一种自适应小波网络的构建及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性,该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题,通过应用于信号的表示与去噪,进一步证明了该算法是简单和有效的。     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

激活函数可调的神经元网络的一种快速算法

将激活函数可调的神经元网络的结构做了一个变形, 给出了网络学习的一种快速算法, 并对异或问题, Feigenbaum函数和Henon映射进行仿真实验, 结果表明, 该算法具有很快的收敛速度, 很高的收敛精度, 性能优于BP算法. 在此基础上, 将变形后的网络再进行改进, 实验表明改进后的网络具有更好的性能.     

一种新型RBF网络序贯学习算法

静态神经网络由于自身的局限性难于对非线性时变过程进行建模和预测, 而最小资源分配网络(M-RAN)又因调节参数过多难于实现. 提出了一种新型的基于局部投影概念的RBF网络序贯学习算法: 局部投影网络LPN, 进而对算法进行了最小化改进. 在此基础上进行了详细的算例验证.     

一种基于动态排序的最大频繁项集挖掘算法

集合枚举树是最大频繁项集挖据算法中常采用的数据结构。在此算法中,最大频繁项集的挖掘过程也可以看作对集合枚举树的搜索过程。为缩小对集合枚举树的搜索空间,本文提出了一种新颖而高效的剪枝方法:根据已挖掘得到的最大频繁模式动态排列枚举树节点的顺序,最大限度的施行剪枝,从而缩小搜索空间。该算法采用位图的数据格式与深度优先的搜索策略。实验结果表明,该算法能有效提高最大频繁项集的挖掘效率,在采用相同的测试数据情况下,效率优于FPMax。     

一种求解带有时间调度的四维长方体装填问题的启发式算法

长方体的Packing问题被证明是NP-hard问题。对于低维度Packing问题,国内外学者给出了模拟退火算法、遗传算法、分枝限界算法、拟人算法等求解算法。文中针对带有时间调度的三维长方体的Packing问题,引入封装级别、空间距离和周边生成序数等评判标准,提出了一种基于贪心策略的启发式算法。该算法对每个长方体每一占角位置进行评判,依据空间利用率选择给定格局下的最佳放置长方体及其放置方式,并进行填放。算法的运算复杂度是一个与容器参数A,B,C,T以及长方体数目n有关的多项式O(A~2B~2C~2T~2n~5)。利用该算法对非闸断模式和闸断模式测试样例进行实验,算法求解得到非闸断模式测试样例的平均空间利用率为98.81%,闸断模式测试样例的空间平均利用率为99.87%。并且,对于一半以上样例,该算法能够求出最优解。实验说明该算法对于求解带有时间调度的三维长方体Packing问题十分有效。     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

一种基于Bayes信任模型的可信动态级调度算法

提出了一种基于信任机制的任务调度模型，该模型通过借鉴社会学中的人际关系信任模型，建立网格节点间的信任关系，利用Bayes方法对节点的可信度进行评估，将节点的可信度并入DLS算法得到可信动态级调度（Trust-DLS）算法．仿真结果证实，提出的Trust—DLS算法能以较小的时间花费为代价，有效提高应用任务在可信方面的服务质量需求，保证网格环境中任务安全可信的执行。     

早期母子隔离应激对大鼠学习记忆能力的影响

目的探讨早期母子隔离应激对幼鼠学习记忆能力的影响。方法30只SD新生大鼠用于实验,实验随机分成3组,正常对照纽、母子隔离15分钟纽、母子隔离3小时纽。在生后40天,三组大鼠进行Morris水迷宫及记录海马脑片长时程增强电位（LTP）实验。结果Morris水迷宫测试,与正常组比较母子隔离3h组大鼠寻找平台需要的潜伏期延长（P〈0．05）,而母子隔离15分钟组大鼠寻找平台需要的潜伏期与正常组比较则无明显变化（P〉0．05）;海马脑片长时程增强电位提示：正常对照组条件刺激（CS）前后fEPSP斜率变化率为：64．7±22．9％;母子隔离3h组为：35．3±14．2％,低于正常组（P〈0．01）;母子隔离15min组为：66．3±29．7％,与正常组比较无显著性意义（P〉0．05）。结论幼鼠生后早期过度的应激导致大鼠的学习记忆能力减弱。     

基于一种动态特征选择融合算法的蛋白质结构类预测

本文根据氨基酸理化性质,基于氨基酸组成成分与自相关函数相结合特征提取法从非同源蛋白质序列中提取七个特征集,采用局部正确性的动态特征选择算法进行多特征组合来预测蛋白质结构类,并与各个特征集进行了比较。结果表明,DFS_LA算法的预测总精度较各个特征集均有不同程度的提高。Jackknife检验下,DFS_LA算法的预测总精度为82．80％,比COMP特征集提高8．91％;独立测试检验下,DFS_LA算法的预测总精度为86．67％,比COMP特征集提高11．67％。这说明DFS_A算法可有效提高结构类预测精度,多特征组合能在一定程度上更多地反映蛋白质的空间结构信息。     

DSOM: 一种基于NO时空动态扩散机理的新型自组织模型

研究了神经信号传输中, 内源性一氧化氮(NO)的四维动态扩散特性及其在长时程学习过程中的增强作用. 将NO扩散机理建模后与Kohonen自组织映射模型相结合, 在空间SOM基础上引入时间增强, 提出了新型的动态扩散型自组织映射模型, 计算了最优化权值的误差函数, 并分析比较了该模型与SOM中噪声干扰对训练的影响. 最后结合多项典型的一维和二维输入模式,给出自组织映射模型与扩散型自组织映射模型的仿真结果对比.     

