一. 实验目的 1． 掌握常用的排序方法，并掌握用高级语言实现排序的算法。 2． 深刻理解排序的定义和各种排序方法的特点，宾能加以灵活应用。 3． 了解各种方法的排序过程以及依据的原则，并掌握各种排序方法的时间复杂度的分析方法

针对低频大功率二极管中点钳位(NPC)型逆变器控制系统的不连续空间矢量脉宽调制原理及控制策略的研究,提出三电平不连续空间矢量脉宽调制方法,相比于传统三电平空间矢量脉宽调制方法,在相同的开关频率下,此方法可以显著降低逆变器的开关损耗.同时,文中对三电平逆变器的中点电压不平衡问题以及在现场应用中可能出现的PN电平跳变问题进行分析,并提出解决方法.最后,针对本文提出的调制方法做中点电压的平衡控制,给出对于该算法基于仿真和实验的验证

密码学主要包含两部内容，即编码学和密码分析学。 编码学是通过编码技术改变被保护信息的形式，使得 编码后的信息除了指定接收者外其他人无法理解的一门学 问，即加密算法的设计和研究。 密码分析，是研究如何攻破一个密码系统，恢复被隐 藏的信息之本来面目，也就是密码破译技术

提出可在稀疏角域以及多普勒域下对天线阵列信号向量进行接收和分析的方法,讨论在多普勒频域范围内的DOA估计问题,并在有效的频带范围内提取信号冲激响应较大的值.在稀疏DOA的恢复过程中采用的是L2,0估计算法,并在多路天线频谱感知的架构下充分利用DOA所固有的稀疏特性,对其进行稀疏恢复.对于在测试环境中不可避免的噪声问题,分析三种不同噪声分布下的DOA估计误差问题.仿真结果显示频域范围内的L2,0-DOA估计算法具有较低的计算复杂度和较高的准确度,并且算法对噪声不敏感,鲁棒性较高

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性

作为6XXX铝合金热处理工艺的一部分，固溶处理与时效处理对6016铝合金的力学性能有显著影响.本文把固溶温度、时间和时效温度、时间作为设计变量，应用中心组合实验设计法设计固溶-时效实验方案，在室温下分别测出试样的屈服强度、伸长率和维氏硬度.第二代非支配排序遗传算法（NSGA-Ⅱ）解决了第一代算法参数选取难、运行效率低等缺点.本文用第二代非支配排序遗传算法把得到的响应面方程作为目标函数进行多目标优化，经过计算后获得非劣解，从中可筛选出使目标函数较好的解与相对的固溶-时效工艺参数

本文提出了一种与文献[J]中给出的NTNA法相对偶的新的撕裂方法——回路撕裂回路分析法（Loop Tearing Loop Analysis,简称LTIA）;给出了LTLA的电网络拓扑及电耦合条件和撕裂方程的严格推导,进而给出了LTLA的电路理论解释及一个便于理解和实现的算法;以供参考。文章通过一个示例说明了LTLA的撕裂步骤,与其它的撕裂法进行比较,指出了LTLA适用的情况

讨论了广义二阶流体的脉冲泊肃叶流动,引入黎曼-刘维尔分数阶微分建立本构方程,结合不可压缩流体时间分数阶动量方程,得到控制方程.利用傅里叶正弦变换和分数阶拉普拉斯变换,获得流体速度解析解.利用Stehfest算法对结果进行数值模拟,通过图像讨论了分数阶参数以及延迟时间对流动的影响.结果表明速度过冲现象主要取决于动量方程的时间分数阶参数

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际,提出了一种结合Haar特征和三角特征的AdaBoost快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本;然后,通过后续强分类器进行判断大部分的眼睛图像块和少量非眼睛图像块.检测时间消耗有所下降,这样可以保证整体的检测速度.实验结果进一步表明该算法具有更好的检测性能,与仅使用Haar特征相比正检率有一定程度提高