g等[5]在傳統(tǒng)分塊模型的基礎(chǔ)上提出了可變長(zhǎng)度的循環(huán)分塊模型。該模型在分塊時(shí)使用基于強(qiáng)化學(xué)習(xí)[6]的分塊策略,從一組步長(zhǎng)空間中選擇合適步長(zhǎng),使答案處于分塊的中間位置,提高分塊內(nèi)部答案提取的準(zhǔn)確性,并且使用循環(huán)網(wǎng)絡(luò)使信息能夠在分塊之間流通,最后提取各分塊信息為每個(gè)分塊算出一個(gè)平衡參數(shù),并以此來(lái)平衡各個(gè)分塊答案的得分,使各分塊得分能夠進(jìn)行比較。循環(huán)分塊模型解決了固定長(zhǎng)度分塊模型無(wú)法包含完整答案、各分塊答案無(wú)法比較的問(wèn)題,與傳統(tǒng)模型相比有較大進(jìn)步。隨著對(duì)分塊模型

學(xué)者們多采取數(shù)據(jù)分塊的方式來(lái)找出兩個(gè)相似數(shù)據(jù)間不同的分塊,這些分塊則是差異數(shù)據(jù)。這種方式的工作過(guò)程如圖1所示。具體的,首先對(duì)Data1和Data2按照相同的數(shù)據(jù)分塊算法進(jìn)行分塊,然后比較兩組分塊之間不同的分塊,這些不同的分塊所組成的數(shù)據(jù)即為差異數(shù)據(jù)。圖1 差異數(shù)據(jù)定位的過(guò)程學(xué)術(shù)界關(guān)于差異數(shù)據(jù)分塊的研究重點(diǎn)集中在數(shù)據(jù)分塊算法的設(shè)計(jì)上。數(shù)據(jù)分塊算法的不同將直接影響差異數(shù)據(jù)定位的效果,比如能否全部定位出不同的數(shù)據(jù)、定位到的差異數(shù)據(jù)中相同數(shù)據(jù)的多少等。不過(guò)學(xué)術(shù)界提

為矩陣A的指數(shù)。分塊矩陣的Drazin逆表示目前已有大量成果涌現(xiàn)[1-12]，但沒(méi)有條件限制的Drazin逆表示現(xiàn)在仍然是一個(gè)開(kāi)放性問(wèn)題，本文直接從分塊矩陣著手，通過(guò)把分塊矩陣逐個(gè)拆分，然后結(jié)合Drazin逆的性質(zhì)和利用已有引理，給出分塊矩陣分別在簡(jiǎn)單條件AB=0，CB=0和AADC=0，AADD=0，AB=0，CB=0下Drazin逆的新表示。為便于給出分塊矩陣Drazin逆的表示，下面首先給出幾個(gè)重要的引理。其中，t=max{ind(P),ind(Q)

容及廣泛的應(yīng)用.分塊矩陣使矩陣的結(jié)構(gòu)及運(yùn)算變得簡(jiǎn)單清晰，是研究矩陣的最基本、最重要的工具之一.它貫串于整個(gè)高等代數(shù)學(xué)習(xí)的始終，體現(xiàn)了整體到局部再到整體的數(shù)學(xué)思想，在矩陣的數(shù)字特征如矩陣的行列式、秩中有著重要的應(yīng)用，特別地，2×2分塊矩陣是研究分塊矩陣的基礎(chǔ).本文主要利用2×2分塊矩陣、矩陣行列式及秩的基本性質(zhì)，討論了2×2分塊矩陣在矩陣行列式、秩方面的應(yīng)用.為了敘述方便, 我們對(duì)文中符號(hào)進(jìn)行約定:Mn×m表示復(fù)數(shù)域上所有n×m階矩陣構(gòu)成的集合，Mn×n簡(jiǎn)記

研究的重要課題。分塊矩陣由于其抽象性，研究難度相對(duì)較大[1-6]。楊欣芳[5]給出了廣義初等變換和廣義初等矩陣的定義并對(duì)簡(jiǎn)單分塊矩陣的廣義初等變換進(jìn)行驗(yàn)證。張新育[2]定義了分塊初等變換和分塊初等矩陣，給出了相關(guān)性質(zhì)并對(duì)抽象矩陣的逆和秩進(jìn)行了研究。孫霞[3]和成立花[6]利用分塊初等變換對(duì)兩個(gè)互素矩陣多項(xiàng)式的秩進(jìn)行了研究。劉俊同[4]對(duì)分塊矩陣行列式對(duì)行列式進(jìn)行了推廣。繼續(xù)利用分塊矩陣的初等變換對(duì)抽象矩陣的可逆性進(jìn)行研究，給出三類抽象矩陣可逆性的判定，并得

