排序方式: 共有58条查询结果,搜索用时 15 毫秒
51.
52.
53.
54.
55.
56.
对海量数据的处理,最有效的方法是并行计算。因此,对DNA序列比对进行并行化,以及对BLAST算法进行并行化改进,以提高对大数据量处理的能力,尽管在CLUSTER上的计算效率较超级计算机上的效率低。但CLUSTER较超级计算机费用低,有较大的适用性,而高性能计算机是处理海量数据的强有力的工具,生命科学中计算问题必须进行超级计算已是不争的事实,现代生命科学对超级计算已显示出强烈依赖和迫切需求,文中对BLAST算法进行改进,提出一种局部并行化的DNA序列比对算法,为了检验算法的科学性和适用性,将此算法与超级计算机的高效并行算法——改进的FFT算法相比较及分析。 相似文献
57.
基于神经网络的汽车车型识别 总被引:1,自引:0,他引:1
本文介绍了“多品种混流机器人喷漆自动线的汽车车型识别系统”的一种识别方法,主要是运用多层前馈神经网络对自动喷漆线上的汽车车型进行识别。 相似文献
58.
提出针对交叉项补偿的新级联FFT算法。通过交叉项补偿处理及级联FFT运算顺序的调整,解决了传统算法数据量大的问题,以及栅瓣效应的出现,同时降低了在进行大数据量FFT运算时,单次处理负荷过大的问题。该算法在雷达、声呐并行信号处理领域具有较好的应用前景,理论推导和仿真验证的结果都表明了该算法的可行性和有效性。 相似文献