半监督学习算法的收敛性及其在人脸识别中的应用

研究了半监督学习的一致性学习算法及其变形.通过引入圆盘定理,证明了一致性学习算法收敛的条件;针对变形学习算法,给出了使用变形矩阵的合理性解释;最后将一致性学习算法及其变形应用于人脸识别问题,对该算法中的参数以及变形矩阵进行了实验研究,并与支持向量机方法进行了性能比较.     

基于RSSI的无线传感器网络定位算法研究

 Ecolocation是一种基于RSSI的定位技术,算法中基于约束表的构造存在不完善之处.针对定位算法存在的误差问题从2个方面进行如下改进：首先规范构造约束表的数据源,统一采用RSSI值;其次统一序列排序比较对象,以未知节点的源数据为共同的比较基准.给出了改进算法的实现流程,并对算法的性能进行了仿真研究.仿真结果表明,改进算法的时间略有增加,而定位精度得到明显提高,随着锚节点数的增加,定位误差明显减小.     

成分数据中基于MCLasso的修正EM算法

针对成分数据中含有近似零值,对其作对数比变换后就会出现无穷值,从而影响对数据的进一步分析.提出了一个新的修正EM算法来处理成分数据中的近似零值问题,针对EM算法的缺点对其进行一些改进,即:对EM算法的E步用Monte Carlo方法改进,对EM算法的M步用Lasso算法进行改进.对新的方法进行实证分析,并与基于线性回归的修正EM算法、基于均值插补法和Bootstrap的修正EM算法进行比较研究,验证了该方法的有效性.     

光学CT成像算法的研究

阐述光学CT成像算法的研究,在算法的研究过程中,着重讨论了光学CT正向问题的蒙特卡罗法、逆向问题的扰动方法和规则化方法以及这些方法在图像重建算法的可行性.最后给出所选模型的计算机处理结果.     

基于完全k叉树的适应性堆排序算法

考虑了单次移动时间与单次比较时间的比值对堆排序时间开销的影响,对标准的堆排序算法进行了改进,提出了一个基于完全k叉树的适应性堆排序算法;参数k可以被调整以适应具体的排序对象,使算法的时间开销达到最小;分析了算法最坏时间复杂度并给出确定最优参数值的方法;分析和仿真计算结果表明,给出的算法优于标准的堆排序算法.     

临界水深非线性优化计算的新算法

临界水深非线性约束优化计算建模,应用种群竞争算法进行求解.本文提出种群竞争算法是一种新型全局优化算法,运用种群间与种群内"双重竞争"寻优机制.通过实例说明并与其它方法比较,在求解临界水深计算时,收敛速度快,精度高,编写简单.试算法得到结果还可通过优化方法修正.     

字典学习的K-SVD算法分析

分析了字典学习的K-SVD算法,通过引入K-Means计算方法,将K-Means方法推广到用于字典学习的K-SVD计算方法中;分析和描述了K-SVD计算过程,指出了K-SVD方法与K-Means方法之间的关系,最后观察图像数据训练用于稀疏表示的字典.     

一种序决策信息系统中的快速属性约简算法

为了提高无核或少核序决策信息系统中现有属性约简算法的执行效率,本文以知识粒度表征的属性重要度为启发信息并结合前向属性约简方法提出了一种新的属性约简算法。首先,介绍优势粗糙集方法的相关基础知识,并将经典粗糙集中基于知识粒度的属性约简算法引入优势粗糙集方法中,得到可处理序决策信息系统的属性约简算法;然后,通过分析序决策信息系统中知识粒在属性数目变化条件下的粗化与细化过程,得出相对冗余属性的判断定理,由此结合前向属性约简方法设计了快速属性约简算法;最后分析比较了2种算法的时间复杂度并选取了6个不同的UCI数据集进行算法性能的测试,测试结果表明,本文提出的算法比现有的属性约简算法高效。     

两种抛物线方程算法在电磁计算中的比较

针对电磁计算问题,引入并分析了抛物线方程的两种基本算法:Crank-Nicolson方法和pad啨方法.一方面,推导了两种方法的差分离散表达式;另一方面,给出了操作抛物线方程算法所需的完全匹配层和近远场变换技术.数值方法表明,Crank-Nicholson方法适于求解电磁波传播和光滑物体散射问题,而对有棱边目标的散射问题,Pad啨方法则可获得更高的数值精度.     

