基于恒模类的盲均衡算法的仿真研究

本文阐述了用于信道盲均衡的恒模算法的数学模型和基本原理。对近年来出现的恒模算法的改进算法——变步长恒模算法、修正恒模算法、多模算法、修正多模算法和双模式恒模算法进行了分析和仿真。仿真结果表明,与恒模算法相比,变步长恒模算法和多模算法有较小的剩余误差和较快收敛速度。修正恒模算法和修正多模算法则克服了信道传榆引起的相位偏移。     

基于LwIP的TCP拥塞控制方法的改进

RFC2001和RFC2081文档描述了TCP拥塞控制方法,主要有慢启动算法、拥塞避免算法、快速重传算法和快速恢复算法;RFC2582和RFC3782文档描述了快速恢复算法NewReno修正。本文结合开源嵌入式TCP/IP协议栈LwIP,详细阐述了慢启动算法、拥塞避免算法、快速重传算法和快速恢复算法的实现方法,并根据TCP的快速恢复算法NewReno修正对LwIP的TCP拥塞控制方法的实现提出了改进建议。     

改进的基于z缓冲器和扫描线算法的消隐技术

z缓冲器算法是较简单的消除隐藏面的算法之一。其缺点是需要很大的z缓冲器工作量较大。扫描线算法是对z缓冲器算法的提高。本文基于扫描线算法,提出一个改进的算法,该算法大大减少了对系统资源的占用,同时提高了算法的效率。     

线性规划的宽邻域预估校正算法

提出了一种新的内点算法--宽邻域预估校正算法。该算法基于经典预估校正算法思想,把窄邻域拓展到宽邻域里,使算法更快地迭代。给出了算法的具体步骤,讨论了其计算复杂性,分析结果表明,所给算法是一多项式时间算法。通过数值实验验证算法的有效性。     

SLIP算法的几种变形算法

SLIP算法是目前在实际中应用较多的输入排队调度算法。本文描述了SLIP算法,并介绍了SLIP算法与多次迭代SLIP算法的几种变形算法,并对所述变形算法的进一步扩展提出了建议与展望。     

字符串的模式匹配算法——基于KMP算法的讨论

重点对基本的串匹配算法和KMP算法进行了探讨。通过对这两种算法的比较分析提出了一个新算法，此算法具有比基本的串匹配算法更优越的时间复杂性，并且相对KMP算法而言更简洁易懂。     

基于模式匹配的模糊控制算法

提出了一种新的模糊控制算法 ,传统的模糊控制算法是基于模糊逻辑推理的 ,而这种算法是基于模式匹配的。对于模糊控制器的模型 ,定义了模糊集合匹配度和模糊规则匹配度 ,在此基础上给出了基于模式匹配的模糊控制算法的模型和设计步骤。就该算法与经典模糊控制算法的联系进行了讨论 ,证明它包含了经典模糊控制中最常用的 Mamdani和 L arsen算法。另外 ,还定义了更为简便的算法。最后给出了这种算法的仿真实验结果 ,结果表明该算法是可行的、有效的。     

基于遗传算法的Qos的路由算法

目的 为得到求解Qos路由的高效算法。方法利用遗传算法，提出了求解Qos路由的新算法。结果通过三阶段给出了基于遗传算法的Qos的路由算法，分析了该算法的时间复杂度，且通过数值模拟，验证了算法的有效性。结论算法原理简单，鲁棒性强，符合Qos路由的不确定性等特点。     

基于LwIP的TCP拥塞控制方法的改进

RFC2001和砌也081文档描述了TCP拥塞控制方法,主要有慢启动算法、拥塞避免算法、快速重传算法和快速恢复算法;RFC2582和RFC3782文档描述了快速恢复算法NewReno修正。本文结合开源嵌入式TCP／IP协议栈LwIP,详细阐述了慢启动算法、拥塞避免算法、快速重传算法和快速恢复算法的实现方法,并根据TCP的快速恢复算法NewReno修正对LwIP的TCP拥塞控制方法的实现提出了改进建议。     

两个图算法的改进

Minty算法和Mayeda—Seshu算法是求无向连通图树清单的两个直观算法,它们都比矩阵算法节省计算时间。然而,它们仍然较复杂。本文分别对这两个算法提出了改进措施,大大降低了计算复杂性。改进后的算法既简单又直观易懂。对于Minty算法,我们提出了一个不完全算法;对Mayeda—Seshu算法,我们则避开了求基本割集这一复杂步骤。     

