GVGBC:全视图情形下基于Gossip协议的拜占庭共识算法

共识算法是区块链技术的一个核心组成部分,但现有的共识算法还存在某些不足.针对基于Gossip协议的拜占庭共识算法(GBC算法)的局限性,提出了一种基于全视图通信情形下的GBC算法——GVGBC算法.通过改进通信方式、数据结构和内部算法,使系统快速实现分布式节点间的数据更新和共识达成.通过实例依次证明了GVGBC算法的3个优点:节点间通信的轮数降为一轮;单节点对错误信息不会多次叠加;减少了系统承担的数据量.总之,在通信可靠的情况下,GVGBC算法减少了节点数据更新所需要的通信轮数,减少了系统承担的数据量,从而提高了算法的性能.     

基于单比特的分段SAR成像重建算法

在合成孔径雷达系统中,由于回波的信噪比不是很高,因此单比特成像算法有很大的优势;然而直接基于单比特的雷达成像算法的时间复杂度一般比匹配滤波法高.为了降低单比特成像算法的时间复杂度,提出了一种基于分段重构的单比特成像算法,并通过仿真实验验证了该算法的高效性.该算法不仅可以减少重构的时间,而且可以减少对计算机存储空间的消耗.信号选择了步进频信号,不仅因为步进频信号在采样的时候容易取样,而且在仿真时采用步进频比采用线性调频波的系统会进一步的减少重构时间.     

基于多层挖掘策略的特征选择及在科技文献分类中的应用

提出一种应用于科技文献分类的文本特征选择方法.该方法运用了聚类与关联规则的思想,对文本特征进行逐层选择.同时为提高K-means算法的聚类性能,对K-means算法做了相应的改进,通过为算法的终止条件设定标准值来减少算法迭代次数,减少学习时间;通过删除由信息动态变化而产生的冗余信息,来减少动态聚类过程中的干扰.采用KNN分类器进行对比实验,实验结果表明,该特征选择方法在科技文献分类方面有较高的准确率.     

MIMO-OFDM系统自适应比特功率分配算法

基于MIMO-OFDM系统,以最小化发射总功率、降低算法复杂度及减少系统反馈量为目标,提出了一种基于分组的自适应比特及功率分配方案.仿真结果表明:自适应分组算法的性能明显优于非自适应算法的性能;同在自适应的情况下,分组自适应算法与未分组自适应算法相比,分组算法降低了算法的复杂度,同时也减少了系统的反馈量.     

基于二级矢量量化的LPC声码器算法

为了有效地减少语音编码的比特数、降低量化误差以及提高解码语音质量,提出了一种二级矢量量化的LPC声码器算法.该算法在模糊聚类与LBG级联的VQ算法的基础上,进一步采用二级矢量量化算法对特征参数矢量进行量化.特征参数为语音的两个特征值:基音周期与增益.第一级码本为矢量码本;第二级码本为误差码本.将该算法应用于LPC声码器中进行仿真实验,结果表明:该算法能有效地降低量化比特数并且减少了量化误差,从而使解码语音质量得到改善.     

3级"与非"电路设计中卡诺图算法的简化

采用卡诺图算法对变量数目较少的逻辑函数进行了简化.研究了3级"与非"电路设计中卡诺图算法的简化,解决了设计中的函数表达式的问题:利用乘积项的合并,减少了第Ⅱ级"与非"门的数目;利用尾因子的选取,减少了第Ⅰ级"与非"门的数目.研究结果表明,方法直接,简化快速,扩展了卡诺图算法的应用.     

分布式数据库的关联规则更新算法

提出一种分布式数据库的频繁项目集更新算法.该算法主要考虑分布式数据库记录总数不变,增加新项目集后的频繁项目集更新情况.算法排除原数据库已挖掘的频繁项目集,减少了各站点候选频繁项目集数目,同时减少了各站点之间传送的频繁项目集数目,减少网络流量,提高了频繁项目集挖掘的效率.通过理论分析,该算法比FDM算法效率高,并通过实例和实验证明了算法的有效性和可行性.     

基于Spark的大规模文本KNN并行分类算法

在使用KNN算法进行大规模文本分类,需要处理频繁的迭代运算,针对现有Hadoop平台迭代运算效率较低的问题,本文提出一种基于Spark平台的并行优化KNN算法.主要从3个方面对算法进行优化,首先,对于训练数据集通过剪枝算法控制有效数据的规模,从而减少迭代运算的次数;其次,针对高维数据集采用ID3算法利用信息熵进行属性降维,减少文本相似度的运算量;最后,使用Spark并行计算平台,引入内存计算最大限度地减少了迭代运算的I/O次数,提高处理速度.通过实验,与常用的KNN算法相比,基于Spark的KNN文本并行分类算法在加速比、扩展性等主要性能指标上表现较优,能够较好地满足大规模文本分类的需求.     

单形进化算法优化的SVM滚动轴承故障诊断

由于支持向量机的参数优化算法存在控制参数多、易陷入局部最优解的问题,提出了一种单形进化算法优化的支持向量机滚动轴承故障诊断方法.首先,单形进化算法利用全随机的方式建立粒子的单形邻域搜索算子以减少算法控制参数,建立粒子多角色态搜索策略以避免算法陷入局部最优解;然后,将单形进化算法应用于支持向量机的参数寻优,并用滚动轴承信号完成故障诊断;试验中,采用滚动轴承信号的集总经验模态分解的能量特征作为输入,进行算法的性能分析与测试.结果表明该算法可以有效地缓解粒子陷入局部最优解,且减少了控制参数,并能完成滚动轴承故障信号的诊断与识别.     

