For a set $S$ of $n$ disjoint line segments in $\mathbb{R}^{2}$, the visibility counting problem is to preprocess $S$ such that the number of visible segments in $S$ from any query point $p$ can be computed quickly. There have been approximation algorithms for this problem with trade off between space and query time. We propose a new randomized algorithm to compute the exact answer of the problem. For any $0<\alpha<1$, the space, preprocessing time and query time are $O_{\epsilon}(n^{4-4\alpha})$, $O_{\epsilon}(n^{4-2\alpha})$ and $O_{\epsilon}(n^{2\alpha})$, respectively. Where $O_{\epsilon}(f(n)) = O(f(n)n^{\epsilon})$ and $\epsilon>0$ is an arbitrary constant number.


翻译:对于以$mathbb{R ⁇ 2}为单位的固定离线线段,可见度计问题在于预处理$S美元,这样就可以从任何查询点迅速计算出以美元计的可见部分数量。对于这个问题,在空间和查询时间之间交换了近似算法。我们建议采用新的随机算法来计算问题的准确答案。对于任何1美元,空间、预处理时间和查询时间为$Oepsilon}(n ⁇ 4-4\alpha})$,(n ⁇ 4-2\alpha})$(n ⁇ 4-2\alpha})美元和$Oepsilon}(n ⁇ 2\alpha})美元。$Oepsilon}(f(n)) =O(f)(n) {epsilon} 美元和 $\psilon>0美元是一个任意不变的数字。

0
下载
关闭预览

相关内容

Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
专知会员服务
159+阅读 · 2020年1月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
14+阅读 · 2019年9月11日
Arxiv
3+阅读 · 2018年2月24日
Arxiv
3+阅读 · 2017年12月23日
VIP会员
相关资讯
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员