矩阵分块

摘要： 针对大规模多输入多输出(MIMO)系统中线性最小均方误差(MMSE)信号检测算法复杂的高维矩阵求逆难以用于实际工程的问题,文章基于矩阵分块思想并结合Neumann级数展开算法,提出了一种低复杂度的混合迭代算法。利用MMSE算法中加权矩阵逆矩阵的Neumann级数二阶展开作为其分块矩阵求逆的迭代初始值,可以有效提高算法收敛速度。仿真结果表明,该方法能以较少迭代次数逼近传统MMSE算法较优检测性能,并降低计算复杂度。

摘要： 为了研究矩阵分块方法在协方差矩阵中的应用,论文介绍了协方差矩阵的基本性质及正态分布随机变量的协方差矩阵的分块特征,并结合矩阵分解和矩阵广义逆给出矩阵分块方法在协方差矩阵估计中的应用。

摘要： 为了研究矩阵分块方法在协方差矩阵中的应用,论文介绍了协方差矩阵的基本性质及正态分布随机变量的协方差矩阵的分块特征,并结合矩阵分解和矩阵广义逆给出矩阵分块方法在协方差矩阵估计中的应用.

摘要： 文中讨论用初等矩阵技术选用部分主元素的Gauss消去法将A0约化变换为Hessenberg矩阵,为使数值具有稳定性,重视如何交换的本质性基础问题.首先简述概括了约化方法的矩阵算式;其次明确了递推约化运算规则式子形成的推演依据;然后重点详述展开约化方法的递推运算完全步骤和逻辑实现,清楚表述最后约化结果与矩阵算式准确计算结果一致事实;最后给出数值实例验证结论,约化方法基于充分计算依据并实际紧凑可行.

摘要： 王盼老师的矩阵分块法微课,是以经管类线性代数第二章第四节的教学内容为基础,培养学生的分块和化整为零的思想为目标,以矩阵的概念、矩阵的运算、逆矩阵、伴随矩阵等基础内容为出发点,通过现实生活情境的引入,激发学生的学习兴趣和积极性,同时使学生了解分块的思想,进一步导出矩阵分块法的概念。

摘要： 文中讨论用初等矩阵技术选用部分主元素的Gauss消去法将A0约化变换为Hessenberg矩阵,为使数值具有稳定性,重视如何交换的本质性基础问题。首先简述概括了约化方法的矩阵算式;其次明确了递推约化运算规则式子形成的推演依据;然后重点详述展开约化方法的递推运算完全步骤和逻辑实现,清楚表述最后约化结果与矩阵算式准确计算结果一致事实;最后给出数值实例验证结论,约化方法基于充分计算依据并实际紧凑可行。

摘要： 为了提升基于分块离散余弦变换(Discrete Cosine Transform,DCT)的信息隐藏容量,提出了一种基于进制转换的思想来提升秘密信息隐藏容量.该算法是针对秘密信息进行研究,将原本的二值信息进行进制转换,对秘密信息进行数据压缩,进而提升数据隐藏的容量.通过实验仿真,结果表明,载体像素大小为512×512的灰度图像的容量为原来隐藏容量的2倍,提取的秘密信息归一化系数为0.997.

摘要： 大数据时代对信息检索效率提出了愈来愈高的要求.结合矩阵分块实现并行计算是提高PageRank检索效率的常用方法,但分块规则不理想时,分块后的并行计算将较为复杂,影响信息检索效率.提出一种基于最小分块,采用MapReduce框架实现PageRank算法的方法.实质是将结果矩阵中每次计算所需的元素作为最小分块,使用MapReduce并行框架分块存储计算.由于分块简单,计算所需分块在本地存储,减少了I/O传输开销.实验环境采用Hadoop平台,通过筛选和抽样方法,形成数据规模和稀疏度不同的实验矩阵,实验表明实现方法提高了PageRank算法的计算效率,从而奠定了改善信息检索效率的基础.

