电压传输中的两种最小费用算法分析

在电压传输过程中,电缆线自身需要费用,同时电缆又需要有一定的载流量.运用图论中的相关理论,把电压传输刻画为网络模型,它的最小费用问题相当于电力电缆长度最短同时电力电缆的载流量最大的问题;使用最小费用算法和最大流算法来解决电压传输的最小费用问题.     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.     

基于多重分形的地形辅助导航路径规划算法

地形导航是一种利用航行器下方地形信息获取航行器位置的导航技术。为了得到较高的定位精度并使飞行长度尽可能短,需要预先规划飞行路径。该文将地形数字高程图(digital elevation model,DEM)看作二维灰度图像,引入在图像处理中得到广泛应用的多重分形理论,将利用小波变换求得的奇异指数作为地形提供定位精度能力的一种度量。选择合适的阈值划分得到定位优区,利用A*算法寻找最短路径,此路径即是规划路径。选用粒子滤波作为导航算法,沿规划路径和其他路径进行多次飞行仿真,结果显示规划路径的定位精度和稳定度都比较高,而且路径长度短,有较强的实用性。     

基于人工免疫聚类的欺诈客户分析

针对传统aiNet聚类算法在处理欺诈客户分析时聚类精度差的问题,该文基于一种新的免疫聚类算法(SE-aiNet)提出了利用子群群体特征进化的免疫聚类算法,使收敛速度有显著提高,并在保持抗体种群规模的情况下有效提高了抗体的多样性;以训练所得的规则集来判断客户是否欺诈,经某银行的实际数据验证,算法的误分比例为24.0%,而相同环境下BP-NN算法的误分比例为32.3%,C-SVM的误分比例为28.6%。     

多通道并行访问模式下的闪存静态损耗均衡设计

静态损耗均衡算法决定了固态闪存存储系统的使用寿命。为了提高多通道并行访问模式下的闪存系统寿命,提出了一种主动搬移静态数据的静态损耗均衡设计。该设计在多通道并行访问模式下,根据擦除标志位,采用轮询法主动挑选静态数据块并加入待擦除块队列,从而减小各物理块之间的损耗不均衡程度。实验结果表明:该设计能提高平均擦除次数至少8.33%,有效降低并行访问模式下的损耗不均衡程度至少5.39%。该文还对影响损耗均衡程度的触发阈值进行了分析,提出了在选择触发阈值时,需要综合考虑损耗均衡情况和系统速度。     

平稳过程的最佳FIR滤波器研究

很多实际处理的信号都是平稳随机信号,其中FIR滤波器具有良好的稳定性。讨论了平稳随机信号、FIR滤波器结构和最小均方误差准则。并且以LMS算法和NLMS算法为基础,研究讨论了平稳最佳FIR滤波器的实现。并在MATLAB下仿真实现了基于LMS算法的最佳FIR滤波器。最后建立分析了一个基于NLMS算法的自适应信道均衡系统模型。用经典的窗口法对FIR滤波器进行了设计。     

高精度摄像机标定模板的设计及识别算法

针对目前摄像机标定模板——黑白棋盘格识别精度低导致标定精度降低的问题,提出了一种以渐变圆形为特征的摄像机标定模板以及相应的检测算法.新的摄像机标定模板以渐变圆形作为图元代替以前的棋盘格交点,从而可以使摄像机更精确地对其位置进行识别,得到更精确的摄像机标定结果,并保留了黑白棋盘格作为标定模板,具有制作简易,成本低廉的优势,并且针对这种标定模板,提出了精确的检测算法.实验结果表明,在相同的摄像机和相同的环境下,新标定模板和检测算法标定的投影误差比黑白棋盘格的标定结果减少了20%.     

采用约束蚁群优化的贝叶斯网结构学习算法

针对贝叶斯网络结构学习问题,提出了一种约束蚁群优化算法.该算法根据贝叶斯得分的局部一致性原理设计了一种增边规则,并且将此规则引入蚁群算法的框架中,从而实现了在搜索过程中利用启发式信息动态缩减搜索空间、同时减少运行时间的目的.此外,还从理论上证明了增边规则的正确性,而且从实验角度讨论了约束蚁群优化算法的参数敏感性.实验结果表明,在解决较大规模的贝叶斯网络结构学习问题时,约束蚁群优化算法在保证求解精度的条件下比蚁群优化算法的运行时间减少40%以上.     

构建新包空间的多示例学习方法

针对已有神经网络方法采用示例决定标记从而导致多示例学习(MIL)中包结构信息丢失的问题,提出了一种新的RK_BP多示例学习方法.在示例空间,首先采用粗糙集对其进行属性约简;然后进行K均值聚类,利用聚类点构造新包空间;在新空间中,利用误差反向传播神经网络算法进行分类.在多个测试数据集上对算法进行测试,结果表明该算法可有效解决已有神经网络方法包结构信息丢失问题,明显提高分类性能.     

一种光滑粒子流体动力学-有限元法转换算法及其在冲击动力学中的应用

为了解决冲击动力学中的大变形问题,提出了一种光滑粒子流体动力学-有限元法(SPH-FEM)转换算法,以等效Mises应力作为转换判据,将冲击过程中局部大变形区域的有限元网格转换为SPH粒子.该算法在大变形区域使用具有优势的SPH,在小变形区域使用精度和效率更高的FEM,为冲击动力学问题的数值计算提供了一条有效途径.使用SPH-FEM转换算法对圆柱形钢弹正冲击钢板发生冲塞破坏的过程进行了三维数值计算,计算结果与实验吻合较好,显示了该算法在计算精度方面的优势.在实际工程中,需要根据具体材料的失效模式,选择更加合适的转换判据.