全双工多中继网络的中断分析与中继决策

为了降低无线通信的中断概率,改善无线网络的通信性能,针对含有多个用户节点与中继节点的全双工无线网络,在考虑聚集干扰与节点自干扰的前提下,分析了网络的中断性能并设计了相应的中继决策方案.首先,基于Nakagami-m衰落信道条件和放大转发中继策略对网络进行中断概率分析,并求解出相应的闭合表达式.然后,基于最大带权匹配的思想,根据用户节点对中继节点的渴求度提出一种最小化系统中断概率的最大渴求度匹配算法(Maxi-mum Craving Matching,MCM)来实现中继决策.最后,通过蒙特-卡罗仿真模拟了不同系统参数条件下系统中断概率变化情况,并验证了MCM算法的有效性.仿真结果表明,提升节点发射功率能降低系统中断概率,但其改善效果在达到某一特定值后趋于饱和状态,此后继续增加功率对中断性能不再有改善作用.饱和状态下,与现有部分中继选择算法相比,采用MCM算法的系统中断概率会降低约4％～7％.     

一种决策形式背景中挖掘决策规则的新方法

针对大规模决策形式背景中决策规则的提取问题,提出了一种将频繁闭项集与决策形式背景相结合以提取无冗余决策规则的新算法.该算法结合了深度优先搜索的思想以及概念格中概念节点之间的父子关系,改进了概念格中频繁闭项集的挖掘算法,得到的频繁决策概念格实现了对一定规模的数据库的压缩,同时得到无冗余决策规则.算法分析表明,该算法复杂度较低,更适用于大规模数据集中挖掘无冗余决策规则.     

参数Markov决策过程的随机逼近算法

讨论平均报酬参数马氏决策过程的随机梯度算法,利用与折扣报酬的关系,给出了目标函数的梯度的一个新的表达式.同时得到了基于单一样本路径的随机逼近算法,最后证明了算法以概率1收敛到其梯度.       

基于三支决策的高斯混合聚类研究

针对隶属关系不明确的情况,即样本点属于多个类别的概率接近,高斯混合模型聚类存在较大的误判风险的问题,将三支决策思想融入高斯混合模型中,提出一种基于三支决策的高斯混合聚类算法.新算法计算出数据对象属于各个类簇的后验概率作为决策评价函数,用于确定聚类结果的正域和边界域.由于新算法对边界对象采取了比一般高斯混合聚类算法更加谨慎的操作,避免了直接做出对象属于某一类或不属于某一类的决策所需承担的风险,从而有效减小了误判代价.实验进一步表明,所提出的算法不仅继承了高斯混合聚算法的特点,具有良好的聚类性能,而且还对于非球形数据簇表现出优良的聚类效果.     

基于高效率视频帧内编码的快速编码单元和预测模式决策算法

针对高效率视频编码采用四叉树分割和35种模式预测等技术来提高视频编码质量,但引起算法复杂度剧增这一问题,本文利用当前编码单元及其相邻单元空间相关性对当前编码单元分割模式进行预测,从而快速决策编码单元的分割模式.此外,通过跳过若干低概率预测模式的率失真最优化处理过程,实现了一种快速的预测模式决策算法.测试结果显示,提出的算法可以平均减少53%的编码时间,并保持BDBR仅为1.17%的良好编码质量.      

加权的概率犹豫模糊集的三维向量测度法与决策应用

为了更加精细化地描述概率犹豫模糊集,将概率犹豫模糊元中的隶属度添加相应的决策专家权重,并由此提出了加权的概率犹豫模糊集概念.用三维向量表示加权的概率犹豫模糊数,在此基础上建立了加权的概率犹豫模糊元的三维向量得分函数模型、三维向量离差函数模型、2个加权的概率犹豫模糊元的大小比较规则与距离测度模型.分别给出了属性的外部权重、内部权重以及综合权重的计算方法.在属性的3种权重条件下,运用方案的整体得分值与内部决策专家评价差异值2个因素计算方案的综合属性值,进而对各个方案排序.决策结果表明,在利用三维向量刻画加权的概率犹豫模糊集的基础上建立的决策算法不但有效可行,而且提供了一种多元化的决策方法.     

模糊决策粗糙集模型及其属性约简

决策粗糙集基于严格的不可分辨等价关系,只能适用于离散型数据,文中研究了一种新的模糊决策粗糙集模型及相应的属性约简算法.该模型将不可分辨等价关系放松为高斯核模糊T-等价关系,从模糊隶属度角度定义了条件概率,能够直接对数值型数据进行属性约简.利用UCI标准数据集,将该模型与Pawlak经典粗糙集、决策粗糙集在属性约简能力上进行比较,仿真实验结果表明,该模型具有较好的性能.     

改进的EM算法及其在防洪决策中应用

在给定贝叶斯网络结构情况下,利用EM算法及改进的EM算法对防洪决策贝叶斯网络进行参数学习,改进的EM算法通过定义祖先集及计算该祖先集中变量的条件概率,降低期望计算的计算量．应用两种算法对防洪决策贝叶斯网络进行了性能比较,结果表明,改进的EM算法用于贝叶斯网络参数学习和决策支持具有较高的计算速度和精确度．     

基于Bayes决策的蚁群优化算法

基于Bayes决策理论,提出了一种可以改进蚁群算法搜索性能的有效方法;针对基本蚁群算法中存在的"停滞"现象,对蚂蚁个体的寻优过程采取了隔代强化的措施,使算法具备较强的发现新解的能力,再采用后验分析对蚁群算法中的转移概率进行调整,使得改进后的蚁群算法在随机搜索过程中呈现出自组织特性,蚂蚁个体利用各自的后验知识不断地强化那些能"经受考验"的可行解,从而有效地压缩了搜索空间,提高了搜索效率.试验结果表明,该方法无需知道转移概率的先验分布,在解空间的全局寻优时具有良好的收敛性和鲁棒性.     