一个关于P5P问题的求解算法

PnP问题是应用数学和计算机视觉领域的一个经典问题.P5P问题研究在物体定位、机器人导航等领域具有比较重要的应用价值,系统地研究了P5P问题.运用子结式方法和吴零点分解算法给出了一个求解P5P问题算法.并给出了算法的实验结果,实验结果说明此算法是鲁棒的.     

求解旅行商问题的一种改进算法

文章研究带三角不等式的旅行商问题．设计了求解该问题的一种嵌入遗传算子的启发式算法；同时阐明该算法具有多项式时间界及其绝对性能比不超过2的界估计，因而它的算法理论基础是坚实的；选择经典算例，通过实验表明：该近似算法较之几种常用的启发式算法解的质量更高．由于该算法本质上仍为插入算法，因而程序设计方便快捷，因此它在实际应用中无疑是极有意义的．     

Mining Frequent Closed Itemsets in Large High Dimensional Data

Large high-dimensional data have posed great challenges to existing algorithms for frequent itemsets mining. To solve the problem, a hybrid method, consisting of a novel row enumeration algorithm and a column enumeration algorithm, is proposed. The intention of the hybrid method is to decompose the mining task into two subtasks and then choose appropriate algorithms to solve them respectively. The novel algorithm, i.e., Intertransaction is based on the characteristic that there are few common items between or among long transactions. In addition, an optimization technique is adopted to improve the performance of the intersection of bit-vectors. Experiments on synthetic data show that our method achieves high performance in large high-dimensional data.     

Delta法和Zero法参数辨识的应用研究

近年来,使用神经网络进行飞机系统辨识研究成为了研究的热点。本文研究了基于神经网络的Delta法和及其改进型--Zero法估计纵向气动参数的算法。使用加噪的飞机纵向数据仿真实验发现,Delta法和Zero法估计纵向气动参数不需要建立数学模型和假设参数初值,在合理选择参数的情况下能较好的辨识气动参数,但是实验发现,应用Delta法和Zero法估计参数对于飞行数据的质量、数量要求较高,且辨识的精度并不是很理想,在应用的时候应该慎重。     

形式化开发若干组合数学问题的算法

计算机科学的核心内容是使用算法处理离散数据,组合数学的重要性日渐凸显.使用形式化方法PAR开发了两个组合数学问题的算法,形式化推导过程为问题求解提供了思路,自然地引进了算法程序中用到的变量,清晰地展示了算法程序的设计过程,最终可得到简洁、易理解、可靠性高的算法程序.对形式化方法开发组合算法做了积极的探索,有利于促进组合算法设计自动化的研究及形式化开发方法的推广应用.     

基于分支定界和有效集的信号检测算法

大规模多输入多输出（multi-input multi-output,MIMO）系统中,随着天线数量的增多,现有传统信号检测算法在高阶调制时不能很好地平衡系统的检测性能和算法复杂度。为了解决以上问题,基于二次规划（quadratic programming,QP）检测器应用了有效集法和具有可变二分法的深度优先分支定界算法,提出了一种适用于大规模MIMO高阶调制系统的低复杂度检测算法,并提出了一种修剪策略和引入了近似因子,改善了系统性能,在复杂度和性能之间进行了更好地折中。复杂度分析表明,所提出算法复杂度比QP算法和二阶QP算法高,但比传统分支定界算法要低。仿真分析结果表明,在收发天线均为32的大规模MIMO场景下;在256QAM调制、误码率（bit error ratio,BER）为10^-4时,比传统分支定界算法提升了约3 dB的性能增益,验证了算法对高阶调制的适应性。     

基于信号到达时间的UWB定位算法

首先分析讨论了两种基于信号到达时间的超宽带定位方法--最小二乘法和DFP算法,最小二乘定位方法计算简单,但在存在测距误差的情况下定位精度较低;DFP算法的定位结果通常与初值有关,还易陷入局部最优点.因此,作者提出了基于遗传算法的UWB(超宽带)定位方法,通过与前两种算法进行仿真分析和比较,表明该方法能有效提高定位精度.     

