基于基数的一种快速排序算法

给出了一种基于基数的具有比传统快速排序算法性能更高的排序方法,全文给出了该算法的描述,时间/空间复杂度分析.本算法由于具有不需要关键字比较的特点而特别适用于大数据量的排序,又由于有不需要移动元素的特点而特别适用于大记录的排序工作,应用结果表明,该算法具有很高的实用价值.     

基于一种推广的Choquet积分的回归模型

为了处理属性间带有不确定值交互作用的实际问题,提出了一种推广的Choquet积分,给出了一种基于此积分的回归模型,最后给出了用粒子群算法确定模型中回归参数的算法.由于粒子群算法具有快速收敛等优点,保证了本文提出算法的快速求解和有效性.     

一种改进的时不变LDPC卷积码构造方法

提出一种新的时不变LDPC卷积码构造算法。对Tanner等的构造方案进行改进,产生了给定码率下的LDPC卷积码多项式矩阵;根据卷积码特性,对该多项式矩阵进行修正,获得具有最大给定编码记忆和快速编码特性的改进的时不变LDPC卷积码。该算法具有的快速编码特性可以降低硬件实现时的编码复杂度。该算法获得的在给定码率下具有最大给定编码记忆的特性可提高译码性能。对码的特性参数和仿真结果的分析表明,文中构造的时不变LDPC卷积码是优异的。     

面向智能监控的运动目标轮廓可靠提取

针对目标运动检测算法得到的运动目标轮廓存在轮廓不完整、不准确等问题,本文提出一种基于Vibe算法和GVF snake的运动目标轮廓可靠提取算法。首先通过Vibe算法快速定位运动目标的感兴趣区域,并结合数学形态学、边界快速粗定位算法,获得运动目标轮廓粗定位,再利用改进主动轮廓模型能够实时可靠提取运动目标的轮廓。改进的提取算法具有良好的模型初始化条件,使得本方法不仅能够得到准确的运动目标轮廓,而且满足了实时性要求。实验结果表明,该算法能够实时可靠地提取运动目标轮廓。     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

DFT(2~m)和DCT(2~m)的递归快速新算法

本文提出一种计算DCT(2~m)的递归快速新算法,该算法比Lee算法计算误差小,比Vettreli等人的FFCT算法的结构简单,同时具有和上述算法相同的计算复杂性。文中同时导出DFT和DCT之间的关系。基于DCT的快速新算法,DFT的递归快速新算法具有和FFCT和SR—FFT同样的计算复杂性,但具有更好的递归结构。     

基于BM算法的网络入侵检测算法研究

以BM算法为基础,提出一种快速的字符串模式匹配方法,该算法在匹配的过程中采用新的坏字符规则比传统的BM算法跳过的距离更大,并且在前缀不匹配的极端情况下能减少匹配的次数。实验证明,该算法具有良好的性能。     

一种基于堆的快速排序算法

堆排序算法具有低时间复杂度和低空间复杂度的优点;但对原始序列的有序性不敏感。快速排序算法是在平均情况下公认的高速算法;但有较高空间复杂度。对两个算法扬长避短,设计了一种新的排序算法HQSort;并从理论和实例两个角度分析了该算法的效率,在不同量级的数据集上对该算法和三种经典排序算法进行了对比运行和测试,验证了该算法不仅在时间效率上优于其他算法,而且在辅助存储空间上比快速排序算法减少约50%。     

二维快速子空间DOA估计算法

提出一种二维快速子空间DOA估计算法,该算法利用阵列协方差矩阵的一个子矩阵得到降维的信号子空间,不需估计整个阵列的协方差矩阵,也不需进行特征值分解,从而使得该方法具有运算量小、复杂度低和易于实时处理的特点,因而可以应用在小数据样本和快速时变的信号环境中.理论分析和计算机仿真结果表明:与MUSIC算法相比,该算法运算量最多为MUSIC算法的1/4,低信噪比条件下DOA估计性能损失并不大,当信噪比大于5dB时,性能与MUSIC算法相当.     

高识别率的鲁棒ART快速图像识别算法

角放射变换(ART)形状描述符的图像匹配算法识别性能不佳且易受噪声影响,对此,提出了一种高识别率、具有强噪声鲁棒性的改进的ART图像匹配算法.首先,利用ART径向基和角度基的递推关系,快速计算出ART的转换系数;然后,对ART矩阵函数求导,并计算所有局部极小值;最终求得全局最小值.实验结果表明,本算法具有图像识别率高、强噪声鲁棒性以及低时间复杂度等优点,同时开发了快速匹配算法.     

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。     

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。     

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     

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.     

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。     

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.     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

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。     

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。     

MIMO-OFDM系统中LDPC码的改进型译码算法

为了降低LDPC码译码算法的复杂性并提高译码性能,针对传统的最小和译码算法的性能缺陷,提出一种改进型最小和译码算法.在最小均方误差准则下,该改进型译码算法充分利用了归一化译码算法和偏移译码算法的优点,以逼近置信传播译码算法.最后将LDPC码的改进型最小和译码算法应用于MIMO-OFDM系统中以降低载波干扰.仿真结果表明,若MIMO-OFDM系统要求的误码率为10-5,改进型最小和译码算法的编码增益比传统的最小和译码算法高出0.5 dB,比归一化译码算法和偏移译码算法分别高出0.3和0.2 dB,与置信传播译码算法仅差0.15dB.另外,改进型最小和译码算法也具有低的硬件复杂度.