基于位图的稀疏矩阵压缩存储方法.pdf
是飞****文章
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于位图的稀疏矩阵压缩存储方法.pdf
本发明公开了一种基于位图的稀疏矩阵压缩存储方法,目的是减少存储空间,扩大图的规模,优化采用图结构的应用程序的性能。技术方案为:仅保留存储一个或者多个顶点或边的起始位置来压缩图的邻接矩阵按行压缩存储数据结构,并使用一个额外的位图来识别顶点的边信息。具体方法包括:读取图的邻接矩阵按行压缩存储数据结构,构建改进型位数组,计算偏移量,构建位图数组,由改进型位数组和位图数组压缩存储行数组全部信息。本发明建立的位图数组可以进一步压缩图的存储空间,可以将每个非零元的表示信息大小由32bit降低至1bit;可以将图数据存
基于双向位图的稀疏矩阵压缩存储方法.pdf
本发明公开了一种双向位图的稀疏矩阵压缩存储方法,目的是减少存储空间。技术方案为:仅保留存储一个或者多个顶点或边的起始位置来压缩图的邻接矩阵按行压缩存储数据结构,在行列两个方向使用位图数组来辅助识别顶点的边信息。具体方法包括:读取图的邻接矩阵按行压缩存储数据结构;构建改进型位数组;计算偏移量;构建行方向位图数组,由改进型位数组和行方向位图数组压缩存储行数组;计算列数组连续片段长度并构建连续片段二元组集合;构建简化列数组和列方向位图数组,由简化列数组和列方向位图数组压缩存储列数组。可以将图数据存储空间在行方向
基于UB树的大型稀疏矩阵存储研究的中期报告.docx
基于UB树的大型稀疏矩阵存储研究的中期报告介绍本中期报告旨在介绍基于UB树的大型稀疏矩阵存储研究的进展情况,包括研究背景、研究内容、已取得的进展和下一步工作计划。研究背景在大数据时代,稀疏矩阵广泛应用于数据挖掘、图像处理、机器学习、科学计算等领域。然而,传统的稀疏矩阵存储方案往往存在存储空间利用率低的问题,导致存储成本高昂。为了解决这个问题,研究人员提出了许多新的稀疏矩阵存储方案。研究内容本研究的目标是基于UB树实现高效的大型稀疏矩阵存储。具体研究内容包括:1.UB树的原理和算法分析;2.基于UB树的稀疏
基于增强矩阵补全的ISAR稀疏成像方法.pdf
本发明公开了一种基于增强矩阵补全的ISAR稀疏成像方法,应用于逆合成孔径雷达,包括:接收ISAR的回波信号矩阵,回波信号矩阵中的部分回波数据缺失;重构得到回波信号矩阵的增强矩阵;利用矩阵补全技术恢复增强矩阵,得到第一矩阵;将第一矩阵转换为重构回波矩阵;根据重构回波信号矩阵,利用距离多普勒算法确定重构回波信号矩阵的二维图像。该方法解决了相关技术中基于压缩感知的ISAR稀疏成像方法运算效率低、内存消耗大、计算复杂度高的问题,并且在缺失任意列回波数据、回波信号矩阵不满足随机均匀采样的情况下,也能够恢复出目标的二
基于信息熵稀疏的深度非负矩阵解混方法和存储介质.pdf
本发明提供了一种基于信息熵稀疏的深度非负矩阵解混方法和存储介质,方法包括:对端元矩阵和丰度矩阵进行VCA‑FCLS初始化,并建立深度NMF解混模型;将初始化后的端元矩阵和初始化后的丰度矩阵作为第一目标函数的输入,并利用第一目标函数,基于乘性迭代规则对深度NMF解混模型预训练;利用梯度下降法迭代更新预训练后的端元矩阵和丰度矩阵;将更新后的端元矩阵和更新后的丰度矩阵作为第二目标函数的输入,并利用第二目标函数对预训练后的NMF解混模型迭代微调;再次迭代更新微调后的端元矩阵和丰度矩阵,并通过数据分析确定第二目标函