基于OPED的有限角投影数据快速重建算法

针对Radon投影的计算机断层(Computer Tomography,CT)重建问题,提出了一种新的基于单位圆上正交展开法(Orthogonal Polynomial Expansions on the Disk,OPED)的有限角投影数据快速重建算法。该算法通过求解缺失投影与已知数据分别对应的正弦变换数据集之间所满足的线性方程组,得到完备数据正弦变换数据集的近似值,之后运用快速傅里叶变换(Fast Fourier Transform,FFT)及线性插值算法提高重建速度从而缩短重建时间。分别推导了单、双边投影数据缺失时的快速重建算法并给出了重建结果,实验结果证明,该方法能够有效提高重建效率。     

一种面向教学的排课冲突检测算法

排课算法可在大规模空间上对排课元素实施自动编排.然而,目前未见报道有关针对已排好的课表实施正确性检测的通用全自动方法.为此,给出课表所需满足约束条件的形式化描述;在此基础上,分别给出3个子算法以检测3种约束条件;顺序调用这些子算法,即可得到一种面向教学实践的排课冲突检测算法.检测实验证实了新方法的有效性.     

多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

智能天线与多用户检测的联合抗干扰模型构建

联合抗多址干扰技术是目前移动通信技术研究的热点.将智能天线与多用户检测技术相结合可抑制相干干扰,改善系统的误码率性能,提高移动通信系统的有效性与可靠性,优化无线资源的利用率.提出了采用智能天线接收后进行多用户检测的CDMA系统模型,并引入基于LMS算法的自适应滤波器来消除窄带干扰.Matlab软件仿真结果表明,联合抗干扰模型较好地提升了误码率性能.     

基于遗传算法和神经网络的软件界面美感建模

用户界面作为人与机器之间信息交互的桥梁,良好的用户界面能够提高人机交互的效率.本文以软件界面布局和色彩特征作为研究对象,采用神经网络方法建立特征与软件美感之间的关系模型,遗传算法进行特征选择,找出对界面美感影响较大的特征,并且通过主成分分析,最终提炼出界面美感的设计要素.     

混合法计算城市微蜂窝小区上空电场分布

由于基站电磁辐射对飞行器的飞行安全构成潜在威胁,本文提出了一种混合计算方法来研究城市微蜂窝小区上空电场分布情况.该方法通过将城市微蜂窝小区电波传播模型和二维宽角抛物线方程方法相结合,更加精确的计算出小区上空电场分布情况.计算结果表明,微蜂窝小区上空电场分布会受到小区布局的影响.并且在小区上空,出现多径快衰落现象.计算结果为人们研制具有抗干扰能力的飞行控制系统提供了重要的电磁环境参数.还可以帮助人们制定更加安全的飞行线路.     

基于节点质量度的Spray and Focus路由改进算法

针对DTN网络中传统的路由协议未考虑到节点以及节点之间相遇时的一些属性特点问题,提出一种基于节点质量度的Spray and Focus路由改进算法,该算法包括两个阶段:基于节点质量度的Spray阶段和Wait阶段.在前一阶段,算法根据这些属性值确定节点之间的质量度,并根据节点的质量度进行中继节点的选择以及将消息发送给质量度高的中继节点.仿真结果表明,该算法能够提高消息投递成功率并降低网络的资源消耗.     

文化算法框架下混合群智能算法的肿瘤信息基因选择

为了消除与分类无关和冗余基因,以提高基因的分类精度和效率,提出一种文化算法框架下混合群智能算法的肿瘤信息基因选择方法.首先采用ReliefF算法初选基因子集,然后利用文化算法框架下混合群智能算法选择最优的信息基因,最后在3个标准肿瘤信息基因数据集对其性能进行测试.仿真结果表明,文化算法框架下混合群智能算法可以有效去掉无用的噪声基因,降低计算复杂度,分类精度均可以达到100%,具有较好的实际应用价值.     

基于网络层析成像技术的道路交通流预测算法

为了更有效地预测城市路网交通流量,本文提出了一种城市道路交通预测模型.该模型基于网络层析成像(Network Tomography, NT)技术建立生成树,采用期望最大 (Expectation Maximization, EM) 算法得到路网子网车流概率分布,再结合路网子网中流量守恒原则,对待预测路段流量进行推测.实验结果表明,该模型优于现常用的人工智能模型,对城市交通流量预测更为有效,且提高了预测精度.     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。