二维频率估计的多阶段分解算法

研究了加性白Gauss噪声中的二维频率估计问题.基于旋转不变性和矩阵伪逆的双正交性，提出了一种新颖的迭代算法，它在每一步迭代过程中得到一个二维频率分量.通过系统化的多阶段分解和重构可以得到所有的二维频率分量，并且所得的二维频率自动配对.同时利用循环最小化的思想研究了算法的全局收敛性.仿真实验表明了所给算法的有效性和优越性.     

新的ICA算法实现成组fMRI信号盲分离

独立成分分析(ICA)方法已被成功地用于处理功能磁共振成像(fMRI)信号,但主要是用于处理单个被试的fMRI信号,对于多个被试的情况却很少考虑.为此利用一种扩展的ICA方法--Group ICA来处理多个被试的fMRI信号,结果表明这种方法在保证结果准确性的前提下,可以大大减少计算量,快速获得统计结果.计算中应用的是NewFP算法,统计结果表明这种算法在估计激活的时间动力学准确性上优于FastICA算法.     

基于粒子群算法的盲源信号分离

当源信号个数大于2,联合对角化（JADE）算法在盲源信号分离时效果不理想.提出了一种基于粒子群算法（PSO）的盲源信号分离（BSS）算法.该算法利用PSO算法代替JADE算法中的联合对角化操作,以混合信号的峭度为目标函数,采用独立分量分析的方法,对瞬时混合的信号进行了盲分离,理论分析和仿真结果表明了该算法的可行性和有效性.     

一种基于ICA数据库水印嵌入算法的研究

提出一种基于独立分量分析（ICA）的公开数据库水印方法。利用混合的方法嵌入水印,再利用盲源JADE算法提取水印。理论分析和仿真实验结果表明该算法是有效的。     

LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法

大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem, LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm, MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm, LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能。基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping, LSMOEA/2s)。新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组。将所提算法与当前4种代表性算法(MOEA/D、...     

基于改进ICA与v-S的车牌识别

提出一种结合改进的基于独立分量分析(ICA)提取算法和基于多层感知器和单向二叉决策树的多类支持向量机分类方法.该算法通过ICA进行字符的特征提取,并利用多类支持向量机分类器完成字符的识别.以对机动车车牌识别实验为例,实验证明,改进的IcA算法具有更好的稀疏性和更快的收敛速度.用单向二叉决策树将字符图像逐步分类,并引入参数调整环节,实现了缩短字符识别时间并提高识别精度的目的.     

基于二阶盲辨识结合小波包的脑电信号预处理

针对脑机接口(BCI)中脑电信号(EEG)含有的伪迹,提出一种基于二阶盲辨识结合小波包分解(SOBI-WPD)的去除伪迹方法.首先将多个导联EEG采用SOBI分解成若干独立分量.然后根据眼电和工频干扰直观特征,将对应的独立分量置零.进而将剩余独立分量分别用‘haar’小波基进行6层WPD分解,取每个独立分量分解后与任务相关的子带进行逆变换,形成对应的新的独立分量.最后将这些新分量投影重构,得到去伪迹的EEG.对3组实验数据,使用SOBI-WPD、独立成分分析和SOBI 3种预处理方法,单个样本处理时间分别为61,239和47ms;相同的特征提取和分类方法下,识别正确率分别为86.7%,73.0%和79.8%.SOBI-WPD能快速有效地去除伪迹信号,为BCI中EEG的预处理奠定了基础.     

基于运动状态估计的双无人机协同航路规划

在双无人机协同任务过程中,由于会受到敌方雷达、武器等干扰造成跟随机无法准确获得领航机状态,为保证跟随机能够尽可能跟随领航机,提出结合交互式多模型(IMM)算法和自适应差分进化(JADE)算法的方法进行跟踪与寻迹.首先,基于JADE算法为领航机优化一条平滑航路并建立领航机位置状态信息,同时利用多个机动模型匹配估计领航机运动状态;然后,根据估计信息,确定跟随机下一可行航迹点范围;最后,以双机时空协同为目标,设计跟随机优化目标函数,优化产生下一航迹点.仿真实验表明,仅8.8%的航迹点处于双机探测范围外,且短时间内能够回到理想位置,时间和空间上双机能够保持协同.     