9]提出一種面向分塊的交叉分組數(shù)據(jù)組織方法，調(diào)整磁盤水平分組和垂直分組的大小，使I/O 請(qǐng)求集中在某個(gè)磁盤水平分組，其他分組的磁盤進(jìn)入待機(jī)模式，降低了存儲(chǔ)能耗，但這種方法只對(duì)連續(xù)數(shù)據(jù)訪問(wèn)模式有效，在民航備份系統(tǒng)中，數(shù)據(jù)的大量不連續(xù)訪問(wèn)會(huì)增加校驗(yàn)磁盤切換次數(shù)，增加了時(shí)間開(kāi)銷和硬件損耗。綜上所述，針對(duì)上述幾種方法應(yīng)用于民航備份系統(tǒng)中存在的問(wèn)題，提出了一種基于民航數(shù)據(jù)特性的重刪固定長(zhǎng)度分塊方法，該方法在分塊邏輯上進(jìn)行了改進(jìn)，能夠在一定程度上縮短分塊時(shí)間，提高重刪

401331）分塊矩陣不僅是高等代數(shù)課程中的重要內(nèi)容，而且也是相關(guān)后續(xù)課程中研究問(wèn)題的重要工具。作為反映矩陣固有特性的重要指標(biāo)——矩陣秩，它不僅是向量組秩橫向和縱向的推廣，而且是構(gòu)成矩陣?yán)碚摰幕?。因而，矩陣秩之間的關(guān)系（等式關(guān)系、不等式關(guān)系）的證明及推導(dǎo)就顯得非常重要。然而，有關(guān)矩陣秩的等式和不等式不勝枚舉，如何以一種較為有效的方式統(tǒng)一地去處理這類問(wèn)題是每一個(gè)高等代數(shù)授課老師需要思考的問(wèn)題。矩陣的分塊是處理矩陣一種有效方法，它能使階數(shù)較高矩陣的計(jì)算變得

按照某種規(guī)則進(jìn)行分塊，化為一定階數(shù)的分塊矩陣[1-9].對(duì)矩陣分塊是一種非常有效的技巧，使用分塊矩陣不僅使表達(dá)簡(jiǎn)潔，而且常常通過(guò)把高階矩陣的運(yùn)算化為低階矩陣的運(yùn)算，可以將一些復(fù)雜而量大的計(jì)算轉(zhuǎn)化為一系列簡(jiǎn)單而量小的計(jì)算來(lái)完成，從而大大簡(jiǎn)化計(jì)算量.同時(shí)，若分塊恰當(dāng)，使之出現(xiàn)較多的零矩陣或是單位矩陣等，會(huì)使計(jì)算得到大大的簡(jiǎn)化.因此如何求分塊矩陣的逆矩陣，就變得非常重要.文獻(xiàn)[3-7]對(duì)一些特殊的2×2、3×3和4×4分塊矩陣的逆的存在性進(jìn)行了研究，文獻(xiàn)[8]對(duì)

000）半正定（分塊）矩陣在矩陣?yán)碚撝姓加惺种匾牡匚?，在物理學(xué)、概率論、量子信息論以及優(yōu)化理論等諸多學(xué)科都有著重要的應(yīng)用。矩陣的Hadamard 積是一種特殊的矩陣乘積，被廣泛地應(yīng)用于量子計(jì)算、編碼理論、物理學(xué)和區(qū)組設(shè)計(jì)等問(wèn)題中。基于這些重要的應(yīng)用背景，半正定（分塊）矩陣的Hadamard 積的特征值和行列式問(wèn)題一直備受國(guó)內(nèi)外專家學(xué)者的關(guān)注。給定兩個(gè)n級(jí)矩陣A=（aij）和B=（bij），矩陣A和B的Hadamard 積（或Schur 積）用A?B=（

將數(shù)據(jù)分為若干大分塊;在大分塊內(nèi)進(jìn)行混合,混合基于并行迭代地使用對(duì)稱加密算法并合理設(shè)置迭代策略; 然后將大分塊切分到許多片段, 任何一個(gè)片段的缺失將導(dǎo)致所有大分塊無(wú)法解密; 權(quán)限撤銷時(shí), 隨機(jī)選擇一個(gè)片段用新密鑰重新加密. 設(shè)計(jì)者[1]給出了Mix&Slice 算法的安全性分析, 包括為了保證加密數(shù)據(jù)的安全使用初始向量IV, 研究如何抵抗合謀攻擊, 詳細(xì)計(jì)算了已撤銷權(quán)限的用戶仍然能夠訪問(wèn)數(shù)據(jù)的概率. 由于基礎(chǔ)加密元件為分組加密算法, Mix&Slice 算

熱點(diǎn)[1]。循環(huán)分塊[2-7]是一種應(yīng)用廣泛的循環(huán)優(yōu)化技術(shù)，通過(guò)仿射變換對(duì)程序的嵌套循環(huán)部分進(jìn)行代碼轉(zhuǎn)換，一方面增強(qiáng)程序的數(shù)據(jù)局部性，降低cache失效率；另一方面開(kāi)發(fā)循環(huán)代碼的粗粒度并行性，充分利用多核處理器的計(jì)算性能。分塊后的循環(huán)迭代根據(jù)分塊因子大小重置訪存順序，從而減小數(shù)據(jù)重用距離。因此，分塊因子大小的選擇對(duì)循環(huán)分塊代碼的性能有著重要的影響。近年來(lái)，隨著SIMD擴(kuò)展部件在微處理器和協(xié)處理器中的發(fā)展，向量寄存器的位數(shù)逐漸增加，使得自動(dòng)向量化技術(shù)在開(kāi)發(fā)嵌

