树型传输网单故障分支识别的节点分析算法

本文提出了树型传输网单故障分支识别的一种新算法──节点分析算法，该算法使编制故障分支识别的组态软件变得简单、可行。     

基于镜像学习和复合二次距离的手写汉字识别

为解决手写汉字识别中的相似字混淆问题,提出了一种基于镜像学习和复合二次距离的识别算法,提高现有的二次分类器对相似汉字的鉴别能力。该算法为识别置信度较低的训练样本生成镜像虚拟样本,通过迭代训练来调整易混淆字符类别间的分类界面,并对二次分类器给出的候选字使用复合二次距离进行两两鉴别,以减少识别错误。在HCL 2000样本库上的实验表明,该算法能有效提高手写汉字识别的性能,测试集上的误识率下降了20%。     

球面六连杆机构可动性自动识别方法

针对球面六杆机构的可动性中的分支（装配方式或回路）问题,提出了一种基于机构关节旋转空间的概念和判别式方法来分析球面六连杆机构分支的形成,并提出了球面六连杆机构运动连续性矫正的分支自动识别算法.利用判别式方法和关节旋转空间（JRS）的概念,球面六杆机构的分支很容易识别.该方法是普遍及概念上直观的方法,并通过实例解释了该方法的应用.      

基于Transformer改进的两分支行人重识别算法

针对基于卷积神经网络的行人重识别算法全局信息建模不足的问题，分析了卷积操作的局限性，提出一种基于Transformer改进的全局-局部两分支行人重识别算法.首先利用相对位置编码改进多头自注意力机制，并将其嵌入到Resnet50骨干网络中.之后在全局分支中对图像进行空间几何划分并利用Transformer的全局感受野增强抽象特征的提取能力；在局部分支中对Layer＿3输出进行降维监督，利用多尺度池化获得更丰富的局部特征.实验结果表明，该算法在公开数据集Market-1501和DukeMTMC-reID上的mAP/Rank-1分别达到了93.45%/95.61%和88.79%/90.35%,相对于单纯基于卷积神经网络的算法，本文算法达到更高的精度.     

基于黄金分割的人脸检测算法

人脸识别技术是生物特征识别的一个重要分支,但在人脸识别过程中往往存在稳定性差、不易识别等问题,这些问题大多发生在识别的检测环节.基于黄金分割对人脸的眉、眼、耳、鼻、口五官进行划分,抓取主要特征,提出基于黄金分割的人脸检测算法,并通过Biometrics Ideal Test人脸数据库和FDDB人脸数据库进行对比试验.结果表明:基于该算法构建的检测框架稳定性好,对不同角度或in the wilds的人脸有较好的检测性能和较快的检测速率.     

通用学习式红外遥控器中数据压缩与识别算法

对数据进行有效的压缩与识别是系统的关键所在。针对红外遥控信号的数据特点 ,提出了一种数据压缩与识别算法。该算法将遥控码流归纳为 3种模式 ,用矢量量化编码方法进行数据压缩 ,采用聚类方法解决了由时钟精度带来的误差问题 ,并通过识别发送码流的模式进一步压缩存储空间。该算法大大提高了识别与存储效率 ,并已成功应用于两种遥控器产品中。     

基于显式Wilson-θ法的动载荷识别研究

推导出多自由度动力学方程的Wilson-θ数值算法显式表达形式,进而提出了一种显式Wilson-θ 的动载荷识别算法.该算法避免了Wilson-θ算法的隐式迭代形式的迭代误差,在拥有显式算法特性的同时具备隐式算法的特性.当θ取合适的值时,该算法是无条件稳定的.通过悬臂梁的算例和实验对算法的识别效果进行了验证,并与传统的状态空间法的识别结果进行了对比.结果表明:该算法不仅能够对矩形载荷、谐波载荷和随机载荷进行准确地识别,并且比状态空间法的识别精度更高.     

基于帧分组与二进制搜索树识别的RFID防碰撞算法的研究

针对射频识别(RFID)系统中,多个标签同时响应同一阅读器时产生的信息碰撞问题,提出基于帧分组与二进制搜索树识别的RFID防碰撞算法.该算法首先基于帧时隙ALOHA算法对标签进行识别,并依据碰撞时隙将未识别标签分成若干组,然后运用二进制搜索树算法依次对各组进行确定性识别,最后通过对算法进行性能分析及仿真比较,该算法在吞吐率和识别效率2方面较传统算法都有很大程度的优化,在L=N/2,且当N=100时,该算法的吞吐率较帧时隙ALOHA算法和二进制搜索树算法分别提高10%和34%;在L=N,且当N=100时,该算法的识别效率较帧时隙ALOHA算法和二进制搜索树算法分别提高12%和37%.     

