FP-growth算法的一种优化实现

研究工作者已经提出了许多对事务数据库中频繁模式、关联规则的挖掘算法.早期算法有Apriori算法,然而该算法利用候选项集找频繁项集,而候选项集的产生往往是非常耗时的.JianweiHan等人提出了一种改进的算法,FP-growth算法.该算法不产生候选项集,效率比Apriori算法提高了近一个数量级.在描述FP-growth算法的基础上,具体讨论了如何优化数据结构,有效的实现该算法.     

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.     

决策树的经典算法:ID3与C4.5

决策树各类算法,各有特点,其中J.R.Quinlan提出的ID3算法最具代表性,在国际上的影响也最大,C4.5算法就是在ID3算法基础上进行改进得到的.通过对两种算法详细描述,阐明了决策树算法步骤及其主要思想.     

Koch曲线的序数理论与新算法设计

生成Koch曲线的常见算法是递归算法、Ls算法和IFS算法.针对现有三种算法的局限性,提出Koch曲线的序数理论,设计生成Koch曲线的OV算法.OV算法不需要递归调用,不占用大量空间,并且兼容于LS算法,还可以推广到Koch结构.最后,以OV算法为基础,提出LS2算法,有效地解决了LS算法的问题.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

网络拓扑图多级分割塌缩阶段算法改进

针对网络拓扑图上的宏观异常预警可视化显示需要,分析了当前图的多级划分算法.算法分为图塌缩、初始划分和多级优化三个阶段.在多级分割算法的图塌缩阶段,提出改进算法———KV算法和VC算法.实验验证改进后算法在运行时间、恢复时间和分割边数上均优于传统算法.改进塌缩KV算法在分割边数上平均提高了4.6%,在运行时间上提高了12%,而VC算法降低了KV算法的时间复杂度.     

运输路径问题的一个新启发式算法

在解运输路径问题时常常使用Clarke和Wright提出的启发式算法(下称C.W.算法)。本文对Clarke和Wright算法进行改进。改进算法的计算复杂性虽不如C.W.算法,但计算的数值结果在大多数情况下比C.W.算法的结果更好。     

基于压缩感知的无线传感器网络节点定位算法

为了得到有效的、通用的定位算法,提出了两种新的定位算法——基于压缩感知的无线传感器网络节点定位算法（NLCS）及其改进算法（INLCS）.NLCS算法利用压缩感知和加权质心算法进行节点位置估计.提出了伪跳数以改进NLCS算法,提升了算法的定位性能.这两种算法解决定位问题必须满足3个条件,使其更适合于实际应用.仿真结果表明,相对于LSRC和LSVM定位算法,这两种算法有更好的定位性能.     

基于圆域上多项式逼近的图像重建算法

以Marr算法为基础, 给出了圆域D上图像重建的一种 基于二元多项式逼近的加速算法. 加速后算法的计算量为O(Nlg N), 当N较大时, 新算法的运行时间远小于原算法的运行时间. 同时, 与传统图像重建算法〖CD2〗滤波反投影算法（FBP）相比, 基于多项式逼近加速算法重建的图像质量优于前者. 仿真实验验证了此算法的有效性.     

自适应有源噪声控制算法的研究与实现

FLMS(滤波-XLMS)算法是广泛应用于自适应有源噪声控制技术中的算法,针对该算法收敛速度较慢的缺点,提出一种改进的FLMS算法--FTLMS算法来提高降噪系统的收敛速度.着重讨论了FTLMS算法的原理、实现方法和程序设计.理论分析表明,FTLMS算法具有运算量小,收敛速度快和适应于各种噪声环境的优点.实验结果表明FTLMS算法优于FLMS算法,同时降噪效果也有明显提高.     

双曲正弦罚函数法

对求解一般约束优化问题提出一种算法,并证明了算法的收敛性,数值实验表明了算法的可行性.     