等領(lǐng)域應(yīng)用廣泛.分塊矩陣與行列式是線性代數(shù)的重要組成部分,是重要的研究工具[1].而分塊矩陣能夠?yàn)楦唠A矩陣的求逆和高階行列式的計(jì)算提供“打包”的思想，有助于簡(jiǎn)化計(jì)算.岳靖[2]和沈進(jìn)中[3]分別探討了分塊矩陣在矩陣求逆和行列式的應(yīng)用.本文首先對(duì)分塊矩陣在高階行列式及特殊的高階矩陣求逆方面進(jìn)行理論分析，并應(yīng)用具體例子探討了分塊矩陣的理論運(yùn)算和工程技術(shù)方面的應(yīng)用.1 分塊矩陣的基本概念定義2.1：設(shè)A是數(shù)域F上的m×n矩陣,把A分成如下形式的矩陣,其中Aij是

服這個(gè)問(wèn)題。基于分塊的體繪制方法是將原始體數(shù)據(jù)劃分成便于裝入內(nèi)存的子數(shù)據(jù)塊并依次繪制，最后將分塊繪制結(jié)果合成最終結(jié)果。該方法也可以與硬件加速技術(shù)一起使用，以實(shí)現(xiàn)更快的渲染速度。本文提出并實(shí)現(xiàn)了一種基于非均勻尺寸分塊策略的體繪制方法，通過(guò)分塊間的遮擋關(guān)系構(gòu)建全局遮擋關(guān)系圖，對(duì)分塊進(jìn)行分組并行渲染。與現(xiàn)有方法的對(duì)比實(shí)驗(yàn)表明，本文提出的針對(duì)Out-of-core數(shù)據(jù)的體繪制方法在海量數(shù)據(jù)集上達(dá)到了比現(xiàn)有方法更快的渲染速度。1 相關(guān)工作三維可視化的研究始于20世紀(jì)

特點(diǎn)，研究者使用分塊編碼[1-3]和FOV傳輸[4-6]的策略節(jié)約視頻解碼和網(wǎng)絡(luò)傳輸?shù)拈_(kāi)銷，從而實(shí)現(xiàn)超高分辨率全景視頻的流暢播放。新一代的視頻編碼標(biāo)準(zhǔn)HEVC提供了tile機(jī)制，允許將視頻按照橫向和縱向劃分成多塊，每個(gè)分塊可獨(dú)立解碼。Misra等[2]從并行化和MTU兩個(gè)方面詳細(xì)討論了如何利用HEVC中的分塊機(jī)制提高解碼和傳輸效率。應(yīng)用實(shí)例方面，許多研究者基于HEVC的分塊機(jī)制實(shí)現(xiàn)了全景視頻的分塊編碼和傳輸系統(tǒng)。Skupin等[3]實(shí)現(xiàn)了面向VR頭盔的全景

于降階的思想，由分塊循環(huán)算子的元素估計(jì)分塊循環(huán)算子范數(shù)的方法近年來(lái)越來(lái)越引起研究者的關(guān)注。Audenaert[1]給出了形如A=的半正定 2×2塊矩陣的范數(shù)上下界，Bani-Ahmad 等[2]研究了一般形式的 2 ×2塊算子的范數(shù)不等式，潘雪等[3]、史雨梅等[4]研究了首尾差r-循環(huán)矩陣和塊結(jié)構(gòu)首尾差r-循環(huán)矩陣的對(duì)角化和范數(shù)估計(jì)，Bani-Domia 等[5]給出了無(wú)參數(shù)的分塊循環(huán)算子的范數(shù)估計(jì)結(jié)果，文獻(xiàn)[6]研究了帶復(fù)參數(shù)的分塊循環(huán)算子的范數(shù)等式和

長(zhǎng)的計(jì)算.而運(yùn)用分塊的思想，首先把所求矩陣進(jìn)行合適的分塊，其次把矩陣的初等變換的方法運(yùn)用到分塊矩陣上，可以使問(wèn)題相對(duì)簡(jiǎn)單化，從而實(shí)現(xiàn)簡(jiǎn)化計(jì)算的目的.一、分塊矩陣求逆矩陣1.設(shè)A，B是n階方陣.若7A+B與7A-B可逆，求解的逆矩陣.解：2.已知分塊矩陣可逆，其中H為n階矩陣，K為 m階矩陣，證明：H和K都可逆，并求N-1.證明：detN=detHdetK≠0，所以detH≠0，detK≠0.因此H和K都是可逆矩陣.一、分塊矩陣求秩3.設(shè)矩陣A，B∈Pn×m