基于VaR的多阶段存货风险衡量方法

VaR(风险价值)方法在金融管理中作为一种衡量风险的有效手段,得到了越来越广泛的应用. 探讨VaR方法应用于存货的风险控制,通过将存货区分为单一阶段存货和多阶段存货,借助VaR的方法,讨论了多阶段存货管理中的风险衡量问题;介绍了存货管理中与VaR方法有关的基本概念;通过VaR方法的运用,建立了随机需求下的多阶段存货决策模型,并采用解析方法得到了VaR值的分布范围,为有效度量多阶段存货风险提供了期望最大收益(或最大成本)的界值.     

一种新改进的DS/CDMA多用户检测器

提出了一种利用盲信号分离技术(BSS)与RAKE接收相结合的新多用户检测器.利用基于高阶累积量快速定点的独立分量分析(ICA)算法,从CDMA系统的多址干扰信号中较好地分离出需要用户的多径混合信号和多址干扰信号,进而通过RAKE接收需要的用户信号.     

基于改进PSO的ICA方法分析重力固体潮信号

为了从重力固体潮信号中提取地球物理信息,介绍了一种重力固体潮信号分解模型.在分解模型中,重力固体潮信号分解为赤道平面信号分量及地球自转轴信号分量.为了提取与分解模型相一致的地球物理信息,提出用独立分量分析(ICA)方法将重力固体潮信号中的赤道平面信号分量与地球自转轴信号分量分离.鉴于ICA存在收敛速度慢及局部搜索等特点,提出了一种基于惯性因子ω的改进粒子群优化算法(PSO)来解决ICA中的全局寻优问题.通过仿真实验分析可知,本文提出的改进粒子群的独立分量分析算法可以获得与分解模型相一致的信号分量,并且从各分量中可提取出与地球产生机制相一致的地球物理信息,是一种分析重力固体潮信号的有效方法.     

需求变化的多阶段库存控制动态规划算法研究

多阶段库存管理是供应链研究的重要课题,其中独立需求的订购策略问题,在需求率不是恒定、计划执行过程中各阶段需求不再变化的情况下,动态规划方法（WW算法）效率较高。给定费用参数（物资单价、一次订货费用、单位库存保管费用）,订购计划执行到阶段i（1〈f〈m）时需要调整阶段m的需求,而其它阶段的需求不变,订购策略如何调整,使得库存总费用最低;文中研究了此类独立需求多阶段订购策略问题,并改进了WW算法。     

计算机多阶段自适应测验的组卷方法

计算机多阶段自适应测验(MST)实施的关键是成功组建多个满足测验规范(即统计和非统计约束)的平行测验(或称测验面板),自动组卷(ATA)为实现测验平行提供了可能.现有的MST组卷方法研究主要包括以下几种:1)基于线性规范算法的组卷方法; 2)基于启发式算法的组卷方法; 3)基于蒙特卡洛算法的组卷方法; 4)基于在线组卷的方法.该文讨论这几种方法的优缺点并进行比较,同时指出未来可进一步改进这种方法并开发基于认知诊断测验的自动组卷方法.     

