演算法邊緣化

⑴ 常見的邊緣演算法有哪幾種，試論述各種方法的優缺點

一、冒泡排序
已知一組無序數據a[1]、a[2]、……a[n]，需將其按升序排列。首先比較a[1]與 a[2]的值，若a[1]大於a[2]則交換 兩者的值，否則不變。再比較a[2]與a[3]的值，若a[2]大於a[3]則交換兩者的值，否則不變。再比 較a[3]與a[4]，以此 類推，最後比較a[n-1]與a[n]的值。這樣處理一輪後，a[n]的值一定是這組數據中最大的。再對a[1]~a[n- 1]以相同方法 處理一輪，則a[n-1]的值一定是a[1]~a[n-1]中最大的。再對a[1]~a[n-2]以相同方法處理一輪，以此類推。共處理 n-1 輪 後a[1]、a[2]、……a[n]就以升序排列了。
優點：穩定；
缺點：慢，每次只能移動相鄰兩個數據。

二、選擇排序
每一趟從待排序的數據元素中選出最小（或最大）的一個元素，順序放在已排好序的數列的最後，直到全部待排序的數 據元素排完。
選擇排序是不穩定的排序方法。
n 個記錄的文件的直接選擇排序可經過n-1 趟直接選擇排序得到有序結果：
①初始狀態：無序區為R[1..n]，有序區為空。
②第1 趟排序 在無序區R[1..n]中選出關鍵字最小的記錄R[k]，將它與無序區的第1 個記錄R[1]交換，使R[1..1]和R[2..n]分別變 為記錄個數增加1 個的新有序區和記錄個數減少1 個的新無序區。
③第i 趟排序
第i 趟排序開始時，當前有序區和無序區分別為R[1..i-1]和R(1≤i≤n-1)。該趟 排序從當前無序區中選出關鍵字最 小的記錄 R[k]，將它與無序區的第1 個記錄R 交換，使R[1..i]和R 分別變為記錄個數增加1 個的新有序區和記錄個數減少 1 個的新無序區。
這樣，n 個記錄的文件的直接選擇排序可經過n-1 趟直接選擇排序得到有序結果。
優點：移動數據的次數已知（n-1 次）；
缺點：比較次數多。

三、插入排序
已知一組升序排列數據a[1]、a[2]、……a[n]，一組無序數據b[1]、 b[2]、……b[m]，需將二者合並成一個升序數列。 首先比較b[1]與a[1]的值，若b[1]大於a[1]，則跳過，比較b[1]與a[2]的值， 若b[1]仍然大於a[2]，則繼續跳過，直 到b[1]小於a 數組中某一數據a[x]，則將a[x]~a[n]分別向後移動一位，將b[1]插入到原來 a[x]的位置這就完成了b[1] 的插入。b[2]~b[m]用相同方法插入。（若無數組a，可將b[1]當作n=1 的數組a）
優點：穩定，快；
缺點：比較次數不一定，比較次數越少，插入點後的數據移動越多，特別是當數據總量龐大的時候，但用鏈表可以解決 這個問題。

四、縮小增量排序
由希爾在1959 年提出，又稱希爾排序(shell 排序)。
已知一組無序數據a[1]、a[2]、……a[n]，需將其按升序排列。發現當n 不大時，插入 排序的效果很好。首先取一增 量d(d<n)，將a[1]、a[1+d]、a[1+2d]……列為第一組，a[2]、a[2+d]、 a[2+2d]……列為第二組……，a[d]、a[2d]、a[3d]……="" 列為最後一組以次類推，在各組內用插入排序，然後取d'<d，重復上述操="" 作，直到d="1。"
優點：快，數據移動少；=""
缺點：不穩定，d="" 的取值是多少，應取多少個不同的值，都無法確切知道，只能憑經驗來取。=""

五、快速排序=""
快速排序是冒泡排序的改進版，是目前已知的最快的排序方法。
="" 已知一組無序數據a[1]、a[2]、……a[n]，需將其按升序排列。首先任取數據a[x]="" 作為基準。比較a[x]與其它數據並="" 排序，使a[x]排在數據的第k="" 位，並且使a[1]~a[k-1]中的每一個數="" 據a[x]，然後采 用分治的策略分別對a[1]~a[k-1]和a[k+1]~a[n] 兩組數據進行快速排序。
優點：極快，數據移動少；
缺點：不穩定。

⑵ 邊緣計算是指什麼意思

邊緣計算指以網路的「邊緣」為界的演算法，比如在智能網關和攝像機內部進行計算。不過將這些設備收集的全部數據進行存儲或是用於計算並不現實，其中的干擾信息或者冗餘信息太多，倘若處理不當還會使處理效果適得其反。以海普森林防火監控系統為例。通過內置的煙火識別處理器傳輸tb級的視頻數據，但其中真正有價值的數據只是那些引起懷疑或非法活動的幾兆位元組，而邊緣計算就能很好的處理感興趣的目標數據。另外，與雲計算相比，邊緣計算還可以減少對網路流量的阻塞，為更多關鍵任務的執行「留有餘地」。