NAF算法的改进

椭圆曲线上的点乘运算是影响椭圆曲线加密（ECC）效率的一个关键因素。本文分析了普遍用于点乘算法的非相邻表示型（NAF）算法,对NAF算法和窗口宽度w的NAF算法进行了改进。本算法减少了运算中的移位运算次数,缩短了运算时间。经分析,改进算法的运行效率是原算法效率的 倍,建模仿真也表明改进算法的运行时间要短于原算法的运行时间。     

关联规则Apriori算法的改进

Apriori算法是关联规则提取的经典算法,但存在一些不足之处。关联算法的研究主要集中在提高Apriori算法的效率上。本文分析了该算法并进行了改进,使得频繁集产生的同时精简事务集。这种算法及时去掉了不必要的数据,减少了数据运算,从而使算法更优化。     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展，阐述了Newton算法与其他算法的混合算法，并探讨了Newton算法的超线性收敛性，从而进一步阐明了此算法的研究方向。     

基于低能见度场景中退化图像的增强方法

研究了低能见度条件下的图像清晰化方法,在基于频率域与空间域的传统算法的基础上,提出了传统算法互相结合的新算法,包括POSHE算法、基于POSHE算法与传统算法相结合的算法、有限对比自适应直方图均衡化的算法、基于CLAHE算法和POSHE算法与传统算法相结合的算法。以上几种算法,都能对含沙尘的这类图像进行不同程度的增强,得到了较为满意的结果。     

微粒群算法在生产调度领域的应用研究

介绍了微粒群优化算法的原理、算法流程、算法参数及算法特点。围绕微粒群算法的改进形式、算法应用等方面对微粒群算法的研究现状进行了全面综述,并指出了微粒群算法的发展趋势及未来研究方向。     

一类考场编排算法的设计

提出了一类考场编排算法，并对该算法的特性进行了分析。证明了算法的正确有效性，分析了算法的复杂性。该算法通过应用于山东省普通高校招生考试考场编排，效果良好。     

基于质心策略的蝙蝠算法研究

群智能算法是一种新兴的演化计算技术。常见的群智能理论研究算法有:粒子群算法、蚁群算法、蝙蝠算法等。蝙蝠算法模型简单、收敛速度快,虽具有强大的全局搜索性能,但其局部搜索相对简单,个体间缺乏信息互通,搜索能力差。针对这种缺陷,该文提供了一种基于质心策略的蝙蝠算法,首先对该算法进行了详细的公式化表述并对其执行流程做出了说明,然后将该算法与标准蝙蝠算法、粒子群优化算法进行了比较。仿真结果表明,改进的蝙蝠算法明显优于其他算法。     

求解非线性最优化问题的Newton算法研究

本文概述了非线性规划中Newton算法的基本原理和发展,阐述了Newton算法与其他算法的混合算法,并探讨了Newton算法的超线性收敛性,从而进一步阐明了此算法的研究方向。     

基于关联规则算法的研究

本文主要介绍了数据挖掘中的关联规则，分析了关联规则中的主要算法，包括Apriori算法、FP-Growth算法以及CRApriori算法，并且阐述了各种算法的主要特点。     

机器学习的基石：聚类任务的现状与挑战

[目的/意义]随着信息技术的快速发展,各个领域积累的数据呈现出规模大、种类多、结构复杂等特点,这些都为已有的无监督聚类算法提出了严峻挑战。[方法/过程]该文对近年来提出的各种聚类算法进行了综述。[结果/结论]根据聚类算法可处理的数据类型不同,聚类算法可分为基于向量表示的聚类算法和基于关系表示的聚类算法;从建模策略的角度,聚类算法可分为基于模型优化的算法以及基于启发式的算法。其中,基于模型优化的算法重点分析了k-means算法以及图割算法的研究现状,并给出了两种算法之间的差别和联系,进而解释了为什么k-means模型只能处理球形数据,而图割模型可以处理非凸数据。基于启发式的算法以密度聚类算法为例展开分析。此外,鉴于无监督聚类算法面临的非凸优化难题,该文还分析讨论了无监督聚类算法的各种优化方法。最后,归纳总结了现有算法与优化方法的主要特点,并指出了现阶段聚类方法存在的问题以及未来的研究方向。