基于DWT-FastICA和IMPSCO的时变结构损伤识别研究

提出了一种基于DWT-FastICA和IMPSCO的两阶段时变结构损伤识别方法.第I阶段:首先,通过离散小波变换(discrete wavelet transform,DWT)对各传感器采集到的结构动力响应信号进行预处理;然后,利用快速独立分量分析(fast independent component analysis,FastICA)提取出包含损伤信息的特征分量,从而确定损伤发生的时刻并初步定位损伤.第II阶段:采用改进的多粒子群协同优化算法(improved multi-particle swarmscooperative optimization,IMPSCO)分时段进行物理参数优化,实现损伤的精确定位和定量.通过一个数值算例和试验验证了所提方法的有效性,同时从噪声水平和损伤大小两个方面对该方法进行了探讨.研究表明,所提的方法能够较好地应用于线性时变结构损伤发生时间、位置与损伤程度的识别,根据不同的需求,不仅能够实现快速的损伤初步定位,而且可以进一步对损伤进行精确定位和定量,具有良好的容噪性、鲁棒性和工程实用性.     

JADE算法在盲信号分离中的应用

分离矩阵的学习算法是盲信号分离的关键技术,矩阵联合对角化的预白化JADE算法是一种基于四阶累计量的学习算法。本文简要介绍了JADE算法的基本原理,通过实例,采用JADE算法对盲信号进行分离。实验表明,JADE算法在盲源信号分离中是一种很有潜力的方法。     

基于MapReduce的Apriori算法并行化

Apriori是挖掘关联规则最经典的算法之一,针对该算法存在的瓶颈问题研究了基于MapReduce编程框架的简单Apriori并行算法;并在简单Apriori并行算法的基础上提出一种采用固定多阶段结合挖掘策略的改进算法——多阶段并行算法。实验结果表明,改进算法能缩短挖掘时间,提高执行的效率。     

一种多阶段任务系统的BDD排序新方法

近年来,BDD(二元决策图)的分析方法越来越多地被用于多阶段任务系统可靠性分析中.BDD方法应用的一个关键是在从故障树向BDD转换时需要对底事件进行排序,所选择的排序顺序将影响构造的BDD的节点数.与单一阶段任务系统相比,多阶段任务系统的可靠性分析由于阶段之间的相关性而变得更加复杂,将一般的BDD排序方法直接应用于多阶段任务系统的BDD分析很难得到令人满意大小的BDD.在考虑多阶段任务系统的结构和特性的基础上,通过共同失效组件对多阶段故障树化简,提出了基于最小相邻组件优先相邻排序的多阶段任务系统BDD排序方法.通过与一般的排序方法相比较,这种新方法可以生成更理想的BDD结构.     

多阶段多目标洗钱网络路径优化模型及算法研究

针对多阶段洗钱资金转移路径的决策问题,基于多目标优化的思想,构建了以时间约束、总体资金转移量尽可能大以及总体风险尽可能小为决策目标的多阶段洗钱路径优化模型,并利用多重动态规划方法和最大流理论给出了求解该模型的算法,最后通过实例应用验证了该算法的可行性.通过该模型,不仅能够从洗钱资金转移路径观察洗钱行为特征,还能够发现和追踪到洗钱者的洗钱踪迹和全过程,有助于对洗钱行为的各个环节进行有效监控,降低反洗钱侦测成本.     

基于最大熵独立分量分析的诱发电位特征提取

目的 针对视觉诱发电位(VEP)特征提取问题,提出一种改进的基于信息极大的最大熵ICA算法.方法 通过该算法对多导诱发脑电信号进行独立分量分解,去掉其中包含的噪声干扰成分.并选出与视觉诱发响应相关的主要分量,完成信号的特征提取.结果 将选出的分量投影回头皮电极处,使得VEP中的P3峰更加突出.结论 所提出的方法实现了信号的特征增强,提高了P3成分定位的准确性.     

基于动态分组的两级检查点算法

为了降低设置检查点的时间和空间开销,提出了一种两级检查点算法,其中组级采用协调检查点算法,系统级采用单阶段检查点算法.该算法基于分布式动态分组策略,通过发送分组来确保分组间不会产生孤儿消息,实现了由传统的两阶段提交算法到单阶段算法的转变.实验结果表明,算法执行时间较低,时间复杂度由通常的O(n2)降低到O(n),具有较...