一种基于高斯过程的数据驱动光度立体视觉全局优化算法

光度立体视觉技术难点之一在于快速有效地解决非朗伯体材料的复杂反射问题,针对这一问题,本文提出了一种基于高斯过程的数据驱动光度立体视觉全局优化算法.该方法利用高斯过程,通过贝叶斯推理学习给定材料的实测双向反射分布函数值,建立用于描述非朗伯体材料非线性反射性质的连续数学模型.该模型以光源方向和表面反射光强作为输入,以双向反射分布函数值作为输出,可在光度立体视觉系统中建立更为精确的反射模型,从而得到更高的法向量预测精度.仿真实验和实际实验表明,该方法显著提升了光度立体视觉的法向量恢复精度,且拥有较高的计算效率.     

一种具有复合优先策略的越区切换方案

提出了一种用于话音／数据业务综合的蜂窝移动通信系统中的基于预留切换信道和强占优先策略相结合的越区切换方案,其中,用户的呼叫被分为３类：具有越区切换请求的话音呼叫、新近产生的话音呼叫以及数据用户的呼叫。在本方案中为具有越区切换请求的话音呼叫提供了预留切换信道和强占数据业务的优先权相结合的接入策略。同时为了提高系统总的承载话音业务量,还为新近生产的话音呼叫提供了一定的强占数据业务的优先权。用二维Ｍａｒ     

一种动态的客户端负载均衡机制

互联网应用的并发用户数量不仅多变并且这种变化常常不可预测．将系统容量配置为固定值的惯用做法在面临多变的请求时常常会导致两种结果,一种是因为配置过低而弓l起用户的不满,另一种则因为配置过高而造成计算资源的浪费．而通过运用云架构按需提供、按使用收费的能力,系统具有了实时地按需配置计算资源的能力．然而静态的客户端负载均衡方法作为一种主要的负载均衡技术很难适应云架构条件下更加易变的集群结构．本文提出了一种动态的客户端负载均衡机制．通过引入分布式的集群视图更新、控制流等技术,该机制在保持客户端负载均衡机制分布式、可伸缩性强的基础上,又为集群节点的动态加入与退出和负载均衡策略的动态调整提供了有效的支持．同时,本文分析了该机制在一个开源JEE应用服务器PKUAS中的关键实现问题,并通过实验从多方面验证了该机制的有效性．     

一种基于混合遗传算法的概念学习方法

在系统地研究了模拟生物进化过程的遗传算法之后 ,提出了一种将遗传算法同归纳学习过程有机结合的算法 ,并在知识自动获取系统KAA中实现 ,实验结果表明由KAA生成规则的预测精确度高于由别的算法生成规则的预测精确度     

平面化问题的一种新型神经网络算法

文中针对在大规模集成电路中有重要应用的图的平面化问题，指出了可平面图的平面嵌入是有条件的，只有在特定的顶点顺序下才是可直线嵌入的，并通过给出既满足直线嵌入条件又实现正确布线的能量函数，进而用Hopfield神经网络实现了对可平面图的平面布线和不可平面图的最大可平面子图的寻找和平面布线，并引入模拟退火算法实现网络局部极小点的逃离．实验及与传统方法的比较结果验证了文中所提方法的有效性和可行性．     

一种基于聚类分析的数值积分新算法

通过聚类分析找出一般数值求积公式的被积函数出现数值信息波动较大的区域,自适应地采用相应的高精度公式,构造出高精度的自适应数值求积公式.数值试验结果表明,这种新数值求积算法较一般数值求积公式,能显著地减少数据存储量和计算量,提高数值求积公式的稳定性和数值积分的精度.     

一种基于WL算法的加速方法

本文对WL算法和其加速方法TSVQ进行研究。通过对搜索范围的分析提出了一种通过设置搜索带、减少匹配点搜索范围的方法来确定搜索区间,并进行了实验验证。实验证明与TSVQ加速方法相比,本方法能够使合成速度大大提高,并且算法实现上更简单。     

非圆信号的协方差匹配自校正算法及其性能分析

针对非圆信号测向中方位依赖幅相误差的校正问题,本文根据非圆信号的非圆特性和辅助阵元能够自校正的特点,对协方差匹配估计技术（covariancematchingestimationtechnique,COMET）进行改进,提出一种适用于信源时域统计特性未知和统计独立特性先验已知两种情况的改进算法：NC—COMET算法．该算法利用非圆信号扩展协方差数据,使其校正精度较常规的基于辅助阵元的最大似然类算法（未利用非圆特性）有明显提升,且降低了最小辅助阵元数要求．从理论上证明了参数估计的统计一致性,采用一阶误差分析方法推导了有限采样影响下参数估计的均方误差表达式,并提出算法的cc数据利用率”定义,定量比较获得了NC．COMET算法的数据利用率较常规的最大似然类算法的提升幅度．仿真结果亦表明NC—COMET算法性能较常规的最大似然类算法更优：低信噪比下具有更强的鲁棒性;信源时域统计独立特性先验已知或者大非圆率的情况下,该算法对校正精度的提升尤为明显．     

一种基于Arnold变换的图像Hash算法

提出一种基于Arnold变换的图像hash算法。算法首先将原始图像经过Arnold置乱变换得到加密图像,然后将原始图像与加密图像的差值矩阵由若干混沌序列生成的伪随机矩阵进行调制,最后将调制后的结果矩阵进行量化判决以产生固定长度的图像Hash序列。仿真结果表明,该算法对JPEG压缩、低通滤波、图像缩放等操作有一定的鲁棒性。