求解N次常化系数,并利用残差比较了相关文献中的各个近似公式之间的精度．结果表明．通过二分法求得的一次常化系数优于文献给出的参考值且残差也能很好地反映各个近似解与精确解的偏离程度．     

二分法在确定地基承载力的强度折减法中的应用

介绍了二分法和强度折减法的基本原理,阐述了莫尔-库仑屈服准则等效转换.并结合有限元软件AN SY S具体叙述了二分法在确定地基承载力的强度折减法中的应用.     

基于明暗度分类和改进二分法的车牌字符分割

车牌字符分割易受到车牌倾斜及边界、杂点的干扰,致使复杂条件下的车牌图像分割准确率不高,针对该缺点提出一种鲁棒性强的分割算法。在车牌预处理阶段进行图像明暗度分类及灰度图增强,以此为基础进行倾斜校正及上下边界定位;在字符切分阶段采用改进二分法进行分割,之后对1,2,6,7四个字符实现了边界精确定位。实验表明,该算法实时性较好,能够有效克服车牌对比度不高、模糊、粘连和倾斜的缺点。     

LDPC码在基于类二分法SVM的MPPSK信号检测中的应用

为了降低基于多分类支持向量机(SVM)的多元位置相移键控(MPPSK)系统的信号检测复杂度,同时提升误码率性能,提出一种新的类似于二分法的SVM多分类方法.然后在此基础上引入LDPC信道编码,考虑到SVM输出转化为多进制后验概率的复杂性,采用简单的位比特翻转法进行LDPC译码,并利用一种进制转化机制简化多进制LDPC译码.结果显示,类二分法SVM判决方法可以有效降低多分类SVM检测算法的复杂度,且其检测性能相较于已有的MPPSK信号检测算法显著提升;所采用的进制转化机制实现了基于SVM多分类判决的MPPSK系统中的多进制LDPC编解码;引入LDPC编码以后,MPPSK信号性能进一步显著提升.     

浅析高校内部治理结构的完善——从政治行政二分法的角度

政治行政二分法本是行政学中的概念。用政治行政二分法探讨高校内部治理结构的完善,可以基本上回答清楚“由谁治校”“如何治校”等在大学治理的探究中所要遇到的重要问题,为我们探索高校改革中的“教授治校”“学生治校”与“去行政化”等命题时提供一个有意义的视角进行思考。     

基于像元二分法的白龙江流域植被覆盖度与滑坡时空格局分析

白龙江流域影响滑坡形成的主要因素包括地质构造、地形地貌、水文、气象、植被和人工干扰等,其中地表植被作为滑坡形成的主要外在因素对滑坡的形成和发展具有重要的作用,已引起学术界的广泛关注.以植被覆盖度为主要度量指标,选择2002,2005,2008,2011年4个时段的遥感NDV I值,在改进像元二分法的基础上,探讨了近10年来该流域地表植被覆盖度及其变化特征,并分析了其与滑坡点空间格局的关系.结果表明:该流域植被覆盖度总体变化微弱,但区域内部植被覆盖度变化具有明显的空间异质性,其中低覆盖区域覆盖度呈明显的增加趋势;而历年来,该流域植被覆盖度高的地区滑坡点密度均较低,滑坡点占总滑坡的20.6%,空间分布呈离散状态,而植被覆盖度低的地区滑坡密度较高,滑坡点占总滑坡的34.5%,空间分布主要呈聚集状态,说明白龙江流域植被覆盖度与滑坡点密度呈现负相关关系,植被覆盖度的高低是滑坡发生的一个主要影响因素.研究表明,近10年来,该流域低植被覆盖区域的植被覆盖度增加较快,说明在国家实施退耕还林还草政策后,该流域植被恢复较快,生态脆弱程度减轻,这将为地方防治滑坡灾害的发生起到积极的推动作用.本研究结论可为全流域制定宏观尺度上的滑坡生态防治策略提供科学依据.