框式凸二次规划原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对框式凸二次规划提出了一种新的内点算法-原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长,并证明了新算法具有O(nL)的迭代复杂性.     

超宽带矢量测距与惯性传感组合的精准步长计算算法

为适应复杂环境下变步长精准测量要求,提出一种基于超宽带（ultra wide band,UWB）矢量测距和惯性传感组合的精准步长计算算法;针对基于惯性传感组合的步长测算精度受佩戴方式和系统运行时间影响以致无法实现行人步长精准测量和长航时精度保持的问题,提出一种结合足间模型与零速检测联合步长算法。根据行人行走时足部轨迹模型构造足间步长模型,得到准确的步长计算公式;根据足部惯性传感器运动特征进行零速检测并触发UWB测距,结合陀螺解算角度和足间模型公式计算得到步长。实验表明,提出的步长估计算法精度可达98.20%,与传统步长算法相比,误差显著降低。     

凸二次规划宽邻域原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对凸二次规划提出了一种新的内点算法-宽邻域原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长.由于迭代方向不再正交,因此,算法的复杂性分析不同于线性规划的相应算法的分析.证明了新算法具有O(nL)的迭代复杂性.此外,初步的数值试验表明了算法的可行性以及有效性.     

修正的迭代近似梯度投影算法在压缩感知中的应用

通过设计一种新的Hessian矩阵的近似,得到函数在当前迭代点的二次近似模型,并利用该模型与延迟策略得出一种新步长.结合新步长,提出一种求解压缩感知中稀疏信号重构问题的修正迭代近似梯度投影算法,并给出收敛性证明.实验结果表明,该算法不仅能较好地恢复原始信号中的非零元素,有效地重构信号,而且与经典算法相比,重构效率较高.     

地震波旅行时二次/线性联合插值法

为了提高地震波旅行时的计算精度,基于Asakawa的旅行时线性插值法(LTI)提出了一种改进的射线追踪法——旅行时二次/线性联合插值法(QLTI),即在震源的近场采用二次插值计算旅行时,在远场仍用LTI算法。QLTI算法改善了近场旅行时的精度,降低了累加误差,进而提高了全场(尤其是远场)旅行时的计算精度。数值模拟和模型实验的结果表明,本文提出的QLTI算法较传统的LTI算法更为精确。     

基于改进VSS LMS算法的谐波电流检测方法

为了对谐波进行有效抑制和补偿以提高电能质量,基于对几种常规变步长算法统一表达式的分析,提出了一种基于改进VSS LMS算法的谐波电流检测方法.对影响步长迭代的参数进行限定,确保参数的选取不会影响算法的收敛性.利用一种变步长LMS/LMF算法来进行权值更新,并用当前误差信号和上一次误差信号归一化的自相关估计来进行步长迭代.利用Matlab软件建立仿真模型,进而在DSP芯片TMS320F2812上实现该算法,验证了该方法的可行性和有效性.     

数字媒体版权认证的图像水印算法与检测技术研究

本文提出了基于组合优化的数字水印嵌入方法,提高了水印算法的鲁棒性.基于QIM的数字水印嵌入算法虽然复杂度较小、鲁棒性较好,但是QIM算法未考虑对比度掩蔽特性,使用的是固定量化步长,导致此算法在局部区域的不可见性较差且对数值测度的变化非常敏感.为改进这一缺陷,本文根据Watson视觉模型采用自适应量化步长的方法,能随量化值变化而发生相应的变化.实验结果表明,该水印算法能在不可感知的前提下,对于一些常见的攻击(剪切、50%缩放、椒盐噪声和中值滤波等)具有较好的鲁棒性.     

基于改进蚁群算法优化参数的LSSVM短期负荷预测

提出一种自动优选最小二乘支持向量机(LSSVM)模型参数的改进蚁群(MACO)算法.该算法将LSSVM模型的参数作为蚂蚁的位置向量,然后采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,同时在最优蚂蚁邻域内进行小步长局部搜索,找到模型的最优参数,得到基于MACO算法优化的LSSVM(MACO-LSSVM)预测模型.将优化后的LSSVM模型应用于短期电力负荷预测问题,选择湖南某地区日期为2009-08-01至2009-08-30各小时点的数据进行分析,对2009-08-31该日24 h的负荷进行预测,并与BP神经网络和SVM模型进行比较.研究结果表明:本文方法得到的均方根相对误差为1.71％,比用BP神经网络和SVM模型得到的均方根相对误差分别低1.61％和1.05％.     

基于二次分解NGO-VMD残差项与长短时记忆神经网络的超短期风功率预测

鉴于目前使用变分模态分解（VMD）搭建的单次或二次分解风功率组合预测模型中,大多均直接忽略了风功率经VMD分解后残差项所包含的丰富信息,使得超短期风功率预测精度受限。本文提出了一种基于二次分解NGO-VMD残差项、K均值聚类算法与LSTM的组合预测模型。首先,使用北方苍鹰优化算法(northern goshawk optimization,NGO)对VMD的参数进行寻优,以选出最佳VMD参数组合;其次,采用NGO-VMD模型对VMD残差项进行二次分解,深度挖掘VMD残差项所包含的丰富信息;再次,利用K均值聚类算法解决VMD分解模态分量个数多,计算量繁冗的问题;最后,创建LSTM模型对各子模态分量分别进行预测并叠加各子模态分量的预测值得到超短期风功率预测结果。结果表明：该二次分解NGO-VMD残差项、K均值聚类算法和LSTM组合预测模型可充分挖掘VMD残差项的重要信息,有效提高了超短期风功率预测的精度。     

改进的基于步长自适应的自然梯度盲源分离算法

为解决盲源分离算法中收敛速度和稳定性的折中问题,基于最优步长的思想,提出了一种新的步长自适应的自然梯度盲分离算法.在自然梯度盲分离算法的基础上,对步长进行自适应迭代,步长偏移量的选取原则是使得下一次迭代时的步长最优,或者说目标函数最小.仿真结果表明,提出的算法相对固定步长自然梯度算法,其收敛速度提高了1倍以上,而系统的稳定性能基本不变.     

