一种基于网络安全控制的蜂群算法应用研究

本文基于网络安全控制的蜂群算法（BCA），针对该算法中的不足之处基于Boltzmann选择机制提出了一种改进的基于网络安全控制的蜂群算法（BBCA）用来优化多变量函数．研究证明该算法能够在充分保证群体多样化的同时加速整个算法的收敛速度，从而提高算法的全局收敛率．     

加速时域玻恩迭代收敛的频率补偿技术

该文提出了一种能够加速时域玻恩迭代法收敛的频率补偿技术，并把频率补偿技术应用于时域玻恩迭代法求解二维无耗介质体的剖面重建。数值结果表明频率补偿技术能有效地提高时域玻恩迭代法的收敛速度。     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

基于共享存储器的共同进化算法

讨论了基于共享存储器的共同进化算法，该算法是一种基于粒度并行模型的进化算法，应用共享存储器方法提高算法的性能，仿真实验证实了算法在改善早熟收敛以及收敛速度等方面具有良好的性能。     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

一种新的变步长LMS算法及其仿真

在分析传统LMS算法及其改进算法的基础上，提出了一种新的可变步长LMS算法，新算法采用梯度矢量的平均值的平方值调整步长．计算机仿真表明，与传统LMS算法和文献[1]中的VSS-LMS算法相比，新算法有更快的收敛和跟踪速度，并能收敛到更小且更稳定的均方误差。     

低信噪比下调制信号载波相位的迭代估计

提出一种低信噪比下期望-极大值（EM）迭代估计载波相位的改进算法。对期望-极大值算法采用一种新的并行初始化方式,在可能的相位区间设置多个初始值,并对初始化后第1次迭代进行了最优选择。经过这种处理不仅可以有效避免EM算法可能收敛到局部最大值点的问题,还可以解决非数据辅助（NDA）条件下的相位模糊问题,避免了对导频序列的需求。实验结果表明,该算法能够在低信噪比下获得比以往算法更好的估计性能,而且这种并行方式的运算量大大降低,收敛的速度和稳定性都得到了保证,具有实用价值。     

基于新息更新的时变步长LMS算法(TVSLMS)

提出一种基于新息更新的时变步长LMS算法(TVSLMS).该算法结构简单,时变步长设计新颖,与典型的LMS算法,如著名学者Windrow的LMS算法和Doherty和Porayath所提出的DLMS算法相比,TVSLMS算法收敛速度最高.尤其是算法所引入的收敛加速度,对收敛速度具有灵敏的调速作用.     

不等式约束条件下一类线性模型参数估计的迭代算法

本文对不等式约束条件下，具有相同参数的多个线性模型的参数，在方差未知的情况下，给出了一种迭代算法，并利用一组随机数据对此算法进行了模拟．模拟结果表明，它是收敛的并且收敛速度是相当快的．     

一种基于LS准则和L阶输入矢量的自适应算法

提出了一种新的基于LS准则和L阶输入矢量的自适应滤波算法．该算法采用新的梯度计算公式，使自适应滤波中权矢量的更新比LMS精确和平滑．仿真表明经过250次迭代，新算法就可以收敛于最优值1．6．新算法与基本的解相关LMS算法（DLMS）和LMS算法相比，收敛速度快、稳定性更好．并给出了新算法、DLMS算法和LMS算法性能曲线仿真结果．     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

导体平面覆盖抛物线分布不均匀等离子体的FDTD分析

用一种新的色散介质的FDTD算法——分段线性电流密度递归卷积FDTD算法分析了不均匀等离子体的隐身技术．通过计算一维碰撞等离子体平板对电磁波的反射和透射系数验证了该算法的高效性和高精度．对电子密度抛物线分布的不均匀非磁化等离子体覆盖雷达目标的隐身效果进行了时域和频域分析．     

MIMO MC-CDMA的简化CMOE递归自适应多用户检测

将约束最小输出能量（CMOE）准则应用于空时编码多输入多输出多载波码分多址（STBC MIMO MC—CDMA）系统,提出一种基于简化CMOE的联合信道估计与信号检测的递归自适应算法,解决了可变对角因子的自适应取值问题,所给出的最优步长半盲自适应信道估计可以提高信道估计的准确性和收敛速度．比较了不同环境下信道估计的误差和各种算法的误码率性能．     

用频域推进法计算二维导电腔的瞬态响应

二维导电腔在复频域的积分方程用矩量法求解，空间离散在各取样频率上保持不变，用ＣＧＭ（共轭梯度法）解矩阵方程。在复频域，系统矩阵的性态得到改善，用基于误差最小化的外推法能产生较精确的初始解，使ＣＧＭ很快收敛。矩形柱腔的计算结果证实了新方法的有效性。     

一种用于模式分类的多层感知机模型和学习算法

将ａｌｍａｎ滤波算法与ＢＰ算法相结合，提出一种用于模式分类的多层感知机模型和学习算法，并对计算实例进行了计算机模拟实验，实验结果表明，这种算法适用于非线性模式分类，且具有较快的收敛速度。     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

基于混合互信息和改进粒子群优化算法的医学图像配准

为提高医学图像辅助诊断的配准精度和收敛速度,提出了一种基于混合互信息和改进粒子群优化算法的医学图像配准算法,在每步迭代中,先用基于Renyi熵的互信息结合改进粒子群优化算法对图像进行全局搜索,然后对当前得到的最优解使用基于Shannon熵的Powell算法进行局部寻优。实验结果表明,该算法在收敛速度和精度方面都优越于其他配准算法。     

引入动量因子的双自适应自然梯度算法

为克服自然梯度算法收敛速度和稳态误差之间的矛盾,提出了一种引入动量因子的双自适应自然梯度算法,该算法将动量因子分别引入到自然梯度算法的步长因子和分离矩阵中,并根据实时分离度自适应调整动量因子,从而在加快算法收敛速度的同时,降低稳态误差.仿真实验证明,提出的新算法的性能明显优越与固定步长和自适应步长自然梯度算法.     

H′(R)空间中二阶微分算子的尺度函数

本文在Ｈ′（Ｒ）再生核空间中按照小波分析的方法,利用再生核函数给出了时域,频域上的尺度函数,并对Ｈ′（Ｒ）中的任一函数给出了展式,其展开系数可由函数值准确表示。     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．