自适应步长下多阈值彩色图像的全局分割方法

针对传统多阈值彩色图像分割方法将步长设为小于距离参数的定值, 有时会因步长过大而越过最优结果的问题, 提出一种自适应步长下多阈值彩色图像全局分割方法. 首先, 对彩色图像进行预处理, 在不降低彩色图像质量的前提下缩减颜色总数, 以提高分割效率; 然后, 根据多阈值彩色图像全阈值分割目标函数, 将混沌优化理论与粒子群优化算法相结合, 通过混沌粒子群优化算法对多阈值彩色图像全局分割目标函数进行求解; 最后, 结合自适应步长下多阈值彩色图像全局分割方法, 得到最优彩色图像阈值分割结果. 实验结果表明, 该方法的分割效果、 精度、 稳定性和收敛性均较好.     

一种改进的自适应步长盲源分离算法

本文提出了一种新的自适应步长自然梯度算法,该算法在迭代进行过程中依据分离程度对步长适时调整,使算法在保证稳态误差的情况下加快了收敛速度,计算机仿真说明了算法的有效性。     

步长独立调整的LMS自适应滤波算法

本文提出了一种新的步长独立调整的 LMS 自适应滤波算法.我们由最优步长约束式入手,导出了此种算法的公式,分析了新算法的收敛及失调,证明了新算法收敛快、失调小。     

变步长自适应滤波算法的谐波检测

为提高自适应滤波算法的收敛速度,并降低其稳态误差,建立了LMS算法理论最优步长值与误差信号和输入信号之间的关系,提出了一种新的变步长LMS自适应谐波检测算法。该算法的优点是:根据误差信号的平方时间均值估计来调节步长因子,克服了以往算法在自适应稳态阶段步长调整过程中的不足。即使待检测信号的信噪比较低,检测过程也具有较快的动态响应速度和保持较小的稳态失调噪声。计算机仿真表明,该算法具有更好的收敛精度。     

改进的基于步长自适应的自然梯度盲源分离算法

为解决盲源分离算法中收敛速度和稳定性的折中问题,基于最优步长的思想,提出了一种新的步长自适应的自然梯度盲分离算法.在自然梯度盲分离算法的基础上,对步长进行自适应迭代,步长偏移量的选取原则是使得下一次迭代时的步长最优,或者说目标函数最小.仿真结果表明,提出的算法相对固定步长自然梯度算法,其收敛速度提高了1倍以上,而系统的稳定性能基本不变.     

变步长等变自适应盲源分离算法

针对传统盲源分离(BSS)算法采用固定步长难以同时兼顾收敛速度和稳态误差的难题,采用等变自适应盲源分离(EASI)算法,提出了一种基于分离指标的变步长等变自适应盲源分离算法(VS-SI)。该算法利用EASI收敛条件,构造表征信号分离程度的分离指标,并设计带遗忘因子的更新算法,以减小历史数据误差的影响,实现分离指标的自适应计算,并采用一个非线性单调递增函数实现步长的自适应调节。通过与固定步长的自然梯度算法(FS-NG)、固定步长的EASI算法(FS-EASI)、步长指数衰减算法(EDS)和基于权重正交约束变步长算法(AS-WO)的性能进行对比,结果表明,在无噪声和有噪声两种情况下,提出算法均有较快的收敛速度,最终性能指标分别减小了15%和20%以上,同时兼顾稳态误差和收敛速度,具有较好的数值鲁棒性。     

水声通信变步长自适应多普勒补偿

针对水声通信中信号收发双方相对运动引起的多普勒效应,对于QPSK调制信号在自适应多普勒补偿的基础上提出一种变步长自适应多普勒补偿算法.该算法根据接收信号的均衡误筹和相位估计,调节多普勒跟踪步长,估计出多普勒效应,通过线性插值法对接收信号进行多普勒补偿.通过计算机仿真,将其与恒定多普勒跟踪步长的自适应多普勒补偿方法进行了性能对比,结果显示该方法能够较好估计出多普勒效应,提高了接收性能.     