⑶ 邊緣計算有什麼特點

【邊緣計算六大特點】

1、去中心化：

邊緣計算從行業的本質和定義上來看，就是讓網路、計算、存儲、應用從「中心」向邊緣分發，以就近提供智能邊緣服務。

2、非寡頭化：

邊緣計算是互聯網、移動互聯網、物聯網、工業互聯網、電子、AI、IT、雲計算、硬體設備、運營商等諸多領域的「十字入口」，一方面參與的各類廠商眾多，另一方面「去中心化」在產品邏輯底層，就一定程度上通向了「非寡頭化」。

3、萬物邊緣化：

邊緣計算和早年的IT、互聯網，如今的雲計算、移動互聯網，以及未來的人工智慧一樣，具備普遍性和普適性。

4、安全化：

在邊緣計算出現之前，用戶的大部分數據都要上傳至數據中心，在這一上傳的過程中，用戶的數據尤其是隱私數據，比如個體標簽數據、銀行賬戶密碼、電商平台消費數據、搜索記錄、甚至智能攝像頭等等，就存在著泄露的風險。

而邊緣計算因為很多情況下，不要再把數據上傳到數據中心，而是在邊緣近端就可以處理，因此也從源頭有效解除了類似的風險。

5、實時化：

隨著工業互聯網、自動駕駛、智能家居、智能交通、智慧城市等各種場景的日益普及，這些場景下的應用對計算、網路傳輸、用戶交互等的速度和效率要求也越來越高。

6、綠色化：

數據是在近端處理，因此在網路傳輸、中心運算、中心存儲、回傳等各個環節，都能節省大量的伺服器、帶寬、電量乃至物理空間等諸多成本，從而實現低成本化、綠色化。

꧁꧂

邊緣計算：

「邊緣計算」是指在靠近物或數據源頭的一側，採用網路、計算、存儲、應用核心能力為一體的開放平台，就近提供最近端服務。其應用程序在邊緣側發起，產生更快的網路服務響應，滿足行業在實時業務、應用智能、安全與隱私保護等方面的基本需求。

邊緣計算處於物理實體和工業連接之間，或處於物理實體的頂端。而雲端計算，仍然可以訪問邊緣計算的歷史數據。

簡單來說，邊緣計算，就是用網路邊緣對數據進行分類，將部分數據放在邊緣處理，減少延遲，從而實現實時和更高效的數據處理，以達到對雲計算的有力補充。

⑷ canny演算法的最優邊緣准則

Canny 的目標是找到一個最優的邊緣檢測演算法，最優邊緣檢測的含義是：
(1)最優檢測：演算法能夠盡可能多地標識出圖像中的實際邊緣，漏檢真實邊緣的概率和誤檢非邊緣的概率都盡可能小；
(2)最優定位準則：檢測到的邊緣點的位置距離實際邊緣點的位置最近，或者是由於雜訊影響引起檢測出的邊緣偏離物體的真實邊緣的程度最小；
(3)檢測點與邊緣點一一對應：運算元檢測的邊緣點與實際邊緣點應該是一一對應。
為了滿足這些要求 Canny 使用了變分法（calculus of variations），這是一種尋找優化特定功能的函數的方法。最優檢測使用四個指數函數項表示，但是它非常近似於高斯函數的一階導數。

⑸ 演算法黑箱為何難治理

演算法黑箱半月談。隨著大數據、人工智慧等信息技術的快速發展,我們正在進入演算法經濟時代，以深度學習為代表的人工智慧演算法在互聯網信息傳播，數字經濟發展。

信息產業服務等諸多方面發揮了重要作用，產生了溢出性極強的經濟效益監管信任危機的根源在於企業在數據和演算法上的非對稱優勢，當前，基礎數據的所有權和控制權主要集中在互聯網平台企業。

簡介：

這些企業全程操縱演算法設計，運行，測試和分析，由此占據著優勢地位，監管部門在演算法社會中已經呈現出被邊緣化的趨勢，極易失去對關鍵數據和關鍵演算法的監督權和控制權，這意味著，演算法黑箱的存在勢必導致私人利益主觀上俘獲公共利益。

以及資本主觀上規避公權力約束等風險的產生，同時，演算法黑箱客觀上隱藏了演算法自身存在的缺陷，並可能觸發安全風險，讓監管機構難以審查演算法信息，監管機構規制演算法的內容與手段均受到限制，難以及時針對演算法問題進行問責和糾偏。

⑹ 邊緣計算的價值是什麼

緩解網路寬頻壓力及後台結構化對伺服器的要求。提高智能場景的落地效率和復制速度；對存量終端設備快速AI賦能,提高了海量數據處理能力；有效管理設備到雲端的數據流，降低用戶隱私泄露風險。可以廣泛應用於智能安防、智慧醫療、智慧交通、智慧社區、智能製造、工業物聯等領域。
最高24T算力，低投入完成設備AI升級，隨著智能時代智慧城市建設，5G、互聯網、物聯網、物物聯網，智慧建設的大環境下，不用依賴雲計算的邊緣計算將迎來新的市場藍海。
宏橋科技利用IoT技術，打造一個萬物互聯、信息共享、智能控制與管理的城市物聯網運營管理綜合服務系統。系統可與宏橋智慧雲盒協作，對接各類智能硬體，形成統一的管理規范，管理運維城市范圍內的物聯感知設備。