架結(jié)構(gòu)進(jìn)行合理的分塊劃分，并以此設(shè)計(jì)合適的地面拼裝胎架。以四角錐作為組成單元進(jìn)行分塊的拼裝。地面分塊拼裝完畢后，搭設(shè)地面軌道，在軌道上搭建滑移架。在每一個(gè)安裝單元位置，按照順序進(jìn)行分塊拼裝，安裝完畢形成一個(gè)獨(dú)立穩(wěn)定體系后，再同步移動(dòng)滑移架，進(jìn)行下一安裝單元位置處的分塊安裝。待全部安裝單元位置的安裝工作完成后，進(jìn)行山墻桁架的安裝。4 主要施工技術(shù)4.1 主體分塊劃分廠房主體鋼結(jié)構(gòu)網(wǎng)架結(jié)構(gòu)共劃分為48個(gè)安裝大分塊，立面墻體24個(gè)分塊，山墻桁架12個(gè)分塊，屋蓋1

支研究，主要包括分塊和匹配兩個(gè)階段。在分塊階段，將相似記錄劃分在同一分塊內(nèi)，以此減少生成的“候選記錄組”數(shù)量。在匹配階段，應(yīng)用相似度函數(shù)對(duì)每個(gè)候選記錄組進(jìn)行計(jì)算，將候選記錄組歸類為匹配記錄組或不匹配記錄組。但不同于傳統(tǒng)的記錄連接，PPRL的兩個(gè)階段中都需要考慮額外的隱私保護(hù)需求。然而現(xiàn)有的PPRL分塊方法[1-5]均不能使PPRL同時(shí)達(dá)到高查全率和高查準(zhǔn)率，主要源自于如下兩方面：一方面，分塊后還會(huì)生成過(guò)多真實(shí)情況下并不匹配的候選記錄組，造成額外的計(jì)算代價(jià)；

]。常用的技術(shù)是分塊技術(shù)[4]和窗口技術(shù)[5]。其中，分塊技術(shù)將數(shù)據(jù)集分成互不相關(guān)的子集，在較小的子集內(nèi)數(shù)據(jù)聚類；窗口技術(shù)通過(guò)滑動(dòng)窗口選中固定大小的數(shù)據(jù)依次與目標(biāo)數(shù)據(jù)來(lái)進(jìn)行記錄比對(duì)。本文結(jié)合了分塊技術(shù)和窗口技術(shù)，提出了一種相似重復(fù)檢測(cè)算法，減少數(shù)據(jù)比較次數(shù)，提高算法運(yùn)行效率。1 相關(guān)工作在相似重復(fù)記錄的檢測(cè)方面已經(jīng)有了一些成果。傳統(tǒng)的“排序&合并”算法先將數(shù)據(jù)庫(kù)中記錄排序，然后通過(guò)比較鄰近記錄是否相等來(lái)檢測(cè)完全重復(fù)記錄。在傳統(tǒng)的“排序&合并”思想的基礎(chǔ)上，

ative矩陣且分塊如 (1)，則|detA|≤3m|detA11|·|detA22| 。(2)2013年Lin在文獻(xiàn)[2]中得到了比 (2)式更好的結(jié)果：若A∈Mn(C)是Accretive-dissipative矩陣且分塊如 (1)，則(3)最近幾年，許多學(xué)者發(fā)表了關(guān)于Accretive-dissipative矩陣不等式的一些文章，詳見(jiàn)文獻(xiàn)[3-6]。在本文中，我們主要研究Accretive-dissipative矩陣的行列式不等式，并得到了比 (3)

710062）分塊半正定矩陣的性質(zhì)研究有著重要的理論價(jià)值，在實(shí)際應(yīng)用中具有重要的作用，是學(xué)界研究的熱點(diǎn)[1-5]。文獻(xiàn)[6-7]給出了幾個(gè)分塊半正定矩陣之間的關(guān)系及半正定矩陣的相關(guān)結(jié)論；文獻(xiàn)[8-10]主要用分塊半正定矩陣的相關(guān)性質(zhì)證明了矩陣不等式；文獻(xiàn)[11]利用Schur乘積定理、分塊矩陣逆、矩陣跡、行列式和正規(guī)矩陣的性質(zhì)，獲得了矩陣跡不等式、半正定分塊矩陣的行列式不等式、矩陣主子陣的不等式、矩陣的譜跨度的不等式相關(guān)結(jié)果。本文借助以上的研究成果和現(xiàn)有

成多個(gè)散亂不規(guī)則分塊，基于核相關(guān)濾波算法實(shí)現(xiàn)對(duì)各個(gè)分塊進(jìn)行建模和跟蹤。根據(jù)每個(gè)分塊的置信度值等進(jìn)行異常判定，采用懶交互方式對(duì)異常判定進(jìn)行重采樣。最后運(yùn)用霍夫投票算法確定跟蹤目標(biāo)在新一幀中的位置。其中,懶交互處理將目標(biāo)分成多個(gè)散亂不規(guī)則分塊，保證分塊對(duì)目標(biāo)特征描述的有效性以及通過(guò)對(duì)目標(biāo)典型特征進(jìn)行多次不規(guī)則的采樣，能夠更好的適應(yīng)目標(biāo)狀態(tài)的變化。與現(xiàn)有跟蹤方法相比，本文跟蹤算法在旋轉(zhuǎn)、復(fù)雜背景、光照變化等挑戰(zhàn)的跟蹤準(zhǔn)確度和成功率具有顯著提高。1 相關(guān)工作目標(biāo)跟

