优化迭代的一种新的计算收敛准则

针对最优化问题迭代计算过程中算法收敛准则进行了总结、分析、讨论和改进，通过引入对分法提出了新的计算收敛准则。算例表明，本收敛准则具有更高的可靠性。     

BP 网络中的熵函数准则(英文)

从极限角度证明了传统ＢＰ算法收敛速度慢、产生局部极小点的原因之一是该算法采用的均方误差准则并提出了一种基于熵函数准则的ＢＰ算法，理论分析和仿真结果都表明此熵函数准则优于均方误差函数准则     

一种新的遗传算法停止准则

遗传算法因其思想简单、易于实现及不需要目标与约束函数的灵敏度信息等优点而越来越受到国内外广大学者的关注。本文以基于空间收缩的多种群遗传算法中搜索空间的收缩精度作为算法停止准则，并与传统的控制算法收敛的方法进行比较分析，实验表明本文算法停止准则能够及时准确地控制算法收敛，较之传统方法更具科学性和有效性。     

一种新的全局优化搜索算法--人口迁移算法(Ⅱ)

用概率论分析了新提出的求解函数全局优化问题的人口迁移算法的收敛性及动态特性。分析结果表明人口迁移算法依概率收敛到全局最优解。以找到问题全局最优解的概率为准则，给出了该算法工作在最坏情形时按迭代次数衡量的收敛速度估计，进而给出了该算法按给定概率收敛时的计算时间复杂性估计，即函数计算次数估计。     

鸡群算法的收敛性分析

针对鸡群算法建立Markov链数学分析模型,分析此Markov链的一些性质,证明鸡群状态序列是有限齐次Markov链。结合随机算法收敛准则,证明鸡群算法能够满足随机算法全局收敛的2个准则,保证算法全局收敛。将算法应用于15个标准测试函数寻优问题,并同标准粒子群算法、蝙蝠算法进行比较。实验结果表明:该算法具有较好的全局收敛性和计算鲁棒性,尤其适合高维、多峰的复杂函数求解。     

非线性规划不用梯度作线搜索的算法及收敛性

首先给出求解无约束规划中步长搜索依赖的几个准则和一个线搜索方法，它们仅利用目标函数值，不依赖于梯度，然后，给出点列整体收敛的充分条件，并建立无约束规划的几个具有整体收敛性的算法。此外，还给出算法超线性收敛的条件，最后将方法应用于求解等式约束规划，产生其整体收敛的不用梯度的可行下降算法。     

非线性确定性系统的鲁棒自适应控制器

NARX模型的最小预报误差自适应控制器算法，存在着控制输入偏离以原点为收敛域中心的收敛问题，严重时将出现数值发散现象，系统是BIBO不稳定的。针对这种情况，提出了一种改进的控制输入准则函数和各样自适应控制策略，给出了NARX模型基于该准则函数的一种最小预报误差自适应控制器算法，及使系统无稳态偏差选取准则函数的限制条件，解决了系统存在稳态偏差的问题，同时给出了仿真结果。     

黎曼流形上带Armijo步长准则优化算法

研究求解Riemann流形上优化问题的带Armijo步长准则时的一般情形下降算法，给出了算法描述，算法的收敛性，收敛速度分析，并通过一个数值算例具体说明算法的有效性和合理性。     

基于加权递推最小二乘法的微硬盘伺服信号滤波

针对微硬盘伺服信号的滤波问题,采用了一种加权递推最小二乘法.该算法使用最小二乘加权时间平均准则取代通常的最小均方误差准则,并利用该准则导出权向量的自适应迭代公式,算法保证在每步迭代运算中权值都能调整到最佳,同时降低了权值调整量对噪声的敏感程度.实验结果表明:该算法滤波效果好、抗噪能力强、稳态收敛精度高和收敛速度快,适用于诸如微硬盘驱动器之类对收敛速度及消噪要求较高的场合.     

