利用连续Hopfield神经网络求解聚类问题的模型构造

在给出有中心聚类问题的数学描述后,把聚类问题转化为组合优化计算问题。利用连续Hopfield神经网络的优化计算能力,设计并构造了基于连续Hopfield神经网络求解聚类问题的模型。详细描述了模型的网络映射过程、推导了模型的状态转换方程以及能量函数,并通过引入竞争机制简化了状态转换方程和能量函数的迭代形式,最终给出了所构造模型的收敛性证明。同时通过在图像压缩编码中的应用验证了该模型的有效性和合理性。     

客户端无线事务协议分析、设计与实现

研究无线应用协议(WAP)栈中客户端无线事务协议(WTP)的功能，提出了一种基于WIN32环境的设计和实现方案，并指出了在设计和实现过程中涉及到的关键技术。在计算机上模拟调试和下载到移动终端实地调试结果表明：软件功能达到预期设计目标，支持WTP协议规范中的3类事务，并能进行正常通信，软件运行稳定。该设计方案为基于WIN32环境下的协议实现方法提供了一种途径和参考。     

网络地址转换原理及其配置实例

介绍了网络分层模型,阐述了不同层次寻址的概念和内容以及具体实施过程。指出了网络地址转换NAT技术的核心思想是以端口空间换地址空间,并详细解释了NAT技术的原理和实施过程,最后给出了一个基于NAT技术的配置实例。     

基于EMD与1D全变分的地震信号去噪

经验模态分解(Empirical Mode Decomposition,EMD)是一种信号的时频分析方法,该方法在不需要先验知识的条件下,可以将非平稳、非线性信号,依据信号的特征,自适应的分解为多个本征模态函数(Intrinsic Mode Function,IMF)之和,得到高的频率分辨率。然而,一般的去噪方法是将所选择的高频IMF部分取不同的阈值进行滤波或者是直接置为零重构后实现信号的去噪,很显然这会造成高频部分有用信号的损失。1D全变分(Total Variation,TV)是一种有效的信号去噪方法,能够非常好的保护信号边缘信息,但有时也会把噪声当作边缘信息,出现虚假边缘现象。因此,基于EMD和1D-TV的优点提出了一种新的去噪方法,根据对实际金属矿床地震信号处理的结果表明,该算法能有效的消除地震信号中的噪声,并能有效保护地震信号边缘构造信息。     

基于改进SOFM的矢量量化图像压缩

在介绍矢量量化和自组织特征映射神经网络的基础上,针对基于自组织特征映射神经网络的矢量量化算法,在初始码书生成、获胜神经元搜索策略以及调整获胜码字及其拓扑领域权值等方面进行改进.实验结果表明改进算法具有合理性和有效性.     

层次分析法建模应用实例——龙溪－虹口国家级自然保护区巡逻资源的合理分配

利用层次分析法(AHP)建立龙溪-虹口国家级自然保护区巡逻资源的合理分配模型,得到符合实际的分配方案,为相关管理人员提供了科学可靠的决策参考信息,并针对检验信息提供了模型改进意见,具有较强的实用价值     

基于数据分割的二维离散余弦变换并行算法及其在图像压缩中的应用

针对算法运行时间随问题规模增大而迅速增加这一特性,探讨了一种基于WIN32环境搭建PVM并行虚拟机的具体方法,设计了一种基于数据分割的二维并行DCT算法,并把该算法应用于基于JPEG的图像压缩实际,同时设计了相应的实验方案.通过在串行和并行环境下进行对比实验,结果表明:在运算量随着问题规模增加的时候,并行方案能有效地改善算法运行性能.     

基于RBF神经网络的图像特征处理

径向基函数网络(RBFN)是当前人工神经网络技术研究的热点之一,并以其优良的性能广泛应用于各个领域。针对BP神经网络容易陷入局部最优的缺陷,文章提出用RBF神经网络进行图像特征提取,并给出了RBF神经网络构建过程及选Gauss函数为径向基函数的优势,最后设计并完成实验。模拟实验结果表明了训练好的RBF网络对边缘特征提取的有效性,也证实了选择良好的高斯函数宽度,可以得到较优的网络。     

蚂蚁算法求解TSP问题的性能分析及改进

在介绍蚂蚁算法的基础上,针对一个实例,对蚂蚁算法求解TSP问题中五个参数Q,C,α,β,ρ(其中C为信息素浓度初值,Q为信息素的调整策略参数,α和β为下一步路径选择概率大小的参数,ρ为信息素浓度的残留因子参数)的设置进行了探讨,分析了单一参数变化时对算法性能的影响,并进一步指出了算法改进的思路和方向.     

LBG与SOFM应用于矢量量化的比较研究

在介绍矢量量化以及LBG算法和SOFM算法的基础上,通过实验对比了LBG算法和SOFM算法在应用于图象矢量量化压缩过程时,码书大小、码字大小以及初始码书生成方式等因素对图像压缩性能的影响,得到了相关结论:固定码字矢量维数,码书越大,压缩比越小,重建图像质量越好;固定码书,码字矢量维数越小,编码性能越好;LBG算法对初始码书敏感,而SOFM算法由于所具备的自适应特性对初始码书不敏感。论文最后提供了一些改进思路,为改进传统矢量量化算法及设计新的矢量量化算法以提供了参考。