一种新的二叉树SVM多分类算法

在二叉树结构支持向量机(SVM)多分类算法的基础上,针对二叉树算法中点和叶盲目划分的问题,提出了一种新的二叉树SVM多分类算法.该算法通过标记划分的方法,一方面解决了盲目划分的问题,另一方面大大减少了子分类器的数目,大幅度提高了算法的速度.实验结果表明,该算法具有一定的优越性.     

桁架结构多目标优化的免疫克隆选择算法

为了解决带有约束的结构多目标优化问题,将免疫克隆选择算法应用于桁架结构的多目标优化设计中.根据免疫学基本原理,采用非支配邻域选择机制、比例克隆和精英策略,使算法很好地保持了所得解的多样性、均匀性和收敛性.在桁架结构优化的数学模型中,采用惩罚函数法处理违反约束的情况.为了验证所提算法的可行性和有效性,对经典桁架进行了优化,并与其它方法作比较,数值结果表明,该算法在收敛速度、时间消耗和求解质量上均具有一定的优势.     

平板电视数字视频后处理芯片的设计与实现

针对我国平板显示器件数字视频处理技术及芯片开发的需求,提出一种新结构的数字视频后处理芯片DTV100的设计方案及其关键技术指标.采用高效的SDRAM控制器实时地完成三维视频降噪、去隔行、帧频提升和运动补偿消锯齿、电影模式处理.提出了一种基于运动边缘检测的三维自适应降噪算法和基于双线性插值的视频缩放算法的硬件实现方法,该方法具有结构简单、硬件资源开支少、性能稳定的特点.依照规范的芯片设计流程,采用0.25 μm CMOS工艺实现数字视频处理专用集成电路.与同类芯片的比较实验表明,该芯片性价比高.不同降噪因子的三维降噪功能测试表明,该芯片功能正常,达到了预期的技术指标.     

间谐波检测的FFT算法改进和DSP实现

提出一种快速傅里叶变换(FFT)的改进算法,该算法利用FFT的衰减特性,只需要对FFT算法做简单的变换,就可以有效地消除频谱泄漏分量,实现非整数次谐波的精确检测,克服了传统FFT的缺陷. 该算法与加窗体FFT相比,具有相近的特性,在算法构造方面又比加窗体FFT算法更简单,因此该算法更加适合应用于存储资源有限的微处理器上. 为证明该算法应用于微处理器的方便性,设计了一套基于数字信号处理(DSP)的谐波检测装置,并对该算法进行了验证.     

基于蚁群算法的多QoS约束海量数据网格任务调度

针对海量数据计算网格任务调度问题,提出一种多Qos约束网格任务调度蚁群改进算法,优先考虑与数据存储网格结点间数据传输效率高、完成任务概率高的网格计算资源,通过调整蚁群算法中信息素挥发因子和传输导向因子的更新方法来提高算法的收敛速度和全局最优解搜索能力,从而达到调度目标最优.仿真实验结果表明,该算法与QoS-Min-min和QoS-Sufferage等同类算法相比,具有较好的综合性能,特别是在计算数据文件较大时,该算法在收敛速度和全局最优解搜索能力方面有明显的提高.     

无监督多尺度模糊聚类算法研究

针对模糊c均值聚类算法的一些不足之处提出了一种新的均值漂移聚类算法--无监督多尺度聚类算法.该算法不受初始化的影响,不用假定数据的聚类个数以及聚类中心的初始位置,能够利用模糊聚类的方法来获得硬的聚类划分,能够从不同的"划分尺度"揭示数据的聚类结构,并能自动的确定聚类个数.为了满足处理大数据集的需要,设计了快速无监督多尺度模糊聚类算法.通过实验证明无监督多尺度聚类算法在多数数据集上都表现良好且具有最好的总体聚类性能,并能成功揭示出数据的聚类结构.实验还证明快速无监督多尺度模糊聚类算法具有较快的速度和较高的识别精度且适用于大数据集.2个算法都取得了令人满意的实验结果.     