基于孤立森林方法的催化裂化装置排污数据异常识别

基于分裂准则与相对质量算法对孤立森林算法进行了改进,优化了孤立森林算法的分支步骤与局部度量方式.利用标准数据集(Shuttle、Satellite、Annthyroid)验证了算法的有效性,并分析了算法复杂度;应用改进的孤立森林算法对某炼化企业催化裂化数据进行异常识别,与经典的孤立森林算法、SCiForest及ReMa...     

一种识别结构主要失效模式的有效算法

发展了线性互补规划法中的Ｌｅｍｋｅ算法,并与可靠性分析中的分支－约界法相接合,提出一种识别结构主要失效模式的算法,它既不用进行结构重分析,也不用通过判别结构的刚度矩阵Ｋ的奇异性来识别主要失效模式,而是应用一种新的简易结构失效判别准则,最后通过数值算例说明了方法的实用性。     

求解方程近似解的改进双曲线型迭代算法

应用双曲线逼近法,在分析了迭代算法思想的基础上,结合过程模拟与系统仿真的实际,推导出求解方程f(x)=0近似根新型迭代算法,并给出了迭代格式和计算方法.计算结果表明,用此算法求解方程的根,收敛速度及稳定性均好于割线法,初值选取范围比牛顿法和割线法宽.此算法的提出对于方程求根的理论分析和工程应用都有十分重要的意义.     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

降低 OFDM 系统峰均功率比的改进算法

为降低正交频分复用(OFDM: Orthogonal Frequency Division Multiplexing)信号的峰均功率比(PAPＲ: Peak Average Power Ｒatio)过高对系统产生的危害,提出将最小二乘估计方法(LS: Least Square Estimation)融合到凸 集映射的星座图扩展技术中(ACE-POCS: Active Constellation Extension-Projected Onto Convex Sets),得到了一种 新算法(LS-ACE-POCS: Least Square Estimation of Active Constellation Extension-Projected Onto Convex Sets)。该算 法采用最小二乘估计算出一个最优因子,并将最优因子与消峰信号相乘,产生新的消峰信号,从而经过 1 次迭 代便可与传统 ACE-POCS 算法 10 次迭代相媲美。由 Matlab 仿真结果可知,在相同的仿真环境下,该算法经过 一次迭代比传统算法第 10 次迭代的 PAPＲ 低 0． 223 dB,并且其误码率性能稍微优异于传统算法,同时大大降 低了系统的复杂度。     

最优顶点覆盖的贪心边近似算法

提出了一种新的贪心边近似算法,能保证性能比不大于2的同时比传统的选任意边算法有更优的解,在可验证（能得到最优覆盖点数）时,统计数据表明贪心边算法非常有效,是一个集合了传统的任选一边近似算法和选择度数最大点的贪心算法两者优点的新算法.     

用混合遗传算法求解约束NLP问题

将传统的求解约束ＮＩＰ问题的罚函数法和可行方向法同遗传算法结合,得到一种新的混合遗传算法。该算法弥补了仅用罚函数作为遗传算法的适应函数之不足,数值模拟结果表明该算法比其他算法更加有效。     

基于PN码导频的FMT信道估计方法

针对FMT系统,提出了一种新的基于 PN 码的信道估计方法,既可用于慢变信道,又可用于快变信道.分析了新方法的计算复杂度和估计性能.仿真结果表明,在瑞利衰落信道下新估计方法的误比特性能优于最小二乘估计,与线性最小均方误差估计性能相似,但计算量远小于线性最小均方误差估计.     

二次立体堆排序算法设计与分析

通过对立体堆排序算法的分析,从分段优化数据处理技术角度,提出了二次立体堆排序算法,给出了算法思想、算法描述和算法分析,论证了二次立体堆排序算法,随着排序数量增加,排序速度快于立体堆排序算法越显著.     

由先序序列和结点的层数构造严格二叉树的高效算法

提出一种新的通过一棵严格二叉树的先序序列和这棵严格二叉树的结点的层数构造这棵严格二叉树的非递归算法.举例说明新算法的执行过程.对于有n个结点的严格二叉树,新算法的时间复杂度为O(n),比相应的递归算法的低,新算法的最差情况空间复杂度为O(n),与相应的递归算法的相同.     

一种求解单调非线性方程组的凸组合算法

将求解单调非线性方程组的CGD算法和MPRP算法的下降方向进行凸组合,构造出新的下降方向,从而提出新的算法,并给出新算法的全局收敛性定理.通过数值实验比较新算法与CGD算法和MPRP算法的结果,可知新算法优于原算法.     

非线性最优化中超线性收敛的序列线性方程组方法

提出了一个超线性收敛的序列线性方程组方法（ＳＳＬＥ）．此方法与现有的序列二次规划（ＳＱＰ）方法相比，其优点有：（１）由于新方法每一次迭代只需计算三个系数矩阵完全相同的线性方程组，因此迭代的计算量减少且算法的稳定性提高；（２）每一次迭代产生的点是可行的；（３）具有一步超线性收敛速度。