摘要： ARMV8架构是最新一代的ARM架构,它加入了64位和32位执行状态,可以设计更高性能的处理器实现方案.FFT(快速傅里叶变换)是用于计算离散傅里叶变换(DFT)或其逆运算的快速算法,它广泛应用于工程,科学和数学计算.到目前为止,鲜有基于ARM平台的高性能FFT算法的实现和优化,然而,随着ARM V8处理器应用的日益广泛,研究FFT算法在ARM平台上高性能实现日益重要.本文在ARMV8平台上实现和优化了一个高性能的二维FFT算法库:PerffFT,通过FFT蝶形的计算优化、SIMD优化、汇编与寄存器使用优化、小规模输入的特殊优化、内存对齐、Cache-aware的分块算法和高效转置等优化方法的应用,大大提升了FFT算法的性能.实验结果表明,PerffTT相比目前应用最为广泛的开源FFT库FFTW3.3.6实现了10％～216％的性能提升,而相比ARM高性能商业库ARM Performance Library实现了13％～44％的性能提升.

摘要： ARMV8架构是最新一代的ARM架构,它加入了64位和32位执行状态,可以设计更高性能的处理器实现方案.FFT(快速傅里叶变换)是用于计算离散傅里叶变换(DFT)或其逆运算的快速算法,它广泛应用于工程,科学和数学计算.到目前为止,鲜有基于ARM平台的高性能FFT算法的实现和优化,然而,随着ARM V8处理器应用的日益广泛,研究FFT算法在ARM平台上高性能实现日益重要.本文在ARMV8平台上实现和优化了一个高性能的二维FFT算法库:PerffFT,通过FFT蝶形的计算优化、SIMD优化、汇编与寄存器使用优化、小规模输入的特殊优化、内存对齐、Cache-aware的分块算法和高效转置等优化方法的应用,大大提升了FFT算法的性能.实验结果表明,PerffTT相比目前应用最为广泛的开源FFT库FFTW3.3.6实现了10％～216％的性能提升,而相比ARM高性能商业库ARM Performance Library实现了13％～44％的性能提升.

摘要： ARMV8架构是最新一代的ARM架构,它加入了64位和32位执行状态,可以设计更高性能的处理器实现方案.FFT(快速傅里叶变换)是用于计算离散傅里叶变换(DFT)或其逆运算的快速算法,它广泛应用于工程,科学和数学计算.到目前为止,鲜有基于ARM平台的高性能FFT算法的实现和优化,然而,随着ARM V8处理器应用的日益广泛,研究FFT算法在ARM平台上高性能实现日益重要.本文在ARMV8平台上实现和优化了一个高性能的二维FFT算法库:PerffFT,通过FFT蝶形的计算优化、SIMD优化、汇编与寄存器使用优化、小规模输入的特殊优化、内存对齐、Cache-aware的分块算法和高效转置等优化方法的应用,大大提升了FFT算法的性能.实验结果表明,PerffTT相比目前应用最为广泛的开源FFT库FFTW3.3.6实现了10％～216％的性能提升,而相比ARM高性能商业库ARM Performance Library实现了13％～44％的性能提升.

摘要： ARMV8架构是最新一代的ARM架构,它加入了64位和32位执行状态,可以设计更高性能的处理器实现方案.FFT(快速傅里叶变换)是用于计算离散傅里叶变换(DFT)或其逆运算的快速算法,它广泛应用于工程,科学和数学计算.到目前为止,鲜有基于ARM平台的高性能FFT算法的实现和优化,然而,随着ARM V8处理器应用的日益广泛,研究FFT算法在ARM平台上高性能实现日益重要.本文在ARMV8平台上实现和优化了一个高性能的二维FFT算法库:PerffFT,通过FFT蝶形的计算优化、SIMD优化、汇编与寄存器使用优化、小规模输入的特殊优化、内存对齐、Cache-aware的分块算法和高效转置等优化方法的应用,大大提升了FFT算法的性能.实验结果表明,PerffTT相比目前应用最为广泛的开源FFT库FFTW3.3.6实现了10％～216％的性能提升,而相比ARM高性能商业库ARM Performance Library实现了13％～44％的性能提升.

摘要： ARMV8架构是最新一代的ARM架构,它加入了64位和32位执行状态,可以设计更高性能的处理器实现方案.FFT(快速傅里叶变换)是用于计算离散傅里叶变换(DFT)或其逆运算的快速算法,它广泛应用于工程,科学和数学计算.到目前为止,鲜有基于ARM平台的高性能FFT算法的实现和优化,然而,随着ARM V8处理器应用的日益广泛,研究FFT算法在ARM平台上高性能实现日益重要.本文在ARMV8平台上实现和优化了一个高性能的二维FFT算法库:PerffFT,通过FFT蝶形的计算优化、SIMD优化、汇编与寄存器使用优化、小规模输入的特殊优化、内存对齐、Cache-aware的分块算法和高效转置等优化方法的应用,大大提升了FFT算法的性能.实验结果表明,PerffTT相比目前应用最为广泛的开源FFT库FFTW3.3.6实现了10％～216％的性能提升,而相比ARM高性能商业库ARM Performance Library实现了13％～44％的性能提升.

