快速傅立叶变换 (FFT) 和大数据

一则或许对你有用的小广告

欢迎加入小哈的星球 ,你将获得:专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸:仿小红书(微服务架构)》 正在持续爆肝中,基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...点击查看项目介绍 ;
  • 《从零手撸:前后端分离博客项目(全栈开发)》 2 期已完结,演示链接: http://116.62.199.48/ ;

截止目前, 星球 内专栏累计输出 63w+ 字,讲解图 2808+ 张,还在持续爆肝中.. 后续还会上新更多项目,目标是将 Java 领域典型的项目都整一波,如秒杀系统, 在线商城, IM 即时通讯,权限管理,Spring Cloud Alibaba 微服务等等,已有 2200+ 小伙伴加入学习 ,欢迎点击围观

以数值方式计算傅立叶变换的最直接方法需要 O( n 2 ) 操作。快速傅立叶变换 (FFT) 可以在 O( n log n ) 操作中计算出相同的结果。如果 n 很大,这可能是一个巨大的改进。

James Cooley 和 John Tukey 在 1965 年(重新)发现了 FFT。这在当时被认为是一项原创性发现。后来才有人在高斯的论文中找到算法的草图。

Daniel Rockmore 在 The Princeton Companion to Applied Mathematics 中写了一篇关于快速傅里叶变换的文章:

[Cooley] 告诉我,他认为快速傅里叶变换可以被认为是渐近算法分析和计算复杂性研究的灵感来源之一......

在 1960 年代的“大数据”新世界中,巧妙地降低计算复杂性可能会产生巨大的变化。

相关文章