基于熵模型的粒子群优化算法

为了改善粒子群算法在解决高维优化问题时易早熟收敛且存在大量无效迭代的问题,提出了一种基于熵模型的粒子群优化(EPSO)算法.通过引入信息熵模型,精确分析了粒子群搜索过程中的聚集特性,将粒子群搜索过程划分为3个阶段进行优化.第1阶段引入粒子迭代熵差,优化调整惯性权重;第2阶段根据粒子群熵值变化,适时重置惯性权重;第3阶段采用截断策略,减少粒子群的无效迭代.实验结果表明,在Sphere、Rosenbrock、Ackley、Griewank、Rastrigin五个标准测试函数中,EPSO算法的求解精度和收敛速度都优于传统粒子群算法、经典粒子群算法、自适应惯性权重粒子群算法以及新的自适应惯性权重粒子群算法,并且减少了算法的大量无效迭代,从而验证了EPSO算法的有效性.     

基于三角形索引顶点数据结构的三维地形绘制算法

DEM在众多领域有着广泛的应用,DEM生成算法已成为当前的一个研究热点.TIN是目前DEM的两种重要结构之一.提出基于三角形索引顶点数据结构的三维地形绘制算法.该算法对重复的三角形顶点数据只存储一次,避免了高程数据的重复存储;减少了绘制命令的调用次数;提高了绘制效率.     

改进的IEEE 802.15.4组网协议算法

分析了IEEE 802.15.4网络初始化的流程,并提出了一种改进的协议算法.通过设置协调器进行处理,有效地减少协议的冗余信令,避免了不必要的冲突,减少了节点加入网络的延迟.最后通过仿真对原协议和改进算法进行比较,得出节点加入过程的原语数减少了31 %,加入时间减少了84 %.当多个节点在较短时间内都进行加入操作时,改进算法的优势更加显著.这种改进算法能在家庭网络中得到很好的应用.     

基于拓扑连通概率的车载自组织网络路由算法

为了改进REAR算法中竞争延迟函数存在的不足,减少广播报文数量,从3个方面对其进行了改进,提出了RPR算法.首先,修改了竞争延迟函数的参数,通过节点之间的数据交互,计算得到节点的排名信息,并将此信息作为竞争延迟函数的参数;其次,减少广播报文的传播时间以及数据报文的广播次数,达到抑制报文数量的目的;最后,通过移除REAR算法中节点对于上一跳节点的概率累加,简化了下一跳节点的判断依据,增加了算法的执行力.在NS2仿真软件中实现了REAR算法和RPR算法.对比实验结果表明,RPR算法可将广播报文数量和数据通信时间分别缩短至REAR算法的78%和72%,覆盖率则从原来的93%提升至99%.     

基于距离的关联规则挖掘算法研究

提出了基于距离的关联规则算法的几点改进:在聚类部分,改用CADD算法对全部属性聚类,使得聚类结果更好,并且减少了规则的判定条件;在关联度参数D0的设置问题上,提出了用投影簇半径值作为其参考值的思想,以减少设置的盲目性.实验结果表明,改进的算法能更有效地挖掘基于距离的关联规则.     

背包问题的动态规划改进算法

在动态规划算法的基础上提出了改进算法,对于0-1背包问题,改进了动态规划算法的状态表示以减少需要计算的状态个数来求解该问题;对于完全背包问题,简化了动态规划算法状态的决策依赖关系来求解该问题.实验结果表明:所提出的改进算法在时空效率上具有一定的有效性和优越性.     

基于数组的关联规则挖掘算法的研究

频繁项集的挖掘效率是关联规则产生的关键.针对经典Apriori算法的瓶颈,提出一种改进算法,通过数组结构来保存项集信息,只须扫描一遍数据库减少了时间开销.在自连接前进行项目计数,减少参加连接的项集数量,减少了候选项集的数量.通过实例证明,改进算法的效率更高.     

频繁项目集发现算法Apriori的研究

为了提高Apriori算法的效率,从减少数据库扫描次数的角度出发,提出了一种动态自适应的改进算法.通过比较,该改进算法有效地减少了数据库的扫描次数,明显地提高了Apriori算法的效率,当数据库中总项目数目较大时,该算法更为有效.     

无线认知传感器网络的节能频谱感知策略

针对无线认知传感器网络频谱感知过程中的能耗,提出两种节能策略:①使用可信度投票算法来减少传输检测结果的节点个数;②使用基于部分可观测马尔可夫决策过程的检测算法来减少检测次数.仿真结果表明这两种算法均能有效减少检测能耗,而且组合使用时相比一般算法能节省不低于30%的能量,同时保证检测可靠度满足系统要求.     

基于信息熵改进的 K-means 动态聚类算法

初始聚类中心及聚类过程产生的冗余信息是影响K-means算法聚类性能的主要因素,也是阻碍该算法性能提升的主要问题.因此,提出一个改进的K-means算法.改进算法通过采用信息熵对聚类对象进行赋权来修正聚类对象间的距离函数,并利用初始聚类的赋权函数选出质量较高的初始聚类中心点;然后,为算法的终止条件设定标准阈值来减少算法迭代次数,从而减少学习时间;最后,通过删除由信息动态变化而产生的冗余信息来减少动态聚类过程中的干扰,以使算法达到更准确更高效的聚类效果.实验结果表明,当数据样本数量较多时,相比于传统的K-means算法和其他改进的K-means算法,提出的算法在准确率和执行效率上都有较大提升.     

小波域内的分形视频编码方案

探讨了使用分形映射实现小波子带系数自量化编码的改进方案.利用小波系数父子节点之间的相似性,对Range块进行快速的分形匹配,并且在算法中采用了DPCM、算术编码;对视频序列则采用条件补充帧间编码,以减少算法运算量.实验结果表明了该算法的有效性.