低，另一方面數(shù)據(jù)分塊算法影響最小塊簽名，不同的分塊算法所產(chǎn)生的最小塊可能不同，從而影響重刪的準(zhǔn)確性。Bloom filter算法[5]利用K個(gè)Hash函數(shù)將數(shù)據(jù)塊MD5值映射到m位的向量V中，減少頻繁的I/O操作，但存在假正例(False Positives)誤識(shí)別率，并且無(wú)法從Bloom Filter集合中刪除元素，在需要數(shù)據(jù)修改的場(chǎng)景下不能使用。張滬寅等[6]提出了用戶感知的重復(fù)數(shù)據(jù)刪除算法，根據(jù)用戶相關(guān)度，以用戶為單位，減少了數(shù)據(jù)空間局部性，但對(duì)于非

除的非對(duì)稱最大值分塊算法研究郭玉劍，曾志浩(湖南工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院，湖南 株洲412000)分塊是一種將文件劃分成更小文件的過(guò)程，該方法被廣泛應(yīng)用在重復(fù)數(shù)據(jù)刪除系統(tǒng)中。針對(duì)傳統(tǒng)的基于內(nèi)容分塊(CDC)中面臨的高額計(jì)算開(kāi)銷問(wèn)題，提出了一種稱為非對(duì)稱最大值的分塊算法(CAAM)。采用字節(jié)值代替哈希值來(lái)聲明切點(diǎn)，利用固定大小窗口和可變大小窗口來(lái)查找作為切點(diǎn)的最大值，并且允許在保留內(nèi)容定義分塊(CDC)屬性的同時(shí)進(jìn)行較少的計(jì)算開(kāi)銷。最后將CAAM與現(xiàn)有的基于散列

相關(guān)性缺失數(shù)據(jù)的分塊填補(bǔ)算法研究*楊 杰1+，楊 虎1，王魯濱1，金 鑫1，郭 華2，于亮亮31.中央財(cái)經(jīng)大學(xué) 信息學(xué)院，北京 1000812.國(guó)網(wǎng)荊州供電公司 信通分公司，湖北 荊州 4340003.國(guó)網(wǎng)遼寧省電力有限公司 信息通信分公司，沈陽(yáng) 110000Abstract:This paper studies the method of filling the high dimensional correlation missing data,and

50025K鄰域分塊自動(dòng)加權(quán)的單樣本人臉識(shí)別算法*魏明俊，許道云+，秦永彬貴州大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，貴陽(yáng) 550025在人臉識(shí)別問(wèn)題中，當(dāng)每類訓(xùn)練樣本有且僅有一個(gè)時(shí)，由于類內(nèi)缺乏足夠的特征變化信息來(lái)預(yù)測(cè)人臉復(fù)雜的特征變化，從而導(dǎo)致常用分類算法的識(shí)別準(zhǔn)確率急劇下降。目前最好的解決方法大致可分為兩類:一是生成虛擬的訓(xùn)練樣本以擴(kuò)大訓(xùn)練集；二是學(xué)習(xí)稀疏變化字典以表示復(fù)雜特征變化。針對(duì)此問(wèn)題，在引入稀疏變化字典來(lái)表示人臉復(fù)雜特征變化的基礎(chǔ)上，提出一種基于K鄰域

算的模式，將矩陣分塊進(jìn)行非負(fù)矩陣分解，并將其用于圖像壓縮。實(shí)驗(yàn)表明：該方法可減少存儲(chǔ)量、計(jì)算量，計(jì)算量的減少較為顯著。關(guān)鍵詞 矩陣分塊 矩陣Hadamard乘積 NMF 圖像壓縮中圖分類號(hào)：TN911.73 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.16400/j.cnki.kjdkx.2016.09.066Abstract Based on the idea of "local integral whole" and the parallel computing m

3）一種基于動(dòng)態(tài)分塊和差值直方圖平移的可逆水印算法何文廣，王耀民（廣東醫(yī)學(xué)院信息工程學(xué)院，湛江524023）基于圖像內(nèi)容的自適應(yīng)嵌入已成為可逆水印算法的研究熱點(diǎn)。探討圖像分塊對(duì)算法性能的影響，得出基于差值直方圖平移的可逆水印算法不存在最優(yōu)分塊尺寸這一結(jié)論，繼而提出一種動(dòng)態(tài)分塊的差值計(jì)算方法。算法的基本思想是以多種分塊替代固定分塊，動(dòng)態(tài)分塊時(shí)充分考慮圖像紋理復(fù)雜度，使得多種分塊的數(shù)量比例能自適應(yīng)于嵌入級(jí)別，解決傳統(tǒng)差值計(jì)算方法中因較小分塊引起的水印容量有限問(wèn)