基于多种群合作协同算法的电力系统调度优化

为解决电力系统环境经济调度这一复杂多目标约束优化问题,提出一种有效多种群合作协同优化算法,采用多个种群对搜索空间进行搜索,运用新型的速度位移更新方式以及种群周期内拓扑结构重组策略.结果表明,该算法能对解空间进行更加全面、充分的探索,可快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.将该算法应用到某电力系统的环境经济调度中,其仿真计算结果与其他求解方法结果的对比分析表明,该算法可以有效兼顾全局收敛性和Pareto非劣调度方案的多样性,具有较高的效率以及鲁棒性.     

区域性两阶段演化算法在多峰函数优化中的应用

针对求解多峰函数优化问题全局最优解的特殊困难,提出一种区域性两阶段演化算法（RTEA）,详细介绍了该算法的作用机制、算法策略和算子设计,深入分析了该算法具有能避免“早熟”、一次运行可获得全部最优解等特性.实验结果表明,RTEA用于求解较低维的多峰函数优化问题是高效的,具有较高的求解质量和较快的收敛速度.     

自适应粒子群神经网络识别种蛋成活性

提出了一种自适应粒子群神经网络自动识别孵化早期种蛋成活性的方法.通过主成分分析提取孵化种蛋颜色特征,减少了神经网络输入节点数.提出的自适应粒子群优化算法,用于优化多层前馈神经网络的拓扑结构,提高了神经网络的学习质量和速度.实验表明该方法识别种蛋成活性切实可行,识别准确性高,算法具有鲁棒性.     

基于DSP的多目标航迹模拟

研究了一种通过载机飞行实现多目标航迹模拟的系统,将多目标运行参数传给雷达.利用GPS接收机测得的载机位置信息,通过航迹模拟模型,实时模拟多个目标的运行状态及计算位置、速度和多普勒频率等参数.使用DSP芯片和优化算法完成信号的实时处理.实验结果表明,目标位置误差小于1 m,速度误差小于2 m/s,计算时间小于50μs,满足了准确性与实时性的要求.     

基于双层结构的商用车质量辨识算法

针对山区路面商用车整车质量辨识问题,设计了一种汽车质量辨识算法.基于车辆纵向动力学模型提出了基于双层结构的商用车质量辨识算法：上层为基于倾角传感器的路面坡度估计算法;下层为基于带时变遗忘因子的递归最小二乘法的整车质量辨识算法.使用TruckSim软件平台分析了汽车悬架对上层算法的影响,并进行了实车试验.试验结果表明,所提出的质量辨识算法能够有效地估计路面坡度和整车质量,估计准确,收敛速度快,修正后的整车质量均方根误差平均值从209.97 kg减小到117.43 kg.     

海量数据处理过程中数据挖掘算法的应用

信息时代的快速发展带来的是信息总量呈现几何级数的增加,而海量数据的存储和分析处理对计算机硬件能力和数据分析能力都是一个极大的挑战．数据挖掘算法是针对于大批量数据处理而提出并逐步发展起来的,基于完备的数据库技术,可以在云计算算法、矩阵压缩算法和并行关联算法的基础上,进行算法集成,能进一步提高数据挖掘的速度、精度和时效性,在实际海量数据的处理过程中有较好的适应性,为海量数据处理提供了新的技术分析方法．     

货车整车质量辨识方法研究

针对货车整车质量辨识问题,分别对基于车辆纵向动力学和基于运动学的两种整车质量辨别方法进行仿真和实车试验研究。阐述了两种整车质量辨识方法的原理,在TruckSim软件平台上建立车辆模型并在多种工况下基于这两种方法进行仿真分析。根据仿真结果进行实车试验,提出了一种车速冗余计算和加速度计算的方法,利用带时变遗忘因子的递推最小二乘法（RLS）对实车质量进行估计。研究结果表明,所提出的车速冗余计算方法和加速度计算方法准确有效,同时减少换挡次数能够显著提高辨识算法的收敛速度。相比于运动学整车质量辨识算法,基于车辆纵向动力学整车质量辨识算法能够有效地估计货车整车质量,鲁棒性好,估计准确,收敛速度快,具有很好的工程应用价值。     