摘要： 给出了一种适应并行处理要求的实部正定矩阵的判定方法,并给出了这种具有广泛应用价值的判定方法的相应算法.使用此方法可以对任意阶的矩阵进行判定.

摘要： 给出了一种适应并行处理要求的实部正定矩阵的判定方法,并给出了这种具有广泛应用价值的判定方法的相应算法.使用此方法可以对任意阶的矩阵进行判定.

摘要： 给出了一种适应并行处理要求的实部正定矩阵的判定方法,并给出了这种具有广泛应用价值的判定方法的相应算法.使用此方法可以对任意阶的矩阵进行判定.

摘要： 给出了一种适应并行处理要求的实部正定矩阵的判定方法,并给出了这种具有广泛应用价值的判定方法的相应算法.使用此方法可以对任意阶的矩阵进行判定.

摘要： 一种电路仿真中的分块矩阵存储方法，包括以下步骤：将每个子电路的节点重新编号和排序，建立节点的子矩阵；根据器件所属的子电路和端口在子电路中的节点编号，在对应的子矩阵中标记非零元位置；计算出每一个子矩阵的舒尔补矩阵并进行合并，生成顶层矩阵。本发明的电路仿真中的分块矩阵存储方法，通过对电路方程组的系数矩阵进行分块，使后续的矩阵计算，包括矩阵分解和回代求解，能够并行的进行，提升了计算效率。

摘要： 本申请涉及一种分块式指示灯矩阵的控制方法、系统和分块式指示灯矩阵，其中，所述控制方法包括：通过行引脚和第一列引脚，控制第一指示灯的显示调节；通过行引脚和第二列引脚，控制第二指示灯的显示调节；其中，第一指示灯由行引脚和第一列引脚共同供电，且第二指示灯由行引脚和第二列引脚共同供电；该分块式指示灯矩阵包括第一矩阵和第二矩阵；该第一矩阵的第一单行灯光条上设置有第一指示灯，且该第二矩阵的第二单行灯光条上设置有第二指示灯；第一矩阵中各行之间通过第一连接件连接，且第二矩阵中各行之间通过第二连接件连接；通过本申请，解决了分块式指示灯矩阵的控制成本高的问题，实现了分块式指示灯矩阵的分块控制。

摘要： 本发明提供一种基于矩阵分解的迭代分块矩阵补全的细胞类型分类方法及系统，通过获取单细胞测序数据，计算基因表达矩阵中每个基因出现的频次并排序；按列进行切分；对切分后的每个分块矩阵使用低秩矩阵分解算法；将分解获得的迭代矩阵和原分块矩阵进行比较，对非零点保持不变，保留生物零点不进行补全，在该零点不是生物零点时进行替换补全，获得除生物零点外补全后的分块基因表达矩阵；拼接合成完整矩阵；构建分类模型，输入的单细胞补全后的完整基因表达矩阵数据后，得到预测的细胞类型；本发明补全后基因表达矩阵的分类性能具有显著提高，有利于对测序数据细胞类型的识别，无需借助太多生物学相关的先验知识，能够获得更高精度的分类结果。

摘要： 基于随机重排分块矩阵加密的射频识别数据安全认证方法及系统，阅读器生成随机数，计算消息A并连同随机数发送给标签；标签收到消息后解密阅读器标识，生成随机数，计算消息B、C、D发给阅读器；阅读器收到后解密标签标识，计算消息E、F、G，连同随机数和标签的消息D发给边缘服务器；边缘服务器对标签和阅读器进行验证，验证通过，边缘服务器生成随机数，更新标签密钥和阅读器密钥，生成消息H、M、N发给阅读器；阅读器对边缘服务器验证，验证成功，阅读器更新密钥，计算消息P和Q，连同消息N发给标签；标签对阅读器和边缘服务器验证，验证成功，标签更新存储的密钥信息；本发明抵抗去同步攻击和拒绝服务攻击，减少标签的存储空间成本。