一种改进的变步长LMS自适应滤波算法

在分析传统LMS(Least Mean Square)算法及其改进算法的基础上,提出了一种新的改进的变步长LMS算法。新算法利用误差信号以及误差信号相关值共同调整步长,克服了一般变步长LMS算法低信噪比环境下抗噪较差以及高信噪比环境下收敛较慢的缺点。计算机仿真结果表明,与传统LMS算法和VSSLMS算法相比,该算法收敛速度更快,均方误差更小,同时也具有良好的抗噪性能。     

基于自适应步长的直线生成算法

为了改进计算机图形学中画线算法的效率,提出一种基于自适应步长的直线生成算法和一种集成了对称性、最大公约数和自适应步长的集成算法。由于直线仅包含一种或两种与斜率有关的像素模式,算法利用这一特性,自适应地采用最佳步长,在单次判决中生成多个像素。通过综合使用直线像素的中点对称性、最大公约数性质以及像素模式的有限性等3种相互独立的特性,集成算法在单次判决中可生成更多像素。算法的仿真结果表明:新算法生成直线的效率更高、速度更快。     

二进制自适应步长萤火虫优化算法

基本萤火虫优化算法(GSO)存在着易陷入局部最优、后期收敛速度慢和适应函数值震荡等缺陷,引起这些问题的一大原因是算法中设置的固定移动步长。而在一些自适应步长萤火虫优化算法(AGSO)中,算法收敛精度和速度虽较基本萤火虫算法有所优化,但其迭代过程中出现的不稳定性仍需改进。为此,设计了二进制自适应步长萤火虫优化算法(BAGSO),此算法将移动步长转换为各萤火虫位置编码之间的码距,使萤火虫的收敛方向更具全局性,不易陷入局部最优,且进一步提高了收敛精度和稳定性。通过标准测试函数测试,表明在3种算法中BAGSO算法于各性能指标上通常是最优的。     

一种动态社交网络上的传播源点定位方法

在线社交网络的拓扑会随时间而发生改变,使得确定潜在的传播源点非常困难.为此,提出一种考虑网络动态变化的传播源点定位方法,通过对网络演化建模,推断传播拓扑,从而准确定位信息源点.首先采用基于双曲几何学的链接分析方法,推断网络在传播过程中的拓扑变化,然后基于传播拓扑进行源点定位.在实际网络及合成网络上进行了大规模的实验,结果证明了算法的可行性.     

社交网络信息源快速定位方法

针对在线社交网络中普遍存在的信息传播部分路径,在现有的基于观察点的信息源定位方法的基础上,提出一种基于部分路径的信息源点快速定位方法.该方法分析了利用观察点记录的部分传播路径对候选传播源点进行筛选的4种情况.通过筛选候选源点,达到了减小计算量,提高源点定位效率的目的.在模型网络上对改进算法进行实验,验证了该方法的有效性.     

一种新的可变步长LMS自适应滤波算法

在简单讨论基本LMS,变步长NLMS和LMS/F组合自适应滤波算法的基础上提出一种新的可变步长LMS自适应滤波算法,新算法引入修正系数ρ和遗忘因子λi=exp(-i),并利用ρ和λi来产生新的步长参与迭代。计算机仿真结果表明,与基本LMS算法或变步长NLMS、LMS/F组合算法相比,新算法在保持算法简单这一特点的同时进一步加快了收敛速度,并能够收敛到更小且稳定的均方误差(MSE)。     

熵与信息

从熵的微观意义出发 ,利用麦克斯韦妖的启示 ,将热力学熵概念应用于信息论中 ,揭示了信息量与信息熵之间的关系 ,并且说明了信息熵在信息论中的重要地位。     

一种时域变步长BLMS自适应算法

在块最小均方LMS自适应滤波算法(BLMS)的基础上,提出了一种新的变步长的BLMS算法,该算法中的步长随着块平均误差增加或减小而相应地变大或变小,并引入补偿因子,使得自适应滤波器在调节权值的过程中块均方误差在接近零处具有缓慢变化的特性。理论分析和实验仿真表明,该新算法具有比BLMS算法较快的收敛速度,较小的稳态误差,有较好的抑制噪音的能力,有利于实时数字信号处理。     

论信息污染与信息控污

从信息传播的角度分析了信息污染产生的原因，列出了信息污染的几种主要表现形式．有针对性地提出了信息搜污策略。     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.     

基于熵模型的自适应信息融合方法

建立了一种用于信息融合的熵模型,依据融合的几个步骤即信息提取、关联与决策,描述了基于熵模型进行信息自适应融合的新方法·该方法可对从各对象源(如传感器、数据库、知识库等)中提取的特征属性信息进行模型化,对这些模型化的属性信息进行关联后,得到准确的决策·为了实现多对象源的信息融合,提出了EAA算法·该算法基于熵自适应聚集规则,通过缩减关联模型联合动作的复杂性来控制其收敛性·并通过应用实例,检验了这种方法的可行性     

基于传声器阵列的自动声源定位方法

提出一种基于传声器阵列的自动声源定位方法．该方法首先用一个传声器阵列获取声源信号,然后用基于互功率谱相位的时延估计方法计算传声器对间信号的时间延迟,最后应用Tabu搜索算法搜索最佳声源位置．计算机模拟结果表明,该方法是一种定位精度高、运算量较小的声源定位方法．