با سلام خدمت شما عزیزان

من توی کار پردازش تشخیص گوینده ، نیاز به اعمال یک ماتریس با ابعاد 32*100000 ، هستم ، این ماتریس ثابت هستش و به هر صورتی باید به برنامه آورده شود ... می خواستم بدونم چه راهی میتونه سریع ترین بازخوانی این ماتریس رو برای من داشته باشه ..

من خودم ، این ماتریس رو داخل فایل تکست گذاشتم و اونو داخل assets قرار دادم ... سرعت فراخوانی این روش بسیار کند هستش ....

یک کاری دیگه ای که کردم ، اومدم این ماتریس رو به صورت ماتریس پیش تعریف شده نوشتم ... یعنی خط کد double [][] ..... رو تو متلب تولید کردم و تو برنامه قرار دادم ... منتها اندروید چنین کدی با حجم 8 مگ را قبول نمی کند . و خطای بزرگی کد رو قرار می ده.....!

از شما می خوام بپرسم نظر شما برای چنین کاری چی هست؟


کد من با BufferedReader

int i = 0;

try {

    String mLine;

    String contents = "";

    contents = reader.readLine();

    int j = 0, p = 0;

    while ((mLine = reader.readLine()) != null) {



        String[] arrayOfString = mLine.split("\\s+");



        int ee = arrayOfString.length;



        for (int h = 0; h <= 99999; h++) {

            double aDouble = Double.parseDouble(arrayOfString[h]);

            array[i][h] = aDouble;

        }

        i++;

    }

بخشی از ماتریس

3.34757136200584e-10 2.64446684885372e-09 8.80972794220769e-09 2.06044616629818e-08 3.96922203985065e-08 6.76229551741540e-08 1.05830229320507e-07 1.55628865495689e-07 2.18213013085912e-07 2.94654622866982e-07 3.85902315690718e-07 4.92780631862341e-07 6.15989647797280e-07 7.56104946488050e-07 9.13577928273084e-07 1.08873644837930e-06 1.28178576770789e-06 1.49280980334813e-06 1.72177266533567e-06 1.96852046622012e-06 2.23278339007038e-06 2.51417800762473e-06 2.81220982438599e-06 3.12627604856895e-06 3.45566856592765e-06 3.79957710862277e-06 4.15709260543488e-06 4.52721070078553e-06 4.90883543019631e-06 5.30078303999378e-06 5.70178593925650e-06 6.11049677219782e-06 6.52549259938445e-06 6.94527917640561e-06 7.36829531882991e-06 7.79291734251717e-06 8.21746356858909e-06 8.64019888260543e-06 9.05933933774161e-06 9.47305679201770e-06 9.87948356988794e-06 1.02767171387636e-05 1.06628247913101e-05 1.10358483246291e-05 1.13938087077133e-05 1.17347107288359e-05 1.20565476148182e-05 1.23573056143994e-05 1.26349685382162e-05 1.28875222481828e-05 1.31129590893482e-05 1.33092822575928e-05 1.34745100968109e-05 1.36066803195117e-05 1.37038541450566e-05 1.37641203500339e-05 1.37855992255545e-05 1.37664464365327e-05 1.37048567782994e-05 1.35990678261665e-05 1.34473634738416e-05 1.32480773568626e-05 1.29995961574909e-05 1.27003627877709e-05 1.23488794477245e-05 1.19437105559115e-05 1.14834855498432e-05 1.09669015539866e-05 1.03927259133486e-05 9.75979859087197e-06 9.06703442711524e-06 8.31342526092436e-06 7.49804191003477e-06 6.62003601076832e-06 5.67864171621109e-06 4.67317725247349e-06 3.60304633284574e-06 2.46773942986644e-06 1.26683490552350e-06 3.34536933638740e-20 -1.33300832043131e-06 -2.73234265557981e-06 -4.19806460260876e-06 -5.73014432527173e-06 -7.32846025980919e-06 -8.99279895604070e-06 -1.07228550520338e-05 -1.25182313805797e-05 -1.43784392055648e-05 -1.63028985861872e-05 -1.82909388668370e-05 -2.03417992903337e-05 -2.24546297320925e-05 -2.46284915526783e-05 -2.68623585660992e-05 -2.91551181210839e-05 -3.15055722924974e-05 -3.39124391799532e-05 -3.63743543105955e-05 -3.88898721429491e-05 -4.14574676686537e-05 -4.40755381088380e-05 -4.67424047018197e-05 -4.94563145787634e-05 -5.22154427238754e-05 -5.50178940156641e-05 -5.78617053457587e-05 -6.07448478117353e-05 -6.36652289803721e-05 -6.66206952177271e-05 -6.96090340824085e-05 -7.26279767783930e-05 -7.56752006637313e-05 -7.87483318114757e-05 -8.18449476191564e-05 -8.49625794631389e-05 -8.80987153941955e-05 -9.12508028706357e-05 -9.44162515253512e-05 -9.75924359631510e-05 -0.000100776698584780 -0.000103966352434043 -0.000107158684064474 -0.000110350956422047 -0.000113540411740420 -0.000116724274445284 -0.000119899754064402 -0.000123064048139979 -0.000126214345140049 -0.000129347827365616 -0.000132461673850336 -0.000135553063249591 -0.000138619176715851 -0.000141657200757292 -0.000144664330076690 -0.000147637770387695 -0.000150574741205621 -0.000153472478610000 -0.000156328237976177 -0.000159139296673329 -0.000161902956726337 -0.000164616547439041 -0.000167277427976454 -0.000169882989903621 -0.000172430659678864 -0.000174917901099240 -0.000177342217696125 -0.000179701155078915 -0.000181992303224916 -0.000184213298713567 -0.000186361826903258 -0.000188435624049042 -0.000190432479359655 -0.000192350236992344 -0.000194186797984055 -0.000195940122117664 -0.000197608229721977 -0.000199189203404329 -0.000200681189714699 -0.000202082400740333 -0.000203391115629947 -0.000204605682046678 -0.000205724517549024 -0.000206746110899095 -0.000207669023297585 -0.000208491889544951 -0.000209213419128358 -0.000209832397234047 -0.000210347685684833 -0.000210758223802552 -0.000211063029195307 -0.000211261198469487 -0.000211351907866570 -0.000211334413824800 -0.000211208053465919 -0.000210972245007186 -0.000210626488098978 -0.000210170364088357 -0.000209603536209041 -0.000208925749698271 -0.000208136831841152 -0.000207236691943083 -0.000206225321230971 -0.000205102792683971 -0.000203869260794545 -0.000202524961260712 -0.000201070210610381 -0.000199505405758741 -0.000197831023499708 -0.000196047619932500 -0.000194155829824431