媒體教學(xué)中的屏幕分塊算法的改進(jìn)尹成瑞隨著多媒體技術(shù)的發(fā)展與普及，多媒體視頻教學(xué)成為在線教學(xué)的一種趨勢(shì)，這些應(yīng)用中很重要的一個(gè)功能就是屏幕信息的捕獲與傳輸。所以，如何以最短的時(shí)間、最少的帶寬占用獲取高質(zhì)量的屏幕數(shù)據(jù)越來(lái)越成為研究熱點(diǎn)。介紹了多媒體教學(xué)系統(tǒng)中采用的屏幕分塊原理，提出了一種對(duì)客戶端屏幕位圖進(jìn)行分塊的算法，具體分塊數(shù)采取動(dòng)態(tài)規(guī)劃思想獲取，然后，對(duì)相鄰時(shí)刻對(duì)應(yīng)分塊位圖進(jìn)行比較，最終只傳輸發(fā)生變化的分塊到服務(wù)器以減少數(shù)據(jù)傳輸量，提高局域網(wǎng)屏幕監(jiān)控的性能

550025)?分塊矩陣在證明Sylvester等式與Sylvester不等式方面的應(yīng)用陳小陶(貴州大學(xué) 理學(xué)院，貴州貴陽(yáng)550025)分塊矩陣在高等代數(shù)中是一個(gè)重要工具，在研究許多問(wèn)題中都要應(yīng)用到。在分塊矩陣的基礎(chǔ)上，應(yīng)用分塊矩陣的相關(guān)性質(zhì)證明Sylvester等式與Sylvester不等式。同時(shí)，利用舉例以及不同證法說(shuō)明分塊矩陣在證明Sylvester公式的優(yōu)越性。分塊矩陣，Sylvester等式，Sylvester不等式，優(yōu)越性0　引言矩陣的分塊是矩

擴(kuò)展，引入了循環(huán)分塊子句，對(duì)循環(huán)進(jìn)行分塊處理，使得每個(gè)循環(huán)塊中的數(shù)據(jù)能夠存儲(chǔ)在設(shè)備內(nèi)存中。循環(huán)分塊是提高傳統(tǒng)處理器Cache上訪存效率的有效方法［4］，也可以用于提高異構(gòu)多核處理器的性能。但是二者之間有一些差別，針對(duì)Cache的循環(huán)分塊只需要考慮如何使Cache中的數(shù)據(jù)盡可能多地得到重用。而在異構(gòu)多核處理器上，不但需要考慮循環(huán)如何分塊，還需考慮數(shù)據(jù)的分塊問(wèn)題，即設(shè)備內(nèi)存容量對(duì)數(shù)據(jù)分塊大小的限制。使用分塊技術(shù)來(lái)優(yōu)化數(shù)據(jù)的傳輸是異構(gòu)系統(tǒng)上編譯優(yōu)化技術(shù)的研究熱點(diǎn)

401331）分塊矩陣的幾個(gè)重要應(yīng)用劉華(重慶師范大學(xué)數(shù)學(xué)學(xué)院，重慶 401331）分塊矩陣在線性代數(shù)中是一個(gè)重要工具，研究許多問(wèn)題都要用到它，研究了分塊矩陣在計(jì)算矩陣行列式、求矩陣的逆矩陣及矩陣的秩方面的應(yīng)用.分塊矩陣；行列式；逆矩陣；矩陣的秩矩陣的分塊不僅是高等代數(shù)中一個(gè)非常重要的內(nèi)容，而且也是研究高等代數(shù)很多分支問(wèn)題的工具，它貫穿了整個(gè)高等代數(shù)的內(nèi)容，已經(jīng)得到廣泛的研究［1－4］.在學(xué)習(xí)高等代數(shù)的時(shí)候常常碰到一些很難的問(wèn)題，要用到矩陣的分塊去解決，

同步主要包括文件分塊、hash值比較以及網(wǎng)絡(luò)傳輸3個(gè)步驟。其中，文件分塊是其中最重要的一個(gè)步驟。文件分塊算法是指按照一定的策略將文件分割成較小的數(shù)據(jù)塊，以用于對(duì)比文件之間的細(xì)微差異。通常文件的版本之間的差異較小，通過(guò)分塊能夠更加準(zhǔn)確地檢測(cè)兩個(gè)版本－中的差異數(shù)據(jù)塊。文件分塊算法主要分為固定長(zhǎng)度分塊（fixed－sized partitioning，F(xiàn)SP）算 法［4］和 基 于 內(nèi) 容 的 分 塊（contented－defined chunking，CDC

提出了非規(guī)則形狀分塊方式。Muhit 等(2012)、Liwei 等(2010)、Bordes 等(2011)提出了幾何自適應(yīng)分塊方式。Servais 等(2005)、焦衛(wèi)東等(2007)提出網(wǎng)格分塊方式。H.264/AVC 最大為16 ×16 尺寸的編碼塊尺寸已不能滿足高清視頻壓縮編碼的需求，因此，視頻編碼聯(lián)合協(xié)作小組(Joint Collaborative Team on Video Coding，縮寫JCT-VC)制定了下一代國(guó)際視頻壓縮編碼標(biāo)準(zhǔn):高