基于近似投影的水平分层调度译码算法

基于交替方向乘子法(alternating direction method of multipliers, ADMM)的线性规划(liner programming, LP)译码模型因其不会出现错误平台和具有最大似然认证的优点,广受译码研究者的关注。目前大多数ADMM算法采用的是泛洪调度策略(flooding, FL),该算法存在译码收敛速度过慢的问题。基于水平分层调度的交替方向乘子法的低密度奇偶校验(low density parity check, LDPC)码译码算法能够加速译码收敛速度,然而目前水平分层调度算法中的投影算法采用的为精确投影算法,复杂度较高。针对该问题,将近似投影算法和水平分层调度算法结合,提出基于近似投影的ADMM水平分层调度译码算法以提高译码的性能。仿真实验表明,相比其他算法,本文提出的算法的译码性能可提升0.1～0.3 dB,迭代次数可降低19%～40%,平均译码时间可减少21%～65%。     

稀疏多元逻辑回归问题优化算法研究

稀疏多元逻辑回归(sparse multinomial logistic regression, SMLR)因为具有在分类的同时嵌入特征选择的作用而被广泛应用于生物信息学、高光谱图像分类、图像中的多类物体识别等领域。SMLR问题最早采用迭代重加权最小二乘法(iterative reweighted least squares, IRLS)的方式进行求解。但IRLS算法在处理高维数据集或者类别数较多的数据集时具有较高的计算复杂度。为了提高SMLR的可用性,提出采用一些高级优化算法如快速迭代收缩阈值法(fast iterative shrinkage threshold method, FISTA)、快速自适应收缩阈值法(fast adaptive shrinkage threshold method, FASTA)、交替方向乘子法(alternating direction multiplier method, ADMM)等来对SMLR问题进行求解。此外,为提高SMLR的适用性,还考虑了SMLR问题的分布式优化求解。对提出的几种SMLR优化求解算法的性能在不同数据集下进行了综合比较。实验结果表明,提出的算法在求解速度和准确率指标上都优于目前最先进的基于IRLS的SMLR优化算法。     

基于线性能量函数的移动组播性能评价方法

移动互联网中的组播面临了很多新的问题,如何对移动组播算法进行全面的评价也成为了研究的难点。该文提出了一种基于线性能量函数的移动组播性能评价方法。该方法从"用户满意度"和"网络效用"两方面对算法进行综合性能评价,并通过线性能量函数对算法进行量化比较。该方法可广泛用于移动组播算法的评价和改进,同时为用户根据应用类别和具体要求选择合适的移动组播算法提供了参考依据。模拟实验表明,该方法可以全面、灵活地对移动组播算法性能进行量化比较。     

改进的带参考信号盲源分离算法

带参考信号的盲源分离算法在各个领域有着广泛的应用,但现有算法大都存在提取信号与源信号之间误差较大的问题,其中目标函数是影响误差的一个重要因素。因此针对目标函数,提出了一种改进带参考信号的盲源分离算法。该算法首先在标准对比函数中耦合含有先验信息的测量度函数,以此得到新的目标函数;然后引入松弛因子运用拉格朗日乘子法对目标函数进行优化,避免了不等式约束问题,有效地得到了最优的分离矩阵。仿真实验结果表明,相比现有算法,本文算法具有更小的误差;在滚动轴承故障诊断实验中也正确地提取了故障特征,验证了算法的有效性。