衰落信道下自适应卡尔曼异步IC多用户检测器

针对单一串行干扰消除(SIC)算法与并行干扰消除(PIC)算法在进行多用户检测(MUD)时的判决误差扩散问题,研究了强多址干扰(MAI)情况下直接序列扩频码分多址(directsequencespreadspectrumcodedivisionmultipleaccess,DS-CDMA)系统中的干扰消除多用户检测算法.结合自适应卡尔曼算法提出了一种适于衰落信道的级联结构K AIC多用户检测算法.所提算法实现了对时变多径衰落信道的全面跟踪,能够在干扰消除检测过程中避免判决误差扩散,达到抑制MAI的目的.仿真结果表明,所提算法具有更好的收敛性、动态跟踪能力及算法精度,是一种有效的干扰消除多用户检测算法.     

双核因素蝙蝠算法

提出了一种基于蝙蝠算法的新型仿生优化算法——双核因素蝙蝠算法(DCFBA).通过改变蝙蝠算法中的速度更新公式,可有效提高寻优效率.为了验证DCFBA的性能,在9个测试函数上使用标准蝙蝠算法(BA)、粒子群算法(PSO)和DCFBA进行了实验.结果表明:DCFBA在算法的有效性、优越性和稳定性上都优于BA和PSO算法.     

Krylov子空间E-变换GMRES(m)算法

针对GMRES(m)算法提出一种Krylov子空间E-变换GMRES(m)算法.利用单位矩阵E将GMRES(m)算法的方程组系数矩阵变换为对角矩阵,使求解问题大为简化.理论分析了算法的收敛性.通过数值实验分析,研究结果表明:在大型稀疏工程计算问题的求解中,E-变换GMRES(m)算法具有可行性、稳定性和可靠性,显著提高了GMRES(m)算法的计算精度和计算效率.     

一种改进的变步长双模算法研究

在对常模算法 (CMA) 和改进常模算法(MCMA)的研究基础上,提出了一种改进的变步长双模算法(Variable Step-size MCMA-DD).改进算法通过误差信号自动地调节步长,从而调节算法的收敛速度.通过仿真表明,改进算法具有与MCMA-DD算法相近的误码性能,但是很大程度地加快了算法的收敛速度.     

基于NKL和K-means聚类的协同过滤推荐算法

针对传统协同过滤推荐算法(CF)存在用户-项目矩阵稀疏以及推荐准确率较低等问题,提出了一种基于NKL和K-means聚类的协同过滤推荐算法(NKL-KM).首先,NKL-KM算法定义了一种新的相似性度量方法,该方法在进行相似性度量时考虑了各项目评分的分布以及评分值差异.其次,NKL-KM算法将K-means算法与CF算法结合,提高了推荐算法精度.最后,在MovieLens和Netflix数据集上进行算法对比实验,实验结果表明NKL-KM算法有较高的推荐精度.     

一种新型的混沌BP混合学习算法

将一种新的快速BP(FBP)算法和混沌优化相结合,提出了混沌BP算法(CBP算法).FBP算法吸收了误差函数的非线性信息,大大加快了BP算法的收敛速度,但它仍然采用梯度下降法,不可避免地存在局部极小的缺陷.混沌动力学具有遍历性、随机性的特点.能在一定范围内按其自身规律不重复地遍历所有状态,将混沌优化搜索引入FBP算法中,形成一种新型的混沌BP算法.它既能较快地局部收敛,又能全局收敛,避免了陷入局部极小的可能性.CBP算法为多层前馈网络的全局性收敛学习提供了一种有效的方法.     

二阶隐Markov模型的一种简化算法及参数估计

针对现有的二阶隐Markov模型(second-order HMM:HMM2)算法给出了一种新的简化算法.新算法是一种与Baum-Welch算法相似的算法,允许每一状态的观测概率密度函数(probability density function:PDF)可以用不同的特征集来定义和估计.基于此方法给出了相应的识别方法和参数估计.这种方法是基于充分统计量的,并且从理论上来说不会造成性能的损失.     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.     

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.     

多径信道下基于最小平均峰度准则的盲多用户检测算法

基于最小平均峰度(LMK)准则,提出了一种适用于同步直扩码分多址(DS/CDMA)系统多径慢衰落信道中的盲自适应多用户检测算法.这种算法基于高阶统计量特性,算法复杂度相对较低.仿真结果表明,该算法的稳态性能与子空间自适应多用户检测算法相当,是一种较好的多用户检测算法,有一定的实际应用价值.     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

一种分类的小波零树与分形混合图像编码算法

通过分析小波零树编码和分形编码各自的优点与不足,结合自身的特点,提出一种基于分类的混合图像编码算法。该方法把图像分割后的块分为3类,对不同类型的块分别采用分形算法或零树编码的改进算法SPIHT算法编码;结果表明,与单独使用这两种算法相比,混合编码算法的重构图像质量有一定程度的提高。     

一种改进的SVM算法及其在证券领域中的应用

根据传统的SVM算法原理，提出一种新的基于连续的和过程化的SVM算法，该算法在分类结果上不再局限于两类分类问题的离散情况，是一种支持向量的动态选择算法．将该算法应用于证券领域中，结果表明该算法是有效且正确的．     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

FSFIS问题的基于随机kick的ILS&TS混合算法

提出了一种基于随机kick的迭代局域搜索算法(ILS)求解存储容量受限的流水车间问题(FSFIS)·该算法使用新颖的多对不交叉的交换移动构成kick移动,并采用回溯机制保证搜索在有利的空间内进行·通过应用4种邻域结构,每种情况下产生480组随机数据的试验证明该新型算法是快速有效的近优算法·设计了一种在原有的静态禁忌搜索算法中引入了基于随机kick的迭代局域搜索算法的混和算法,这种混合算法可以充分发挥原有的2种算法的各自优势,使目标函数进一步改进·     

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。     

求解TSP问题的改进蚁群算法

通过引入免疫克隆算子提出1种新的蚁群算法,并应用于TSP问题求解。结果表明：算法具有较好性能。     

A Hybrid Algorithm for Optimizing Multi-Modal Functions

0 IntroductionThmeo rsei m epxlteen gseivneeltiyc sailngcoeri itth mw(asSG pAro)p iosse adp pbliye dJ .mHor.eH aonl-dland[1]in 1970’s . SGAis an opti mization method based onpopulation by emulating the evolvement disciplinarian of thenature.It has showedthe great advantage of quick search foropti mal solutions while applied in the opti mization of single-modal functions . But as we know many problems in realitybelong to the opti mization of multi-modal function, and ifSGAis appliedto sol…