圖像內(nèi)容的自適應(yīng)分塊方法，以減少高速緩存中的沖突失效和有用信息的損失，對(duì)算法速度的提高將會(huì)有很好的貢獻(xiàn)。1 SURF算法與高速緩存的不匹配原因分析在SURF算法中，為了在不同尺度上尋找極值點(diǎn)，需要建立圖像的尺度空間。SURF在建立尺度空間時(shí)，保持原始圖像不變，通過(guò)改變箱式濾波器的大小，對(duì)固定大小積分圖像進(jìn)行濾波得到圖像的尺度空間。圖1 數(shù)據(jù)訪問(wèn)方式可見(jiàn)，SURF算法中，數(shù)據(jù)的訪問(wèn)方式由箱式濾波器的大小和類型決定。例如一個(gè)9×9的箱式濾波器在計(jì)算時(shí)，假設(shè)每一

0039)首加尾分塊循環(huán)矩陣的性質(zhì)研究馬江明，何承源*(西華大學(xué) 數(shù)學(xué)與計(jì)算機(jī)學(xué)院，成都 610039)給出首加尾分塊循環(huán)矩陣的定義，得到了首加尾分塊循環(huán)矩陣的矩陣表示多項(xiàng)式，并對(duì)其研究得到了三個(gè)首加尾分塊循環(huán)矩陣的充要條件，同時(shí)獲得它的數(shù)乘、和、差、乘積、冪、伴隨矩陣仍然是首加尾分塊循環(huán)矩陣，最后給出判斷奇異性與非奇異性的一個(gè)充要條件。定義;首加尾分塊循環(huán)矩陣;充要條件;奇異性循環(huán)矩陣是一類非常重要的特殊矩陣，在糾錯(cuò)碼理論、信號(hào)處理、圖像處理、自回歸濾波

×16塊與最優(yōu)的分塊預(yù)測(cè)模式之間率—失真的相似性，跳過(guò)其他分塊的預(yù)測(cè)模式。文獻(xiàn)[15]利用空域上和時(shí)域上相鄰塊之間的預(yù)測(cè)模式的相關(guān)性，構(gòu)成了最大可能模式列表，降低了編碼的計(jì)算復(fù)雜度。對(duì)H.264來(lái)說(shuō)，上述方法均獲得較好的編碼性能，但針對(duì)HEVC新提出的新編碼方法，必需研究新的方法來(lái)降低其編碼計(jì)算復(fù)雜度。本文通過(guò)實(shí)驗(yàn)及分析認(rèn)為，時(shí)域上相鄰幀中對(duì)應(yīng)塊平滑時(shí)，當(dāng)前分塊的幀間預(yù)測(cè)的CU尺寸將比較大，并且其PU模式將有很大的概率為PART_2N×2N，于是，當(dāng)滿足該

10663)快速分塊JPEG圖片的方法董友球 谷新征 劉先材(廣東威創(chuàng)視訊科技股份有限公司 廣東廣州 510663)本文提出一種分塊JPEG圖片的方法，即先加載需被分塊的JPEG圖片，然后對(duì)圖片的壓縮數(shù)據(jù)進(jìn)行熵解碼，從而得到每個(gè)MCU的數(shù)據(jù)內(nèi)容，再根據(jù)分塊的要求為每個(gè)小塊選擇對(duì)應(yīng)的MCU數(shù)據(jù)組成一個(gè)數(shù)據(jù)集合，并對(duì)集合里的數(shù)據(jù)做必要的修正即可得到每個(gè)小塊圖片的MCU數(shù)據(jù)，最后把每個(gè)小塊的MCU數(shù)據(jù)和熵編碼表、量化表等必要信息一起按JPEG文件格式寫入文件從而

稱有序。1.3 分塊緩存如果每次寫入或讀出操作的緩存對(duì)象是直接數(shù)據(jù)，則稱之為無(wú)分塊緩存；而如果操作對(duì)象是一個(gè)緩存區(qū)的地址，則稱之為分塊緩存，且該地址指明的是一個(gè)緩存塊的首地址[2]。如果一個(gè)緩存塊，在其使用過(guò)程中涉及建立一個(gè)新的緩存塊。若緩存允許此操作，則稱之為可嵌套分塊緩存；若緩存不允許此操作，則稱之為無(wú)嵌套分塊緩存。如果一個(gè)分塊緩存，每個(gè)緩存塊的大小固定相等，則稱之定長(zhǎng)分塊緩存；而若每個(gè)緩存塊的大小可變，則稱之可變長(zhǎng)分塊緩存。1.4 私用緩存如果一個(gè)緩

》大都介紹了矩陣分塊法理論，但對(duì)其應(yīng)用卻涉及較少。本文將利用矩陣分塊法理論對(duì)矩陣進(jìn)行分塊，或構(gòu)造相關(guān)的分塊矩陣，探討此理論在解題中的應(yīng)用。1 利用矩陣分塊法證明矩陣有相同的特征值例1 設(shè)A是m×n矩陣，B是n×m矩陣，則AB與BA有相同的非零特征根。（1）式與（2）式等號(hào)兩邊分別取行列式后的兩式左端相等，從而右端也相等，即由此可知，矩陣AB與BA的特征多項(xiàng)式相差一個(gè)λm－n因子，因而矩陣AB與BA非零特征值相同。證畢。2 利用矩陣分塊法證明二次型的正定性例

