最优合并算法及证明

提出一种有条件的最佳状态合并算法，并给出证明。     

非确定有限自动机NFA的确定化

在编译系统中,词法分析阶段是整个编译系统的基础.对于单词的识别,有限自动机FA是一种十分有效的工具.有限自动机由其映射f是否为单值而分为确定的有限自动机DFA和非确定的有限自动机NFA.在非确定的有限自动机NFA中,由于某些状态的转移需从若干个可能的后续状态中进行选择,故一个NFA对符号串的识别就必然是一个试探的过程.这种不确定性给识别过程带来的反复,无疑会影响到FA的工作效率.     

网络中最优控制树问题的贪婪算法

最优控制树问题是大型通讯、交通和供销网络中的一类突出问题.以最小支撑树问题的贪婪算法为基础,分析了最优控制树的本质特征,得到了求网络中最优控制树的一种启发式算法,并给出了算例.     

一种面向不确定标签样本的K-近邻高效决策算法

基于案例的决策是一种直接依据过去的历史案例对当前案例进行分类或者指标预测的方法,K-近邻方法就是一种广泛应用的基于案例的决策模型。在K-近邻方法中,历史案例上需要有标签,而在现实应用中,标签本身有一定的不确定性.文章详细地讨论了现有的基于K-近邻的决策方法忽略了样本标签不确定性这一问题,并基于Dempster-Shafer证据理论对标签不确定性进行建模以改善预测的性能,在此基础上结合边界树模型提高模型的运行效率.文中介绍了边界树算法的作用与原理,对如何结合传统边界树算法与样本标签的不确定性对边界树算法的节点转移策略以及决策过程进行了优化.文章最后对边界树算法的计算规模与准确率做了详细的实验论证.结果表明,文中提出的方法一方面考虑了标签的不确定性,另一方面提高了传统的K-近邻模型的决策效率.     

基于层次聚类法的Entropy-KNN算法

KNN算法通过近邻样本的个数分类,Entropy-KNN算法给出新的相似度定义,而且投票时综合待测样本与近邻样本的个数和各类近邻的平均距离,但两种算法均未考虑近邻样本间的相似.提出的基于层次聚类法的Entropy-KNN算法,首先对训练集按类别进行层次聚类,接着在与待测样本最相似的子类中选取近邻样本,使得近邻样本具有较高的相似度,最后结合Entropy-KNN算法进行分类.在蘑菇数据集上的实验结果表明,该算法的分类准确率高于Entropy-KNN算法.     

时间演进非平稳莱斯衰落信道建模及产生方法

针对基站-移动台之间的动态传播场景,构建一个时间演进的非平稳莱斯衰落信道模型,提出了一种基于线性调频信号叠加的产生方法,并给出模型参数的计算及更新算法.实验表明,该方法不仅可以保证衰落信道状态的平滑切换及衰落信道幅值和相位的连续性,还能复现衰落信道的非平稳特性,从而保证信道模型输出的时变包络分布和时变多普勒功率谱与期望值一致.该方法可用于时变场景下移动通信系统的性能评估和验证.     

非确定有限自动机NFA的确定化

在编译系统中，词法分析阶段是整个编译系统的基础。对于单词的识别，有限自动机FA是一种十分有效的工具。有限自动机由其映射f是否为单值而分为确定的有限自动机DFA和非确定的有限自动机NFA。在非确定的有限自动机NFA中，由于某些状态的转移需从若干个可能的后续状态中进行选择，故一个NFA对符号串的识别就必然是一个试探的过程。这种不确定性给识别过程带来的反复，无疑会影响到FA的工作效率。因此，对于一个非确定的有限自动机NFA M，经常的做法是构造一个确定的有限自动机DFA M’。     

EWA博弈抽象的认知无线电网络信道选择

通过协作频谱感知对信道可用性进行分析,构建网络可用信道的优先度表. 利用该优先度表,提出一种基于EWA学习博弈模型的信道选择算法. 与基于学习自动机算法和无悔学习算法对比的仿真结果表明,该算法可通过历史经验的学习选择对认知用户可用性最优的信道,能提高系统的有效吞吐量,并获得更好的资源分配公平性.     

流量约束最小生成树问题的分枝定界算法

研究流量约束最小生成树问题(CMST),它是通讯和网络优化设计中最为基础和重要的问题之一.给出一种分枝定界算法,详细阐述了算法的原理、搜索过程,数值结果表明,该算法是有效的,并且有较好的计算性能.     