基于二次有限元离散的瀑布型多重网格法及其收敛性

通过使用二次有限元的节点信息构造二次插值算子为相邻细网格提供迭代初始值,提出了基于二次有限元离散的瀑布型多重网格法,从理论上分析了该算法的收敛性,给出数值算例验证了改进算法的有效性.     

计算机曲线造型的分段保形二次样条

给出了一种新的分段保形二次样条插值算法通过增加合适的插值点,构造分段保凸且保单调的平滑插值曲线计算机数值实验表明该方法对所给的离散插值数据总能给出几何直观的相当漂亮的光滑曲线算法简便易行,为计算机辅助曲线设计提供了新的有效方法     

码率恒定小尺寸视频流DCT编码二次插值优化

为了在小尺寸屏幕上保持码流恒定,以使视频流清晰,在帧内预测编码的基础上,提出了一种改进的DCT(Discrete Cosine Transform)编码二次插值优化算法.该算法根据帧内预测编码的DCT变换机制,利用DCT编码的二次插值可以使码流恒定,小尺寸屏幕的块效应减弱,在保持视频流速度稳定的情况下,提高了图像的清晰...     

基于分形插值与机器学习模型的股指分析和预测

股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列。     

基于改进粒子群算法的取件机械手轨迹综合优化设计

为优化取件机械手进入模具时的运动轨迹，提出了二次拉格朗日插值粒子群算法(QLIPSO)，此算法引入了二次拉格朗日插值局部搜索的方法，能够扩大搜索空间，避免局部收敛发生早熟，有效提高收敛精度.对比研究了典型粒子群算法(PSO)和几种改进型粒子群算法对取件机械手结构优化的设计效果.数值实验表明，QLIPSO算法具有最快的收敛速度，并且能够获得更好的优化结果.经该方法优化设计后，机械手在进入模具阶段的运动轨迹，与未优化前相比，直线度误差减少了98.06%，说明该方法能够有效优化取件机械手，获得更精确的运动轨迹.     

交通需求组合模型的不确定性分析

交通需求预测中会有很多不确定性因素.系统的不确定分析可以分析模型输出的可信程度,并且界定影响不确定性的关键因素.采用了基于敏感性分析的方法(SAM)分析交通需求组合模型(CTDM)的不确定性.CTDM基于出行者的理性行为,并可描述为一个非线性规划问题,从而分析敏感性.不确定性分析包括模型输入的不确定性和模型参数的不确定性.与基于随机抽样的分析方法相比,基于敏感性分析的方法在大大减少计算量的同时,可以得到近似的精度,并且可以同时或分开考虑输入的不确定性和参数的不确定性.研究认为,提高参数精度比提高输入精度能更有效地提高输出结果的可信水平.     

采用分数阶微分边缘检测的图像插值

针对目前的边缘插值算法不能有效改善插值图像的中低频纹理细节的问题,研究并提出了一种基于分数阶微分边缘检测的图像插值算法.依据分数阶微分理论,设计并实现了可以有效提取中低频纹理信息的算子掩模.按照检测到的边缘纹理信息,分别对沿边缘方向、垂直于边缘方向和平滑区域的待插值像素点进行线性插值、二次插值和双线性插值.采用了峰值信噪比(PSNR)和信息熵(IE)等图像质量评价标准做定量分析和实验验证.结果表明,该方法可以得到丰富的图像纹理信息,提高了峰值信噪比,其结果符合人们的视觉感受.     

基于二次插值的人工蜂群算法

人工蜂群算法是一种基于蜜蜂采蜜行为的一种优化算法.针对标准人工蜂群算法的收敛速度慢、搜索能力差、精度低的缺点。提出了一种基于二次插值的人工蜂群算法(QIABC)。保持全局搜索和局部搜索的平衡.数值实验说明了改进的人工蜂群算法在函数评价次数、收敛速度、精度和鲁棒性方面具有较大的优势,从而表明改进方法的有效性。     

自适应控制删点幅度的逐次删点法

提出了形状误差检测的一种新的数据处理方法——逐次删点法,用改进的BFGS变尺度公式和二次插值法建立了形状误差评定的通用数学模型,采用的删点公式可以根据被测轮廓的形貌自动控制删点幅度,保证了删点的可靠性并显著地提高了检测效率。     

序列图像的高精度面绘制方法

分析总结前人在面绘制方面工作的基础上,提出了一种极大地提高曲面绘制精度的数学方法——有理函数插值方法,可以有效的克服MC算法（Marching cubes）？MT算法（Marching tetrahedron）等由于采用线性插值而引起的在连接三角形面片时所造成的连接二义性问题以及拓扑不一致性问题。从实际数据的三维重建中可以看出使用该方法所绘制的等值面美观？光滑,具有很高的应用价值。