指数分布中参数估计的两类错误概率的EM算法

从理论上分析了指数分布中参数估计的两类错误概率的EM算法,给出了具体计算公式.     

基于改进ID3算法的决策树构建

介绍了决策树算法的基本原理,指出在决策树构建的过程中,ID3（Interative Dichotomic Version3）算法按照信息增益最大的原则选取属性,公式比较复杂,相应计算的复杂度也比较高,耗费较多的硬件资源．相对于ID3算法而言,条件概率决策树算法按照条件概率最大的原则选取属性,条件概率能够把属性和类别联系在一起,公式比较简单,有效地降低了计算的复杂性,并且决策树的建立提高了系统的精确度和检测速度．     

基于分布式结构的判决反馈数据融合算法

提出了一种新的分布式结构下的故障检测算法·在该算法中,不仅用于故障检测的多传感器数据被传送到数据融合中心,而且上一时刻的判决输出也反馈到融合中心·从理论上分析了应用此算法时全局判决概率的动态收敛性能,并证明了在平稳环境中,融合中心DFC(datafusioncenter)的判决以概率1收敛·该算法处理动态问题优于传统的无反馈的融合算法·     

基于Q学习算法的发电公司决策新模型

提出了基于Q学习的发电公司决策新模型,应用于求解发电公司在具有不完全信息的电力市场环境下为获取最优长期利润而制定的决策问题.以电力市场重复运行具有的典型Markov过程特性,应用Q学习算法构建以长期利润最优为目标的发电公司决策模型,并通过算例仿真验证了该模型的有效性.所提出的决策新模型可以根据发电公司对市场状态变化的不同预估状态转移概率模拟该公司在市场环境下的不同竞价策略,并给出不确定市场环境下的最优决策.     

带有动态参数决策模型的改进蚁群优化算法

蚁群优化算法的参数设置一直是依靠经验和试验来确定,造成试验工作量大且难以得到最优的参数组合。通过对蚁群优化算法各操作参数作用与意义的分析,将蚁群优化算法的参数设定描述为一个多因素多水平优化设计问题。为使蚁群优化算法在应用中发挥最佳的寻优性能,提出带有动态参数决策模型的改进蚁群优化算法。作业车间调度问题的仿真试验表明,利用动态参数决策模型得到的参数组合可使蚁群优化算法获得较优的运行性能,说明了该方法的可行性和有效性。     

自动生成决策树的通用算法模板

目的 提供自动生成决策树的通用算法模板,从而使算法的设计能够快速验证为解决特定决策问题而设计的新算法。方法 提供智能编辑器供算法设计定义自己的公式,并利用该公式或内置算示来初始化通用算法模板,从而实现连续属性的离散化、采用基于概率分布的方法处理未知属性和噪声数据,利用预剪枝和后剪枝算法进行剪枝。结果与结论 用户能够利用该模板,在系统提供的交互式图形环境中,针对不同的决策问题测试决策树生成算法。     

一种大规模群决策中评价信息特征提取方法

针对大规模群决策问题(Large-scale Group Decision Problem,LGDP),在多粒度不平衡犹豫语言模糊环境下, 提出了一种决策者评价信息特征提取的方法,同时考虑到决策者们聚类后形成的不同集群间的权重会受其内决策 者差异的影响,定义了离散系数,用于修正集群间的权重;首先,对决策者提供的多粒度语言进行一致化,并得到具 有概率信息的决策矩阵;其次,在计算机视觉分析中,任意图像都是由 RGB 三基色构成,且图像相比于数据更易进 行特征提取,故通过计算决策矩阵中的所有概率数据对应的 RGB 值得到对应的彩色图像,运用特征提取算法提取 决策矩阵中评价信息的特征,避免了现有决策方法难以快速有效提取决策矩阵中关键特征的缺点,且在处理大规 模决策问题时更高效和简洁;之后进一步对决策者进行聚类得到不同的集群,以新定义的离散系数来得到修正后 的集群间权重,然后通过计算净流大小来对方案排序得到最终决策结果;最后,以铁路线路方案的选择为例,说明 了方法的有效性和可行性。     

一种基于H.264的自适应快速模式选择算法

提出了一种基于H.264的快速模式选择算法.该算法首先进行Skip模式的判断.如果Skip模式不适合当前宏块,则继续利用宏块的空间同质性和时间静态性进行其他帧间模式的筛选.然后根据帧间模式选择的结果判断是否继续进行帧内预测.算法设计过程中,充分考虑Quan-tize Parameter对模式选择的影响,从而可以适用于不同码率的环境.实验证明,该算法在高低码率下都能在保证图像质量的同时大幅度提升编码速度.     

HEVC帧间编码的快速CU尺寸和PU模式决策算法

为了进一步降低高效视频编码(HEVC)帧间编码的复杂度,提出一种快速的编码单元(CU)尺寸和预测单元(PU)模式决策算法.首先,利用SKIP和平均运动矢量提前结束CU分割过程.其次,根据统计的阈值,实现概率较小的PU模式计算过程的跳过.算法在随机方向(RA)和低延时(LD)配置下,编码时间分别平均降低42.2%和36.3%,造成的BDBR(bjentegaard delta bitrate)损失仅为0.624%和0.264%.实验结果表明:CU尺寸和PU模式决策算法在编码质量基本不变的前提下,能正确地决策出最佳CU尺寸和PU模式,有效地提高HEVC的编码效率.