求解非线性优化问题的Filter方法

序列二次规划是目前求解非线性规划约束问题的最有效的方法,但一般都采用罚函数法进行线性搜索,这使得它有很大的局限性,为了克服罚函数法存在的缺点,R.Fletcher和S.Leyff提出了一种filter方法取代了罚函数法,使迭代点能够保证目标函数或约束函数充分下降,理论分析和数值实验均表明,该方法优于传统的SQP算法。     

改进的基于ASFCM婴幼儿脑部MRI分割算法

在诸多FCM的改进算法中,ASFCM算法表现较好,该算法改变空间惩罚项结构,使目标函数连续,并且具有自适应的参数,但会出现无法抑制婴幼儿脑部MR图像噪声较大的问题.为了解决这个问题,在ASFCM算法基础上融合非局部权重和核函数思想,提出一种改进的ASFCM算法(KNL-ASFCM).采用本文算法,FCM,RFCM和ASFCM算法对加入不同种类和强度噪声的临床婴幼儿脑部MR图像进行实验.分析结果表明:本文算法的分割准确性和噪声抑制能力比其他三种算法均有一定的提高,对婴幼儿脑部MR图像分割问题具有明显优势.     

基于DP算法的变量选择

在DP算法的基础上,提出了新的PDP算法,来实现带有惩罚函数的目标函数中参数估计的计算问题。新算法为基于惩罚函数的变量选择方法在计算上的实现提供了新的选择,同时通过数据模拟分析验证了新算法的有效性。     

一类带约束min-max-min问题的区间算法

建立了一类带约束Min-Max-Min问题的数值方法，其中目标函数和约束条件均为Lipschitz连续函数。利用区间分析方法，基于罚函数法和区域二分原则，针对问题及目标函数约束条件的不可微的特点，构造了罚函数的区间扩张和无解区域删除原则，建立了区间算法，证明了该算法的收敛性。对算法进行了数值实验，并给出了数值算例，结果表明：该方法可以同时求出问题的最优值和全部全局最优解，是有效和可靠的。     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。     

基于模拟退火算法(SAA)求解列车控制问题

提出了一种解水平轨道的列车节能控制问题的算法 ,该算法考虑了无限制速度和有限制速度两种情形 ,并基于模拟退火算法、动态罚函数法。     

新的无罚函数无滤子的序列二次规划方法

对一般的具有等式约束和不等式约束的非线性规划问题,提出了一个无罚函数无滤子的信赖域序列二次规划算法.整个算法分为两个阶段,第一阶段计算可行步,以达到减少约束违反度的目的,第二阶段为优化阶段,以减少目标函数的二次模型为目的.此算法中可行步和优化步是相对独立的,任何减少约束违反度的算法都可以应用,具有更大的灵活性.在合理的假设条件下,证明了算法的全局收敛性和局部收敛性.通过数值实验证实了算法的有效性.     

Exact penalty method for the nonlinear bilevel programming problem

In this paper, following the method of replacing the lower level problem with its Kuhn-Tucker optimality condition, we transform the nonlinear bilevel programming problem into a normal nonlinear programming problem with the complementary slackness constraint condition. Then, we get the penalized problem of the normal nonlinear programming problem by appending the complementary slackness condition to the upper level objective with a penalty. We prove that this penalty function is exact and the penalized problem and the nonlinear bilevel programming problem have the same global optimal solution set. Finally, we propose an algorithm for the nonlinear bilevel programming problem. The numerical results show that the algorithm is feasible and efficient.     

分布式优化在智能电网经济调度问题中的应用

为了减少智能电网中节点之间信息交换的需求,降低智能电网的发电成本和用户的用电消费,提出了一种时变拓扑下的分布式优化算法,用以寻找经济调度问题的最优解;结合图论的相关理论,将节点之间的信息交换用时变无向图表示,并根据光滑精确罚函数的思想,简化经济调度问题,将优化问题中的不等式约束整理到目标函数中,从而得到一个只含有等式约束的新的优化问题,随后通过调整参数值求得最优值,因为算法考虑了每个节点的容量约束,所以在实际应用中具有更好的普适性;证明了当全局目标函数取得最小值时,各个节点共同达到最优解,最后通过实例验证了算法的有效性和可行性。