通道相位失配对空间谱测向算法的影响

分析了通道相位失配对MUSIC算法、ESPRIT算法和极大似然算法的影响,比较了这3种算法对相位失配的适应性。计算机仿真结果表明,极大似然算法对通道相位失配有较好的适应性,MUSIC算法次之,ESPRIT算法受影响比较大。     

决策树中ID3算法的研究

ID3算法是决策树分类方法的核心算法,文章论述了ID3算法的基本思想和实现方法,并对ID3算法的性能进行分析,发现该算法存在不足之处.针对ID3算法倾向于多属性值的缺点,引入了权值对算法进行改进,并通过试验对改进前后的算法进行比较,结果表明改进后的算法是有效的.     

基于PageRank和HITS的Web结构挖掘算法研究

在对Web结构挖掘的典型算法探讨的基础上,提出了一种PageRank算法和HITS算法相结合的改进算法,并对该算法进行了简要分析。     

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。     

OFDM系统载频偏移估计算法研究

对正交频分复用系统中的载波频率偏移估计的典型算法——ML算法、类MUSIC算法和类ESPRIT算法进行研究，总结三种算法的基本思想，对三种算法进行仿真实验和性能分析。     

一种基于堆的快速排序算法

堆排序算法具有低时间复杂度和低空间复杂度的优点;但对原始序列的有序性不敏感。快速排序算法是在平均情况下公认的高速算法;但有较高空间复杂度。对两个算法扬长避短,设计了一种新的排序算法HQSort;并从理论和实例两个角度分析了该算法的效率,在不同量级的数据集上对该算法和三种经典排序算法进行了对比运行和测试,验证了该算法不仅在时间效率上优于其他算法,而且在辅助存储空间上比快速排序算法减少约50%。     

蚁群算法在排课问题中的应用研究

首先对蚁群算法和排课问题进行了简要概述，同时针对基本蚁群算法在解决排课问题中存在的弊端，提出了一种新的改进型蚁群算法——优劣蚁群算法，并对该算法的优越性进行了阐述。最后通过真实的排课数据对该算法与基本蚁群算法及其相应的改进算法的性能分析比较，应用该算法排课系统运行效率得到了提高，冲突现象明显减少，大大提高了教务管理人员的工作效率。     

基于进化算法的拟可行方向法及其收敛性

在传统优化算法中嵌入一拟步骤 ,改善了算法的收敛性质 ;并用进化算法计算拟步骤 ,提高了算法的全局搜索能力 ,又不改变原算法的收敛性 .且研究了参数变化对算法的影响 ,并对算法进行了数值实现     

线性规划中几种内点算法的比较

该文是关于内点算法的一篇综述,对几种较为实用的求解线性规划问题的算法进行总结,包括单纯形法、椭球算法、Karmarkar算法、原仿射尺度算法等,并对这些算法进行比较。     

一种改进的FunkSVD算法

为了提高传统FunkSVD算法的准确率,提出了一种改进的FunkSVD算法。该算法以传统FunkSVD为基础,利用深度学习优化算法RMSProp对其进行改进。改进后的算法既能解决因迭代振荡而引起的准确率下降问题,又能缓解数据稀疏对算法准确率的影响,从而达到提高算法准确率的效果。实验结果表明,本文提出的算法有效提高了推荐算法的准确率,优于传统FunkSVD推荐算法以及其他改进的FunkSVD算法。     

OTST-ESPRIT算法及其性能分析

讨论了无线网络中多径信号角度和时延的联合估计算法,给出了OTST ESPRIT算法·该算法通过使用基于一步特征值分解的OT ESPRIT和OS ESPRIT算法估计多径信号的传播时延和波达方向,有效避免了多次特征值分解,从而降低了TST ESPRIT算法的复杂性·其次给出了多径信号模型联合角度和时延估计的罗克拉美下限,分析了OTST ESPRIT算法的计算复杂性·最后在仿真的基础上对OTST ESPRIT算法的性能进行了讨论·     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

TSP问题的一种快速近似算法及应用

给出求解度约束最小生成树(DCMST)问题的一种快速近似算法．在此基础上．又给出求解TSP问题的一种快速近似算法,并在微机上实现且其数值试验的效果良好．最后,将求解TSP问题的近似快速算法作一些改进．应用于遗传算法的初始种群生成并进行数值实验．结果表明,用文中算法生成的初始种群．比起一般方法产生的初始种群性能有很大改进．该算法可以加速遗传算法的寻优速度．     

竞争决策算法原理及其应用

全面阐述竞争决策算法的基本概念、原理、算法流程、特点,给出了常用的竞争力函数、决策函数、初始状态、资源交换规则,并以示例来说明该算法的原理、特点及应用。研究内容进一步完善了竞争决策算法的基本理论,在应用方面则降低了算法应用的难度。     

Koch曲线的序数理论与新算法设计

生成Koch曲线的常见算法是递归算法、Ls算法和IFS算法.针对现有三种算法的局限性,提出Koch曲线的序数理论,设计生成Koch曲线的OV算法.OV算法不需要递归调用,不占用大量空间,并且兼容于LS算法,还可以推广到Koch结构.最后,以OV算法为基础,提出LS2算法,有效地解决了LS算法的问题.     

WFQ与WRR调度算法的性能分析与改进

不同类别的业务对时延及时延抖动的要求是不同的,为了满足不同业务的服务质量(QoS),选择一种合适的队列调度算法至关重要. 研究了分组长度对WRR及WFQ算法公平性以及时延性能的影响,并提出了一种基于分组长度及队列权重的改进型WRR算法——enhanced-WRR. 仿真结果表明,当分组长度相同时,WRR与WFQ的时延性能几乎一致;当分组长度不同时,WRR算法不能保证高优先级队列的时延要求,而E-WRR算法的时延性能逼近WFQ算法,能很好地保证高优先级队列的时延要求,并且极大降低了算法复杂度.      

AES算法的结构分析与优化实现

描述了高级加密标准(Advanced Encryption Stan dard, AES)算法的各部分功能, 并分析了AES算法的结构及实现. 对算法单轮执行步骤进行了优化合并. 为降低解密算法的实现复杂度, 改变了解密算法的工作顺序, 使解密算法与加密算法具有相同的结构.     

一种整合粒子群优化和K-均值的数据聚类算法

针对K-均值聚类算法存在的不足,提出了一种新的整合粒子群优化算法(PSO)和K-均值算法的聚类算法.在新算法中,首先结合使用粒子群优化算法和K-均值算法搜索全局最优解的位置,然后再用K-均值算法在全局最优解附近的局部空间内快速寻找最优聚类中心.通过对4个数据集的实验测试,将此算法与K-均值算法、基于粒子群的K-均值算法进行了比较.实验结果表明,新算法的聚类质量比后两个算法更优.     

EM算法理论及其应用

EM算法是一种迭代算法,主要用来计算后验分布的众数或极大似然估计,广泛地应用于缺损数据、截尾数据、成群数据、带有讨厌参数的数据等所谓的不完全数据的统计推断问题。在介绍EM算法的基础上,针对EM算法收敛速度慢的缺陷,具体讨论了加速EM算法：EMB算法和MEMB算法;针对EM算法计算的局限性,给出了EM算法的推广：GEM和MCEM算法。最后给出了EM的实值实例,结果精确。     

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．