稀疏规则网格中带反馈机制的SIS模型

基于群体稀疏分布的二维规则网格,提出了一个考虑群体自身的反馈机制、群体密度和群体流动的SIS模型。研究表明:反馈机制对系统的稳态感染比例有较大影响,但对传播阈值没有影响;在传播效率固定的前提下,群体密度越大,系统的稳态感染比例也越大,而且群体密度存在一个阈值,只有当群体密度大于该阈值时,疾病才能在群体中持续稳定地传播。另外,在群体密度不太大时,群体流动时的稳态感染比例要高于群体静止时的稳态感染比例,这说明群体流动更有利于疾病的传播。     

基于网格搜索优化的XGBoost模型的股票预测

本文提出了一种改进的XGBoost股票预测模型GC-XGBoost,并将该模型运用到股票市场进行股票价格短期预测.实验结果表明GC-XGBoost模型在MSE,MAE,R2三个评价指标上优于没有进行参数优化的XGBoost模型,说明GC-XGBoost模型比XGBoost模型提高了预测能力.     

基于惩罚似然优化模型的本体稀疏向量计算算法

通过稀疏向量的学习来得到本体函数,利用方向导数计算来得到惩罚似然优化模型的最优解,进而得到本体稀疏向量.将该算法应用于植物学领域PO本体和仿生机器人领域本体,同时将实验结果与已有算法的结果作对比,结果表明本算法对植物学领域的相似度计算和仿生机器人领域本体映射的建立有较高的效率.     

基于字典优化的稀疏表示人脸识别

为消除非受控训练环境中光照/表情变化的不利影响,控制部分遮挡/伪装对人脸图像的破坏程度,提出了一种基于低秩矩阵恢复的字典优化设计,以增强稀疏表示人脸识别的性能.首先对存在非受控干扰成分的训练字典进行低秩矩阵恢复,获得相对"干净"的训练图像进行特征提取;接着采用分块相似性先验嵌入稀疏编码的方法实现对人脸图像的分类.实验结果表明,通过改进稀疏编码字典的鉴别能力,系统能更有效地抑制光照、表情、遮挡/伪装的影响,其识别的稳健性和鲁棒性得到了明显提升.     

基于优化最小化的加强稀疏性的稀疏信号恢复算法

针对稀疏信号恢复算法对稀疏性约束不强的问题,提出了一种基于加强稀疏性非凸函数的稀疏信号恢复算法.通过分析收缩函数和惩罚函数的关系,提出一种新的具有加强稀疏性的非凸的惩罚函数,利用优化最小化(majorization-minimization,MM)方法构造非凸函数的凸上界,并对目标函数的凸部分和凸上界进行迭代求解,实现了对稀疏信号的加强恢复.相较于现存的基于非凸惩罚函数的稀疏信号恢复算法,本算法具有不受参数干扰和梯度方向包含目标函数非凸部分的优势.将提出的算法应用于稀疏无线信道的估计,仿真结果表明,该算法在噪声环境下可以使用更少的导频,取得更准确的信道估计结果.     

基于虚拟机的网格计算模型

基于对网络计算中安全因素及实现环节的考虑,提出一种基于虚拟机和中间件的网格计算模型。该虚拟机是传统操作系统进程(虚拟机监视程序)和文件(虚拟机状态)的合并,对该模型做出了定性的讨论,并且从性能的角度作出了相应的可行性分析。最后,还叙述了该方法和虚拟机上网格计算架构所带来的中间件的竞争。     

改进蛙跳算法的网格任务调度优化模型

为解决当前调度模型存在的局限性, 以更好完成网格环境下的任务调度目标, 结合网格任务调度的NP(Non-deterministic Polynomial)问题特点, 提出了改进蛙跳算法的网格任务调度优化模型。首先以网格任务完成时间作为调度优化指标, 然后采用蛙跳算法找到最优的网格任务调度方案, 并对蛙跳算法存在不足进行改进,以改善算法工作性能, 最后在网格仿真平台GridSim 上进行性能验证分析。实验结果表明, 改进蛙跳算法可较好完成网格任务调度, 缩短了任务完成的时间, 资源负载更加均衡, 而且性能明显要优于其他算法。     

多项式逼近连续函数的数论网格算法

给出了在区间上多项式逼近连续函数的一种数论网格算法，另外还简单介绍了解决多项式逼近中扩展的经济化问题的一种处理方法。     

基于纹理图像与网格协同优化算法的三维模型压缩

该文提出一种基于纹理图像与网格协同优化算法的三维模型压缩简化方法,在不降低三维模型视觉显示效果前提下,压缩三维模型数据。首先,对原始模型进行重网格化,获得具有规则拓扑结构的多分辨率网格;其次,结合模型网格提取纹理特征点,依据特征点确定图像有效区域;最后,利用嵌入式零树小波算法对图像进行编码和解码操作,实现对三维模型的压缩简化及图像重建。实验证明,该方法提取的图像有效区域更快捷、压缩率高、细节丰富。     

网格技术及基于网格服务的工作流系统模型

对网格技术和工作流技术进行了概括性介绍,然后简要介绍了开放网格服务体系结构(OGSA)和网格服务的概念及特点.根据对工作流应用领域的深入了解,总结出网格技术在工作流领域中的主要应用需求,在此基础上提出了基于网格服务的工作流的构想和基本模型.     