o的稀疏微波成像分塊成像原理與方法研究向 寅 張冰塵 洪 文(中國(guó)科學(xué)院電子學(xué)研究所 北京 100190)稀疏微波成像需要使用相對(duì)復(fù)雜的非線性處理方法，這些方法難于處理大場(chǎng)景成像問(wèn)題，為此，該文提出了一種適用于大場(chǎng)景稀疏微波成像的分塊成像方法。該方法首先將大場(chǎng)景觀測(cè)數(shù)據(jù)和成像區(qū)域分割成一一對(duì)應(yīng)的子數(shù)據(jù)塊和子區(qū)域，然后利用基于Lasso的稀疏微波成像方法對(duì)各子區(qū)域獨(dú)立重建，最后拼接子區(qū)域重建結(jié)果得到大場(chǎng)景整體圖像。相比于對(duì)稀疏觀測(cè)場(chǎng)景進(jìn)行整體重建，該分塊處理

出了一種基于內(nèi)存分塊相異數(shù)據(jù)的虛擬機(jī)同步技術(shù)。在進(jìn)行同步操作時(shí)，主虛擬機(jī)通過(guò)基于內(nèi)容和地址的二維散列表逐一尋找與發(fā)生變化的頁(yè)面（dirty pages）分塊最優(yōu)匹配的未變化頁(yè)面（non-dirty pages）分塊，同時(shí)找出頁(yè)面分塊之間的數(shù)據(jù)相異部分，即補(bǔ)??；最后通過(guò)XOR壓縮方法對(duì)相異數(shù)據(jù)進(jìn)行壓縮編碼并傳送給備份虛擬機(jī)。備份虛擬機(jī)在接收到數(shù)據(jù)后進(jìn)行解碼并重構(gòu)主虛擬機(jī)端的發(fā)生變化的內(nèi)存頁(yè)面，并更新其虛擬機(jī)狀態(tài)。同時(shí)，為了減少主虛擬機(jī)的停止運(yùn)行時(shí)間，在進(jìn)行X

13000）兩類分塊矩陣的群逆＊張倍欣，馮茂春（湖州師范學(xué)院 理學(xué)院，浙江 湖州 313000）當(dāng)P為退化的冪等矩陣時(shí)，我們利用矩陣的秩的性質(zhì)、分塊矩陣的初等變換，以及群逆存在的充分必要條件，討論了形如其中P為方陣）的兩類分塊矩陣群逆的存在性．接著，利用初等變換和矩陣1逆的求法，根據(jù)矩陣群逆與矩陣3次冪的1逆的關(guān)系，最終給出上述兩類分塊矩陣群逆的一般表示式，并以例子加以說(shuō)明．分塊矩陣；矩陣的群逆；酉矩陣MSC 2000：15A240 引言近40多年來(lái)，廣義

[4]闡述了PA分塊Rees矩陣半群的概念,下面引入一些準(zhǔn)備知識(shí).設(shè)I,Λ≠,Γ(≠)對(duì)I和Λ分別進(jìn)行分劃得到:P(I)={Iγ:γΓ},P(Λ)={Λγ:γΓ}.約定用i,j,k,h表示I中的元;用λ,μ,ν,ρ表示Λ中的元;用α,β,γ,δ表示Γ中的元.對(duì)于任意的序?qū)?α,β)?！力?設(shè)Mαβ是這樣一個(gè)集合,它滿足:對(duì)于任意的α,Mαα=Tα是僅含一個(gè)冪等元eα的幺半群且對(duì)于α≠β,要么Mαβ=,要么Mαβ是一個(gè)(Tα,Tβ)-雙系.0(零元)表示不在

此處在黃廷祝利用分塊矩陣求奇異值下界的估計(jì)的基礎(chǔ)上進(jìn)行了改進(jìn)，得到了一個(gè)更精確的界值估計(jì).采用如下一系列符號(hào):其中N表示自然數(shù)集;Mn（C）表示n×n階復(fù)矩陣集合;λ（A）表示A的特征值;σn（A）表示A的最小奇異值;A*代表A的共軛轉(zhuǎn)置;‖·‖表示向量范數(shù)誘導(dǎo)的矩陣范數(shù).A奇異值用）表示.將A的n個(gè)奇異值按降序排列，即σ1（A）≥σ2（A）≥…≥σn（A）.此外，設(shè)A=（aij）∈Mn（C），根據(jù)文獻(xiàn)［3］將A分塊為:，則稱A為對(duì)角占優(yōu)矩陣，將具有這類性

京 210046分塊矩陣在矩陣證明題中的應(yīng)用趙中華南京財(cái)經(jīng)大學(xué)應(yīng)用數(shù)學(xué)學(xué)院 南京 210046結(jié)合矩陣中的一些結(jié)論，討論分塊矩陣在矩陣證明題中的應(yīng)用。例題說(shuō)明分塊的方法是矩陣證明題中較簡(jiǎn)捷、有效的方法。分塊矩陣；秩；初等變換Author’s address Institute of Applied Maths, Nanjing Univ. of Finance & Economics, Nanjing, China 210046在高等代數(shù)中，矩陣分塊的方法