基于低能见度场景中退化图像的增强方法

研究了低能见度条件下的图像清晰化方法,在基于频率域与空间域的传统算法的基础上,提出了传统算法互相结合的新算法,包括POSHE算法、基于POSHE算法与传统算法相结合的算法、有限对比自适应直方图均衡化的算法、基于CLAHE算法和POSHE算法与传统算法相结合的算法。以上几种算法,都能对含沙尘的这类图像进行不同程度的增强,得到了较为满意的结果。     

入侵检测模式匹配算法研究

综述了入侵检测模式匹配算法,包括Brute Force算法、Knuth-Pratt-Morris算法、Boyer-Mooer算法、Aho-Corasick算法、Set-wise Boyer-Moore-Horspool算法和Aho-Corasick_Boyer-Moore算法。     

LLR-BP算法的简化译码算法研究

研究了基于Gallager方案的LLR-BP算法及其简化的译码算法,应用Matlab仿真比较了基于Gallager方案的LLR-BP算法及其三种简化译码算法的性能,仿真结果表明:基于Gallager方案的LLR-BP算法与归一化BP算法和偏置BP算法的误码率性能相差不多,当信噪比大于2dB时,归一化BP算法和偏置BP算法比基于Gallager方案的LLR-BP算法的误码率性能稍好,最小和算法误码率性能相对最差。     

一种求解TSP问题的混合算法

结合粒子群算法、蚁群算法、重力搜索算法提出了一种新的混合算法——TSP-GPAA.该算法将粒子群算法和重力搜索算法加入到蚁群算法中,利用粒子群算法的全局搜索能力解决了蚁群算法的初始信息素匮乏的问题,并且重力搜索算法将粒子群算法和蚁群算法参数进行优化,明显提高了蚁群算法的优化性能.实验表明新算法对于解决TSP问题是有效的...     

基于QR分解的信号检测算法的研究

研究了VBLAST-OFDM系统基于QR分解的几种信号检测算法,分析了各种算法优缺点,指出信号检测顺序是降低误码率的关键,针对VBLAST算法计算量大的缺点,建议采用SQRD算法,该算法利用迭代运算代替矩阵求逆运算,降低了VBLAST算法的计算量,并采用MMSE准则对该算法进行进一步推广,仿真结果表明采用MMSE-SQRD算法优于除ML(最大似然)算法以外的检测算法.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

基于高次逼近的改进型RA译码算法研究

RA码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂.虽然最小和译码算法、归一化译码算法和偏移量译码算法能够简化BP译码算法,但它们都是以牺牲性能为代价的.根据最小均方误差准则,提出一种改进型RA译码算法,该算法采用高次逼近的方法来近似于BP译码算法,能够降低BP译码算法的复杂度.仿真结果表明,与BP译码算法相比,改进型RA译码算法能在降低算法复杂度的同时保持良好的译码性能,与归一化译码算法和偏移量译码算法相比,改进型RA译码算法的复杂度几乎不变,但译码性能得到了明显的提高.     

一种改进型VS功率控制算法

在VSPC算法的基础上,针对VSPC算法存在实用性方面的不足,提出了一种改进型VSPC算法.该算法是一种可在实际系统中应用的算法.通过仿真,证明改进型VSPC算法是一种性能上与VSPC算法相当接近的实用化算法.     

珊瑚礁算法的改进研究

珊瑚礁算法易于陷入局部最优且寻优精度低，因此提出一种改进的珊瑚礁算法.此算法借鉴粒子群算法、高斯变异和模拟退火算法的思想改进珊瑚礁算法的内部有性繁殖、无性繁殖和更替机制，提高了算法的寻优精度并可跳出局部最优.在仿真实验中，将改进珊瑚礁算法与基本珊瑚礁算法和粒子群算法等10种算法分别在高维和低维测试函数下进行比较.实验结果表明，改进的珊瑚礁算法不仅较其他算法具有更好的收敛速度和精度，而且在高维测试函数中，仍然可以保持良好的性能.     