学习理论的一个关键算法的稀疏逼近

Poggio和Smale最近提出的学习理论的一个关键算法(A key algorithm,KA)可用于非线性分类和回归,并避免求解二次规划,但几乎所有的样本是“支持向量”。为此提出了一种稀疏KA算法(SKA),通过设计特定的优化函数,SKA能有效减少“支持向量”,并具备良好的推广能力。将SKA应用于两个实际的模式识别问题,并与支持向量机(SVM)进行比较,验证了SKA的有效性。     

基于稀疏表示和低秩矩阵逼近的图像去噪算法的研究

提出了一种基于稀疏表示和低秩矩阵逼近的图像去噪算法:首先,通过对图像块的数据矩阵进行奇异值分解和全局子空间分析,确定信号子空间和噪声子空间;其次,利用图像块与信号子空间的距离寻找相似块,并将相似块分组为训练样本;再次,对相似块矩阵进行奇异值分解,并确定表示相似块的奇异向量;最后,去除表示噪声的基.实验结果表明,该算法能...     

基于稀疏编码的图像语义分类器模型

为了解决图像检索以及遥感图像识别等图像处理研究中本质的问题——如何对高层抽象图像语义进行有效的分类,本文采用生物视觉认知机理,结合生物特征信息,用最小生成树的方法构造图像信息语义树,提出了一个基于稀疏编码的图像语义分类器(SCISC)的模型。实验结果表明:该模型在图像分类中有较高正确率。     

基于生成模型的块稀疏偏差建模

研究了基于生成模型的块稀疏偏差模型(Block Sparse-Gen).依靠块RIP条件和块REC条件,从理论上给出了最优解码的重构误差以及高概率恢复生成函数的测量次数.实验数值也验证了Block Sparse-Gen的有效性.     

基于稀疏表示模型的显著目标检测

针对基于鲁棒主成分分析的显著目标检测方法,在显著目标出现不同颜色时不能产生一致的显著值,提出基于稀疏表示模型的显著目标检测方法. 该方法用l₁范数约束显著目标的表示系数,并引入拉普拉斯图正则项保持显著目标超像素的近邻关系,使特征相似的超像素有相似的表示系数,检测出的显著目标内部更平滑,显著值趋于一致. 在2个公开的显著目标数据集上的实验表明,所提方法是有效的.     

基于遗传算法的网格结构优化方法

为了加快遗传泊进化过程,提出了基于遗传算法和满应力准则进行网格结构优化的杂交算法,杂交算法能大幅度地减少单纯采用遗传算法进行网格结构优化的解空间,其结果表明杂交算法能明显地加快遗传算法的收敛进程。     

基于自适应网格的结构拓扑优化

研究了基于自适应网格技术的结构拓扑优化.采用有限元离散设计域,单元节点密度作为设计变量.优化迭代过程中,根据设计域密度场信息对结构网格进行自适应加密和稀疏,使得材料分布边界处的网格加密,远离材料边界处的网格稀疏.同时,优化设计变量空间也随着网格的变化而变化.给出了拓扑优化中网格自适应加密和稀疏的准则,以及网格变化时结构密度场更新算法.算例结果表明提出的拓扑优化策略可以减少结构分析和优化求解的计算量,在同等结构分析和优化求解计算量下能够得到更好的拓扑结果.     

基于内核技术的网格优化方法

用归一化的 Jacobian矩阵在结点的行列式的值作为衡量该结点质量的方法 ,给出了网格结点的外围多边形和外围多面体内核的生成算法 ,并将内核生成技术应用于网格结点位置优化 ,实现了四边形网格和六面体网格的优化 .算例表明 ,该方法适用于形状复杂区域的网格优化 ,尤其适用于含有凹域的网格优化 ,同时内核生成技术及网格优化也容易编程实现     

基于自适应遗传算法的网格任务调度优化

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.     

基于波原子稀疏优化与组稀疏表示的压缩感知算法

图像的稀疏度对实现图像压缩感知重建具有十分重要的影响,波原子变换能够有效地对图像进行稀疏表示并且具有可逆性。本文提出一种基于波原子优化稀疏变换与组稀疏表示的图像压缩感知重构算法,根据图像波原子变换系数逐渐降低的特点,构建一种约束矩阵对图像的波原子变换系数进行抑制从而增强图像稀疏度,通过组稀疏表示图像重建算法进行图像的压缩感知重构,最后对重构图像进行波原子逆抑制变换恢复原图像。仿真实验结果表明,本文算法相较于原有算法能够更好重构图像纹理细节,重构图像质量有明显提高,能够实现更低的采样率的图像压缩感知重建。