Cantor型集子集的维数

首先定义了Cantor型集合,然后定义了Cantor型集合的Besicovitch子集Bp,并主要考虑了在相容和不相容情形下E的子集的Hausdorff维数.     

Cantor函数的推广及其概率性质

把Cantor三分集合上Cantor函数的定义推广到Cantor 2k 1分集合上,并定义了其在(-∞,∞)上的概率分布函数.对推广后的Cantor函数的概率性质作了研究.推广后的Cantor函数的概率性质更具一般性.     

Cantor集的余维数与上盒维数及其关系

讨论了齐次Cantor集和偏齐次Cantor集的上盒维数及余维数之间的关系,得到了齐次Cantor集和偏齐次Cantor集具有上盒维数和余维数相等的特性.     

关于2n+1分Cantor集构造的一个基本性质及其应用

将三分Cantor集构造的一个基本性质推广到2n+1(n∈N)分Cantor集,并用它简便计算出2n+1分Cantor 集的Hausdorff测度,给出了计算此类广义Cantor集Hausdorff测度的一种新方法.最后介绍了此方法在其他方面的应用.     

λ等分Cantor集构造的一个基本性质

将三分Cantor集构造的一个性质推广到λ等分Cantor集，并用它计算出λ等分Cantor集的Hausdorff测度.     

中间λCantor集Hausdorff测度的简便计算

将三分Cantor集构造的一个性质推广到中间λCantor集,并用它简便计算出中间λCantor集的Hausdorff测度,给出了此类广义Cantor集Hausdorff测度计算的一种新方法.该方法比其它方法更为初等而易于计算,为计算其它分形集的Hausdorff测度提供了一种思路.     

关于“Cantor集的‘悖论’”

通过闭区间套基数的计算,证明了“Cantor集的‘悖论’”中关于Cantor集可数的推导不成立,从而证明“Cantor集的‘悖论’”不存在.       

一类推广的Cantor函数的解析表达式

该文利用相似压缩变换,通过不间断地将区间[0,1]进行等分迭代的方法,研究了一类Cantor五分函数及2n+1等分Cantor函数,得到了该推广的Cantor函数的解析式.     

一类齐次Cantor集的Hausdorff测度

用一种比较初等的方法估计了一类齐次Cantor集的Hausdorff测度的下限,再用k阶基本区间作为覆盖类估计了该类齐次Cantor集的上限,从而得到了该类齐次Cantor集的Hausdorff测度的准确值.     

Cantor级数的有理性

本文研究Cantor级数Σ∞n=1bna1…an的有理性,给出Cantor级数Σ∞n=1bna1…an为有理数的一个充要条件.     

LLR-BP算法的简化译码算法研究

研究了基于Gallager方案的LLR-BP算法及其简化的译码算法,应用Matlab仿真比较了基于Gallager方案的LLR-BP算法及其三种简化译码算法的性能,仿真结果表明:基于Gallager方案的LLR-BP算法与归一化BP算法和偏置BP算法的误码率性能相差不多,当信噪比大于2dB时,归一化BP算法和偏置BP算法比基于Gallager方案的LLR-BP算法的误码率性能稍好,最小和算法误码率性能相对最差。     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

基于马氏距离的模糊聚类优化算法——KM-FCM

为了解决以欧氏距离作为相似性准则的传统模糊聚类算法对多维数据处理不利的问题,采用马氏距离代替欧氏距离,对基于马氏距离的模糊聚类算法进行优化研究,以增强基于马氏距离的模糊聚类算法的聚类效果和能力。通过构造启发式搜索与k-means算法结合的初始优化方法,利用可以自动调节最佳聚类数的有效性函数,提出了一种优化算法KM-FCM,并将此新算法与FCM,FCM-M,M-FCM聚类算法在3个标准数据集上进行了实验。结果表明,KM-FCM算法有效,聚类精度比FCM,FCM-M,M-FCM高,对高维数据聚类识别能力强,具有全局优化作用,并且聚类个数无需提前设定。新算法可为基于马氏距离的模糊聚类算法的优化提供参考。     

置换密钥矩阵加密算法的改进

提出了对分组加密算法(RKM)的改进,主要包括密钥进化算法、特征因子子矩阵和密钥的分发与更新算法.密钥进化算法是特征因子子矩阵生成算法和密钥分发与更新算法的基本组件,由一个16字节的单字节数组(称为进化指针)和一个密钥矩阵计算一个新的密钥矩阵.特征因子子矩阵是把128 bit矩阵特征因子作为进化指针代入密钥进化算法计算而得.在引入特征因子子矩阵的基础上对算法流程进行了改进,使算法的加、解密完全对称.在不降低算法安全性的基础上减少了4轮异或运算,从而降低了运算量.在密钥进化算法的基础上设计了密钥的分发与更新算法,使算法无需每次传输密钥矩阵就能共享.     

WLAN/WPAN系统中DFS算法参数对性能的影响

介绍了CIR混合动态频率选择(DFS)算法.通过对算法的性能分析,提出了算法中一些参数的优化方向.以HIPERLAN/2系统为例进行了仿真.仿真结果表明:对算法参数的合理优化可以使算法充分发挥干扰探测快、频率转换稳定等特点,能够在复杂传播环境下提高WLAN/WPAN的服务质量(QoS).参数优化后的算法可以明显地提高系统的吞吐量.     

基于蝙蝠算法的K均值聚类算法

为解决传统 K-means 算法中因初始聚类中心选择不当而导致聚类结果陷入局部极值的问题, 采用蝙蝠算法搜寻 K-means 算法的初始聚类中心, 并将模拟退火的思想和基于排挤的小生境技术引入到蝙蝠算法中, 以克服原始蝙蝠算法存在后期收敛速度慢、 搜索力不强等问题。 同时, 通过测试函数验证了其有效性。 最后利用改进后的蝙蝠算法优化 K-means 算法的初始聚类中心, 并将该改进的算法与传统的 K-means 算法的聚类结果进行了对比。 实验结果表明, 改进后的算法的聚类性能比传统的 K-means 算法有很大提高。     

SVD算法在亚毫米波付里叶变换谱中的应用

本文介绍了自回归谱分析法中的奇异值分解法(SVD算法)在亚毫米波付里叶变换谱中的应用.SVD算法和前后向最小二乘法(LS算法)相比,它们具有相同的分辨率,但SVD算法能够消除LS算法中出现的假峰和病态的问题,具有更强的抗噪声能力,因而SVD算法比LS算法更加稳定可靠.还讨论了SVD算法的阶数和有效奇异值个数的选择问题.     

一种基于量子遗传算法的多播路由算法

提出了一种基于量子遗传算法QGA（quantum genetic algorithm）解决多播QoS（quality of service）路由问题的算法．介绍了量子遗传算法的基本原理，给出了算法实现的方法和具体流程，并进行了量子遗传算法在多播路由选择优化方面的仿真实验，证明了量子遗传算法优于常规遗传算法．     

神经网络在多传感器多目标跟踪中的应用

首先研究了基于粗关联和精关联过程的多传感器多目标(MSMT)跟踪融合算法，精关联是联合概率数据关联(JPDA)算法的推广，JPDA算法存在随传感器数和目标数的增加而计算量迅速增加的缺点；其次提出了一种基于神经网络的MSMT联合概率数据互联(MNJPDA)算法，MNJPDA算法能克服计算量爆炸问题，基于MNJPDA的融合算法能提高跟踪的快速性．仿真结果证明了MNJPDA融合算法的有效性．