摘要： 本申请涉及一种分块式指示灯矩阵和分块式指示灯矩阵的控制系统，其中，分块式指示灯矩阵包括：第一矩阵、第二矩阵和控制装置；第一矩阵上设置有第一指示灯，第一指示灯由行引脚和第一列引脚供电；第二矩阵上设置有第二指示灯，第二指示灯由行引脚和第二列引脚供电；第一矩阵中各行之间通过第一连接件连接，第二矩阵中各行之间通过第二连接件连接；控制装置与主机进行通讯；其中，主机通过上位机信号指示控制装置；控制装置根据上位机信号，通过行引脚和第一列引脚控制行指示灯的显示调节，并通过行引脚和第二列引脚控制列指示灯的显示调节；通过本申请，解决了分块式指示灯矩阵的控制成本高的问题，实现了分块式指示灯矩阵的分块控制。

摘要： 本发明涉及一种基于矩阵分块的残缺汉字识别方法，属于汉语信息处理技术领域。本发明通过TTC字体文件提取汉字图像，对图像矩阵进行灰度二值化处理后将其分为四块，按要求依次生成其纵向特征向量及横向特征向量，并进行连接合并处理后得到特征向量，建立汉字特征数据库，对任意待检测残缺汉字通过现代扫描技术及汉字形状特征转化为图像，对其进行特定的灰度化、二值化处理后提取汉字特征并生成纵向特征向量及横向特征向量，进行连接合并处理后得到特征向量，与数据库中现有汉字计算其识别度，最后通过排序输出识别度最高的汉字集合。本发明解决了现有技术耗费人力且准确性欠佳等现象，增加了目前依靠计算机对残缺汉字进行识别的有效性和准确性。

摘要： 本发明公开了一种基于矩阵分块Isomap算法的高光谱遥感影像特征提取方法，有效缩短了模型的训练时间，高效提取高光谱影像的特征，显著提高地物分类的精度。且分类精度较传统的Isomap算法相比，在遥感影像分类上有明显的优势。传统的Isomap算法分类精度低，且有微弱的Hughes现象出现，而基于矩阵分块Isomap算法，利用矩阵分块理论能够有效提高计算最短路径和求特征值速率，采用邻域距离逐步逼近流形距离，从而更好地表达数据流形结构。大大降低了计算复杂度，有效缩短模型的训练时间，在提高分类算法精度的基础上，有效提高Isomap算法的运算速率。

摘要： 本发明公开了一种基于分块矩阵的快速自适应波束形成方法，主要包括矩阵分块处理，将高维矩阵分拆为低维矩阵，利用自适应信号处理的特殊性以及递归处理方法，对低维矩阵运算过程中的重叠部分进行整理合并，降低计算复杂度。本发明不需要对数据协方差矩阵进行求逆，同时矩阵维度只有原矩阵的一半，降低了工程实现难度，并且降维运算节省了大量运算资源，对于大规模基阵信号处理效果显著，经验证本发明较常规自适应算法计算效率提高20％以上。

摘要： 本公开提供了一种基于遗传算法的确定用于矩阵乘法的矩阵分块参数的方法、装置、设备和存储介质。其中，该方法包括：获取矩阵分块参数边界；基于该边界随机生成第一数量的矩阵分块参数，并将第一数量的矩阵分块参数作为待优化种群中的第一数量的个体；对于第一数量的矩阵分块参数中的每个矩阵分块参数，利用该参数进行矩阵分块并相应地执行矩阵乘法，获取基于该参数的矩阵乘法的性能指标并将其作为该参数所对应个体的个体适应度；基于待优化种群中各个体的个体适应度，通过个体选择、个体交叉和个体变异，构建优化后种群；以及在优化后种群满足预定条件的情况下，从优化后种群中选出具有最优性能指标的个体作为用于矩阵乘法的矩阵分块参数。

摘要： 本申请涉及计算机网络技术领域，特别涉及一种基于CNN矩阵分块的调度方法、装置、设备及存储介质，方法包括：接收由用户提交的CNN神经网络的至少一个计算作业，并按照预设作业优先级排序方式响应每个计算作业的同时，确定每个计算作业的优先级；根据一个或多个FPGA板卡的空闲资源和已发布任务接收情况生成任务发布请求，按照预设数据依赖关系和预设作业优先级排序响应任务发布请求；基于已发布的待接收计算任务，通过预设FPGA资源调度算法进行矩阵分块，分配相应FPGA资源，以部署到一个或多个FPGA板卡上对已发布的待接收计算任务进行并行计算。由此，解决了相关技术中无法达到最优加速效果，易造成FPGA资源浪费等问题。