基于平均熵的Turbo码迭代译码停止准则

本文首先阐述平均熵在Turbo码迭代译码过程的性质，从中可以观察到译码算法的收敛程度与平均熵的变化趋势一致。然后，我们基于平均熵提出一种新的Turbo码迭代译码停止准则。仿真结果表明，对比现有的其它准则，这种新的准则能够在保持译码的误比特率性能和算法的计算复杂度的同时，有效地减少迭代次数。     

关于无约束最优化问题的计算终止准则

讨论常用的无约束最优化问题的计算终止准则的可靠性，并且构造出一种新计算终止准则，数值试验的结果表明，新计算终止准则的可靠性高     

UNION-FIND序列的计算时间

本文讨论了UNION-FIND算法,用一种比较简单的方法证明了W-UNION与C-FIND序列的计算时间是非线性的.     

一种新的分布式网络环境信任评估模型

针对分布式网络中缺乏权威机构导致网络中的实体缺乏足够的全局信息,使实体的信任度难以评估的问题. 综合考虑具有全局性与客观性的声誉值及具有局部性与主观性的信任值,提出一种新的基于声誉计算规则、信任推荐规则、声誉加权规则及信任计算规则的4规则信任评估模型. 通过模拟实验将该信任模型与抗攻击信任度模型的安全性进行了比较. 仿真实验表明,该信任模型在安全性问题上较已有模型有一定的改进.     

基本概念格的关联规则挖掘算法

在已有的基于概念格的关联规则挖掘算法中,搜索频繁结点的范围太大,从而导致花费大量的时间来产生关联规则。针对这一不足,利用“索引链表”数据结构来辅助快速地找到所有的频繁结点,缩小了结点的搜索范围,降低了概念格中挖掘关联规则算法的复杂度。     

两个传统线性代数问题的新解法

探讨了两个传统线性代数问题--Cramer法则和三对角行列式计算的新方法.     

一种基于解释性的遗传模糊分类系统设计方法

讨论了基于词语计算的模糊规则生成方法在遗传模糊分类系统中的应用,提出了一种新的遗传模糊分类系统的设计方法,在算法的变异过程中基于词语计算引入4个变异算子,对模糊隶属函数的形状进行调整,扩大算法的搜索空间,实验结果表明算法在保证了系统解释性的同时达到了较好的分类准确率.     

关于离散参数曲线网上曲率的一种刻画

针对由参数曲线网形成的四边形网格,提出了一种简洁快速的加细方法,即在保持初始网格不变的情况下,使每一个小极限曲面片为C2,而整体极限曲面为一次连续的.应用该方法,给出了一种四边形网格上任意顶点处的离散估计值的定义方法,主要包括离散的Gauss曲率和平均曲率的定义.最后,实验验证表明了该方法的有效性和优越性.     

云计算环境下关联规则数据挖掘算法研究

在海量数据的关联规则数据挖掘中,采用并行计算是非常必要的;针对当前的关联规则算法,运用并行算法的思想,结合云计算环境下的Hadoop架构,提出了Hadoop下的并行关联规则算法的设计,最后实验表明,该算法能处理节点失效,并且能实现节点负载均衡。     

函数－规约混合语言的设计与实现

在函数式语言中引入约束类型和优化规则定义机制，并将扩展的函数式语言与代数规约说明语言相结合，支持从规约到程序的设计，并提高编程的效率及灵活性．混合语言系统将代数规约转换为合流的重写系统，将函数定义、计算约束和优化规则视为重写规则，基于重写模型，以平行最外方法辅以必要归约进行计算．     

基于自适应模型的数据库入侵检测方法

提出了一种基于自适应模型数据库入侵检测方法(ASIDS).该方法基于矩阵和最小支持度函数的AprioriZ关联算法,依据在训练和自适应入侵检测阶段产生数据库的操作特征,用户根据实际需求动态调整最小支持度函数的值,更高效挖掘操作特征.结合层次聚类算法产生动态规则库,通过计算待检测数据操作特征与规则库中聚类的距离是否超过聚类间最大距离来判断异常,以避免已有检测系统中判断"边界尖锐"问题,并实时把正常操作特征归入动态规则库,通过对报警信息的关联分析降低误警率.实验结果表明,ASIDS能够实时地进行入侵检测,具有很高的检测率和较低的误警率.