前向神经网络粒子群优化学习算法研究

将粒子群优化算法用于前向神经网络权值的学习算法研究,以神经网络学习算法研究的典型问题之一的XOR问题作为研究实例,针对算法的收敛性、学习速度以及算法对初值的鲁棒性等性能指标,分别对标准的PSO算法、改进的PSO算法以及BP算法及其带动量项的BP算法进行了比较研究.研究表明,PSO算法在前向神经网络权值的学习算法中其所有的性能指标均优于传统的BP算法,PSO算法在神经网络的应用中具有广阔的前景.     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

基于扇形趋利果蝇优化算法改进的FS-K聚类算法

针对果蝇算法对高维函数收敛精度低的缺点,提出了一种改进的基于扇形搜索的果蝇算法(Fan search-Fruit Fly Optimization Algorithm,FS-FOA),该算法在原果蝇FOA算法的基础上改进了果蝇群体的搜索路径,并赋予果蝇个体趋利性,使更多的果蝇个体朝着味道浓度更大的方向前进,使果蝇群体的搜索方向有更多的选择性,增加果蝇算法在处理高维函数问题上的收敛速度和收敛精度;并将改进的FS-FOA算法与K-means聚类相结合,提出一种FS-K聚类算法,与原K-means聚类和原果蝇(FOA)算法进行对比实验,引入5个经典的测试函数对原FOA算法和FS-FOA算法寻优结果进行测试,结果表明采用FS-FOA算法具有更高的收敛精度;引入5个UCI公共数据集对改进FS-K聚类算法和原K-means算法、SOM聚类算法、FCM聚类算法进行测试,结果表明FS-K聚类算法具有更好的聚类效果。     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.     

一种混合稀疏置零的自适应声回波对消算法

对稀疏路径的自适应声回波对消算法进行了讨论,提出一种稀疏置零归一化解相关LMS自适应滤波算法(简称SSKNDLMS).该算法综合了稀疏算法,置零算法及归一化解相关算法的优点,在增加少量计算量的情况下,其收敛速度和稳态失配比常用的LMS算法都有明显的改善.计算机仿真证实了这一结果.     

一种改进的RS码代数软判决译码算法

为了提高Reed-Solomon码的纠错性能,分析并给出了能提高Reed-Solomon码纠错能力的代数软判决译码算法的译码流程,讨论了译码中需要的软信息的计算方法,推导了代数软判决译码算法的译码成功条件.在此基础上,提出了一种改进的代数软判决译码算法,并对改进算法的运算量和译码时延进行了分析.算法针对推导的译码成功条件,通过改变代数软判决译码算法中插值算法的选择输出准则,更有效地利用了接收端的软信息.仿真结果表明,在译码时延基本不变的条件下,提出的算法比代数软判决译码算法提供更多的译码增益.     

粒子群遗传融合算法

提出一种融合粒子群算法和遗传算法改进优化算法,该算法首先采用一种自适应弹性粒子群算法,弹性地修正粒子速度的幅值,有效地避免了粒子群算法的早熟收敛问题。再与遗传算法融合,模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,先采用自适应弹性粒子群算法获得进一步的提高。再经过提高、交叉、变异三步,获得最优解。以动态系统FCRNN的设计为例,改进算法收敛速度快,误差精度高。     

基于自适应Levy飞行改进的TDOA三维定位算法

针对已有的算法在基于到达时间差(time difference of arrival, TDOA)测量方案中存在的搜索能力不均衡，导致三维定位区域局部存在定位精度低甚至求解失败的问题，提出了一种基于改进探路者优化算法(pathfinder algorithm, PFA)的TDOA定位算法，通过将自适应Levy飞行和改进后的PFA算法进行融合，增强了个体对定位区域复杂环境的适应性，解决算法早熟、易陷入局部最优等问题，提升了算法综合性能.通过仿真和实验，结果表明：与Taylor算法、LM算法相比，本文提出的算法(Levy-pathfinder algorithm, LPFA)可以提高定位精度；与PSO算法、PFA算法相比，LPFA算法可以在提高运算速度的同时得到更准确的定位结果.