基于UML状态机的LCA快速查找算法

UML规范描述的公共祖先LCA(The least common ancestor)查找算法采用的是递归试探法,而递归操作在UML状态机的多重嵌套环境下,运算效率较低.针对这个问题,提出了一种快速搜索LCA的算法.该算法首先根据状态树构造UML状态机的拓扑码,然后通过源状态和目的状态的拓扑信息计算嵌套层次,查找LCA时,只须按照嵌套层次数目退出,便可快速回溯到LCA.实验结果表明,快速查找算法降低了运算的时间复杂度,在UML状态机的多重状态嵌套应用场合下,提高了LCA查找的运算效率.     

缓冲算子及数据融合技术在目标跟踪中的应用

针对复杂环境下的多雷达目标跟踪问题,把灰色系统理论中的缓冲算子引入到多雷达目标跟踪领域,并通过对原始冲击扰动序列的改进来弱化其随机性.同时应用数据融合技术,对缓冲算子作用后的随机振荡序列作进一步改善和提高雷达系统的跟踪精度.仿真结果也表明,该方法是有效、可行的.     

三阶隐马氏模型算法及其与一阶隐马氏模型的关系

为了考虑更多的统计特征,提出了一类三阶隐马氏模型,其中状态转移和输出观测同时取决于当前状态和前面两个状态. 研究和推导了这类三阶隐马氏模型中估值问题的向前－向后算法、解码问题的Viterbi算法和学习问题的Baum-Welch算法. 对此类三阶隐马氏模型,构造了一个与之等价的一阶隐马氏模型,提出并证明了它们的等价性定理. 研究结果丰富了隐马氏模型的算法理论,可为一些实际应用提供更好的方法.     

具有灰色预测功能的ad hoc网络稳定路由算法

将灰色理论应用于自组织网络拓扑连接状态预测,提高反应式路由协议(DSR)的预应能力,避免路由信息震荡,减小不必要的网络开销,迅速发现失效链路,提高了路由信息的稳定性.仿真结果表明,改进后的基于灰色模型的稳定路由协议S-DSR具有更高的稳定性,组网效率更高.     

数字系统分析方法及ASM图

应用ASM图对数字系统进行了系统的分析 ,对于时序电路、同步时序电路分别应用方程式、状态表、状态图、时序图、ASM图结合具体例子进行了分析 所介绍和采用的最基本的分析方法 ,对数字系统的应用和实验有很高的价值     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

ρ-混合下回归函数改良核估计的渐近正态性

利用混合序列基本不等式,把φ-混合样本下回归函数改良核估计的渐近正态推广到了ρ-混合样本情形.所得结果对条件的要求要比φ-混合样本情形的弱.     

正项级数示散列判散法

本文指出正项级数∑∞ｎ＝１ｕｎ可根据ｕｎ求出一个有限数列ｌ＝ｌ（ｕｎ）＝｛０，－１，…，－１，ｌｍ｝，其中ｌｍ≠－１，示散列ｌ（ｕｎ）枵有为｛１ｏ，ｊ｝形式，其中ｌｏ≠０，当ｌ＞ｌｋ＝｛０；－１，…，－１，…，－１，…｝时，正项级数发散；当ｌ＜ｌｋ时，收敛，且ｌ－ｌｋ的情况不会出现，如此，正项级数的发散与否的判别工作能够按固定程序进行。     

朝代循环模型的Hopf分支分析

分析了具有时滞的朝代循环模型的Hopf分支,证明了当时间延迟到达或穿过临界值时,系统的正平衡点附近出现了一族周期解,得到了平衡点附近出现Hopf分支的充分条件.并进行了数值模拟.     

带有交错扩散的捕食模型的非常数正解的存在性

研究了一类带交错扩散的捕食模型稳态问题非常数正解的存在性．证明了猎物的自扩散率较大或者交错扩散率较大的时候，强耦合系统至少存在一个非常数正解．     

关于五边形数的余数及其渐进公式

对于任意的正整数n,设f(n)表示n的五边形数的余数,即f(n)是使得n-f(n)为一五边形数 (m(m-1))/(2)的最小非负整数.运用初等和分析的方法研究了五边形数的余数列{f(n )}(n=1,2,…)的渐进性质,并给出了不同类型的渐进公式.