基于TMS320C5409的语音处理系统

介绍了一个基于DSP(TMS320C5409)的语音采集、编码、回放系统实例,对于DSP与CODEC芯片如何连接和配合工作提出了较为详细的解决方案,并从硬件、软件两个方面做出了说明.     

改进的个性化推荐算法

协同过滤技术是个性化推荐系统中最早也是最为成功的技术之一。但是随着电子商务系统用户数目和商品数目的日益增加，整个项目空间上用户评分数据极端稀疏，传统的CF（协同过滤）方法均存在各自的不足。本文分析了传统cF算法中存在的问题，对其相似性计算方法进行了改进，提出了一种优化的cF算法。实验结果表明，该算法同传统CF算法相比能显著提高推荐精度。     

AKS算法及关于它的一种改进算法的实现分析

2002年，Agrawal、Kayal和Saxena成功地解决了多项式时间判别素数这一著名的世界难题，他们给出了一个算法(简称AKS算法)，该算法对输入整数是素数还是合数进行判断。它是一个确定的多项式时间算法．后来许多科学家对该算法进行了改进，其中一个比较好的改进是由Bernstein给出的(简称Bernstein算法)．作者详细分析了这两种算法，利用C语言实现了这两种算法，并进行了比较，找出了真正需要用到AKS算法和Bemstein算法来判断其为素数和合数的最小数，并估计出所需要的运行时间．     

TTCAN周期性任务的优化调度算法

TTCAN周期性任务调度是最优装载问题的推广,它在通信时间关键的实时分布式系统中有着很强的应用背景.本文提出了4种确定基本周期的策略,给出了首次适应和最佳适应两种不同的可以在多项式时间内构造出TTCAN周期性任务调度表的算法,最后对不同规模下的两种算法的实验结果进行了比较,指出了两种算法在不同的周期策略下的渐近性能比.     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。     

数字水印技术及典型的攻击分析

数字水印技术是数字产品版权保护的关键技术，文章先对数字水印的系统模型、特性、算法等方面进行了探讨，然后分析了两种典型的数字水印攻击方式及相应对策，最后指出目前数字水印存在的缺陷并对其发展进行了展望。     

基于BP神经网络的压力传感器非线性校正方法

采用BP多层前馈神经网络及其改进算法对传感器特性进行补偿，有效地改善了BP传统算法收敛慢、容易收敛到局部最小点的缺陷，并编制了训练程序．结果表明，经BP改进算法处理后，传感器性能大幅度改善，网络的收敛速度更快，精度更高．     

人工免疫C-均值聚类算法

通过借鉴生物免疫系统中的克隆选择原理和记忆机制，提出了一种人工免疫C-均值混合聚类算法．该算法采用了新的克隆选择方法，通过亲和度排序和个体浓度定义了个体的选择概率，从而可确定个体的适应值评价函数，以评价和选择个体．算法还集成了一种C-均值搜索算子，用于加快收敛速度．在聚类数目已知的情况下，所提算法能够得到给定数据集下的全局最优划分，与基于遗传算法的聚类方法比较，它具有更快的收敛速度和更高的收敛精度，并可扩展到性能指标能够表示为优化聚类中心函数的聚类模型之中．仿真结果表明，所提算法是有效性的．     

用遗传算法模拟复杂最优网络的自然涌现过程

为了模拟复杂最优网络从树演化到完备图的整个过程，解决现有邻接节点编码方法只适用于低密度网络，而传统的交叉变异方法又有大量不可行解的问题，提出了基于三角阵的变长基因编码方法和段间交叉、段内变异平衡的交叉变异方法．该编码方法只记录对称邻接矩阵中三角阵的信息，反映了无向网络的所有可能变化，因而编码串长度适中，网络边数不需限制，可以模拟网络从树到完备图的整个演化过程．段间交叉只交换节点一级近邻的连接方式，段内变异平衡对边进行重绕，这既符合遗传算法的要求，又保证了网络的连通性．模拟结果表明，与邻接节点编码和传统交叉变异方法相比，所提方法适用范围更广，收敛速度较快．