"起-停"巡航控制系统的纵向车距控制方法

针对单一设计距离控制中出现的速度滞后问题,综合考虑速度和距离的控制,提出了一种基于"起停"巡航控制系统的纵向车间距控制器设计方法。该控制器的设计中引入了控制因子,建立了兼顾速度和距离控制的目标性能函数,并对控制因子的取值作了讨论。通过理论分析和仿真实验表明,所提出的控制方法使速度滞后的问题得到改善,同时控制器对质量具有鲁棒性。     

基于G4ICCS系统的数据挖掘并行算法

针对传统决策树SPRINT（Scalable Parallelizable Induction of Decision Trees）算法不能处理海量地学数据挖掘的问题, 设计实现了基于G⁴ICCS(Geology Geography Geochemistry Geophysics Information Cloud Computing System）的决策树并行分类算法PSPRINT。该算法使用哈希表存储连续属性分割点两侧的数据记录, 为并行节点的分割提供依据, 在MapReduce架构下解决了海量地学数据挖掘问题。实验结果表明, 在模拟的云计算环境下, 决策树并行算法可以处理海量地学数据分类问题, 并获得较好的稳定性和较高的处理速度。     

固体火箭发动机撞击点火数值模拟计算

装填高能复合推进剂的固体发动机,在跌落和撞击等情况下可能发生燃烧或爆炸. 为了对发动机低速撞击下的安全性进行评价,建立了发动机撞击靶板点火计算模型,采用热力耦合算法实现机械能和热能之间的转化,采用Arrhenius方程描述推进剂自热反应过程. 对直径为200 mm和480 mm发动机撞击靶板过程进行数值模拟计算,获得了与火箭橇实验结果一致的速度阈值范围. 结果表明计算模型能较好描述发动机撞击点火过程. 计算结果表明,装药量大的发动机撞击后更容易发生点火,发动机撞击点火速度阈值与装药量的对数成线性关系.     

基于Spark的DA算法并行化研究

在对大规模数据进行蜻蜓算法优化时,由于要计算的维度过多,迭代次数过大,从而耗费大量运算时间,而基于Spark分布式计算可以减少大数据运算的耗时。将DA算法在Spark分布式计算平台下进行并行计算,把蜻蜓种群被分配到各个节点,每节点中蜻蜓个体信息通过多线程并行更新,然后共享全局最优解,从而提高大规模数据优化的运行速度。最后仿真实验的验证是由4个测试函数进行测试,验证结果显示:在保证正确率的前提下,基于Spark的DA算法在对大规模数据优化的计算用用时最少。     

套管换热器近分相流动态分布参数模型的改进算法

近分相流动态分布参数模型是套管换热器仿真动态的主要模型,但目前求解方法的稳定性与初始压力估计值密切相关,一旦初始压力估计不当,计算就会发散.对于现有算法导致计算不稳定的原因进行了分析,提出了一种改进算法.新算法基于质量引导,在求解相变流体的质量流量分布之前通过质量对压力进行迭代,以确定合适的压力迭代初值,增强了算法的稳定性,扩展了算法的适用范围.新算法的计算速度与现有算法相当.     

选择排序算法的一个改进及分析

针对少量记录排序的应用，对直接选择排序算法进行了挖掘，通过增加记忆功能，使算法性能得到明显提高。改进后的算法在大量记录排序时，较原算法的速度提高1倍以上；在少量记录排序时，是基于比较和移位的排序算法中总体表现最佳的；并且对原序列的有序程度很敏感，原序列相对有序时，速度能大幅度提高。结果表明：该算法很适合少量记录排序、部分排序、较有序记录的排序，以及与快速排序算法的混合使用。     

基于时域正交TDO-LMS的变步长盲干扰抑制改进算法

为了寻求一种快速收敛的低复杂度LMS盲多用户检测改进算法,在时域正交TDO-LMS算法基础上,通过对接收向量时域解相关,达到加快步长收敛的目的.静态和动态干扰环境下的仿真结果表明：改进算法克服了传统盲LMS算法中步长受相关矩阵特征值影响的缺点,在保持原先输出信干比性能的前提下,表现出快速的收敛特征和良好的鲁棒性.