题目一: 内排序算法比较
1) 对以下6种常用的内部排序算法进行比较：起泡排序，直接插入排序，简单选择排序，快速排序，希尔排序，堆排序。
2) 待排序记录的文件个数不小于1000( 其数据用伪随机数产生)，至少用5组不同的输入数据作比较；比较的指标为关键字的比较次数和关键字的移动次数(一次关键字交换计为3次移动)。
3) 统计在完全正序、完全逆序及无序情况下的关键字比较次数和移动次数。
4) 对结果作简单分析，包括对各组数据得出结果波动大小的解释。
2021-05-11 09:43:43
7KB
1
根号n段归并排序算法时间复杂度分析过程：
1.合并 根号n向下取整 段子数组使用的是自底向上两两归并的策略
2.根号n段归并排序算法时间复杂度的数学推导
2021-05-10 08:24:36
264KB
1
功率分配是非正交多址系统（NOMA）资源分配中的一个重要研究问题。最优迭代注水功率分配算法能提高系统性能，但是算法复杂度较高。提出一种低复杂度的功率分配算法，首先对子载波采用注水原理得到总的复用功率，然后在单个子载波上叠加用户间采用分数阶功率分配方法进行功率再分配。通过仿真分析，与最优迭代注水功率分配算法相比，该算法在性能损失不超过3%的情况下，大幅减低了计算复杂度。
2021-05-04 19:49:05
449KB
1
针对机器学习模型训练过程中攻击者可以利用修改原始训练数据生成投毒数据的方式对机器学习模型进行投毒攻击的问题，提出一种基于数据复杂度的投毒数据检测方法。该方法在正常数据集的基础上，应用梯度上升策略对正常数据集内的样本实例进行自我投毒，通过挖掘自我投毒产生的投毒数据对正常数据集数据复杂度的影响，训练能够辨别投毒数据的检测模型。该方法在选定应用场景中的检测准确率比现有方法有更好的效果。实验结果表明，投毒数据能够有效降低机器学习模型预测能力，应用基于数据复杂度的检测方法能够有效检测投毒数据，降低投毒数据对模型预测能力的不良影响。
2021-04-30 17:03:10
1.25MB
1
提出一种克服无线信道瑞利衰落和高斯白噪声干扰的非相干编码调制MIMO系统方案。纠错码采用IEEE 802.16e 中的非规则QC-LDPC码，非相干调制采用基于三角函数的酉空时调制(SC-USTM)。在接收端，推导出SC-USTM的最大后验概率（MAP）解调算法；为了降低复杂度，构造了SC-USTM的双解调器方案；为了改善双解调的性能，在置信传播（BP）迭代解码器和MAP解调器之间引入了迭代反馈机制。仿真实验表明LDPC已编码SC-USTM的MIMO系统比未编码USTM的MIMO系统在10
2021-04-26 18:45:06
1.27MB
1
通过求解EEG信号的模糊熵来表征信号的复杂度，输出结果对应脑电通道数的数据向量，可以结合脑电地形图的程序，画脑电信号地形图，直观看出脑电某些区域的复杂度
2021-04-23 21:08:01
899KB
1