WGS-84坐标系下改进的广义最小二乘配准算法

针对广义最小二乘算法在WGS-84坐标系中存在收敛速度慢及收敛性能不稳定的问题,提出了一种改进的广义最小二乘算法.该算法以收敛步数作为最小二乘算法中的量测精度加权因子,使得量测精度随着步数的变化而变化,从而实现了收敛步数的减少和收敛之后稳定性的改善,提高了目标跟踪定位的性能.仿真结果表明,改进的广义最小二乘算法优于广义最小二乘算法,进一步验证了该算法的有效性.     

基于Matlab的最小一乘回归的线性规划实现

对基于最小二乘准则的回归方法进行了分析,指出该方法容易受到野点信号的干扰.最小一乘准则虽然克服了最小二乘准则的不足,但如何在其基础上建立与实现回归算法一直是一个难题.论文中提出利用线性规划的方法建立该算法,并采用Matlab语言予以实现.     

基于互近邻相对距离的最小生成树聚类算法

针对互近邻距离的不足,提出了互近邻相对距离的概念,同时设计实现了一种新的最小生成树聚类算法.针对某些数据的不平衡问题,提出了兼容不平衡数据的最小生成树分割方法.算法设计简单,易于实现.实验结果表明,该算法能够聚类任意形状数据和兼容处理不均衡数据.对于具有良好几何形状的数据,该算法能够达到非常好的聚类效果,总体性能优于其他算法.     

最小生成树DNA算法

为了改进粘贴模型,提出了用生化实验实现求解割集的计算方法,并基于该方法给出了最小生成树DNA算法.首次将分离实验扩展为基于分离板的分离实验和基于电泳技术的分离实验,所提出的最小生成树DNA算法打破了DNA计算的计算模式——用求解割集的最小边的方法逐步产生最小生成树.用该方法求解割集利用了分离实验运算的高度并行性,最小生成树DNA算法的时间复杂度是线性的,从而降低了算法的时间复杂度.     

基于最小正切值的约束Delaunay三角剖分

以TIN生长算法和分治算法的思想为基础,提出一种改进的构建约束Delaunay三角网(CDT)的算法.该算法在生长算法和分治算法思想的基础上,以约束边为基边分别向两侧重新构网.以基边与离散点形成的三角形的最小正切值为判断条件确定基点,实现对约束边影响域的三角剖分.实验对比表明该算法减少了搜索基点的时间,提高了构网速度.因此得到最小正切算法优于传统算法的结论.     

MIMO-OFDM系统中LDPC码的改进型最小和译码算法研究

LDPC码的译码通常是利用BP译码算法来实现的,但是BP译码算法的硬件电路复杂.虽然最小和译码算法能够简化BP译码算法,但它是以牺牲性能为代价的.为了让译码算法在复杂度和译码性能之间取得较好的折衷,针对最小和译码算法的性能缺陷,利用最小均方误差准则,提出一种改进型最小和译码算法,最后将该算法应用于M IMO-OFDM系统中.仿真结果表明,与BP译码算法以及最小和译码算法相比,改进型最小和译码算法能够在降低算法复杂度的同时保持良好的译码性能.     

一种MIMO-OFDM信道估计方法

为提高现有MIMO-OFDM系统信道估计算法性能,降低算法运算的复杂性,提出一种基于变换域的MIMO-OFDM信道估计方法.该算法不需要任何信道统计信息,通过变换域内自适应低通滤波器降低了高斯白噪声和子载波间干扰对该估计算法准确度的影响,并且利用在变换域内得到的导频位置的信道估计结果,通过补零内插算法得到其他子载波位置的信道估计结果.仿真结果表明:该算法的误码率性能优于最小平方算法,稍逊于线性最小均方误差算法;该算法计算复杂度低,易于在实际系统中实现.     

一种改进的最小代价网络编码算法

分析了网络编码内在特性,指出网络编码区别于传统多播并提升多播传输性能的根本原因在于网络中存在被不同传输路径所重用的关键链路.通过在构建网络编码多播的传输路径时形成较少的关键链路,提出了一种基于关键链路的最小代价网络编码算法.该算法是在最大流算法的基础上加以改进的,并结合了网络增广链和最小截集的性质,是一种有效的最小代价网络编码算法.基于随机网络的仿真实验证明,在实现多播理论容量的前提下,该算法能有效降低网络编码的代价.     

基于流形正则化和核方法的最小二乘算法

研究了再生核希尔伯特空间中流形正则化下的最小二乘算法的学习能力和收敛速度.该算法能够充分利用输入空间的几何特点以及半监督学习中无标记样本的信息,提高算法的有效性和学习效率.另外,讨论了该算法中正则参数的选取,这对算法实现具有现实的意义.     

定量相衬成像中自适应阈值翻转的相位解包裹算法

当原始相位超过周期π时,定量相衬成像中多峰相位分布与包裹相位会出现增减交替,存在多极值点.针对该问题,提出一种基于自适应阈值翻转的相位解包裹算法(SATR),实现了定量相衬成像中的真实相位重构,分析了相衬成像原理和自适应阈值翻转相位解包裹算法的实现过程.通过模拟验证计算,并与最小二乘法(LS)、横向剪切最小二乘法(LSBLS)以及四向横向剪切最小二乘法(FLSBLS)的结果进行对比,证明该算法的可行性与准确性.该算法在一定程度上提高了相位解包裹的精确度,为强干扰、高精度及大计算量的解包裹提供了新的思路.     

一类约束最小二乘估计的神经网络算法

提出一种求解最小二乘问题的新算法,该算法通过特定函数的饱和工作方式,保证最小二乘问题对约束条件的满足,同时实现方差最小化,克服罚函数法难以得到精确解的缺陷。给出了双边约束最小二乘问题存在最优解的充分必要条件,同时证明最优解的唯一性。该算法容易用连续型神经网络实现,网络中神经元状态轨迹收敛到最小二乘问题最优解相对应的平衡点。该算法具有指数收敛速率。     

基于Prim算法的度约束最小生成树问题研究

针对一类度约束最小生成树问题,基于传统最小生成树问题的Prim算法,设计了一种求解算法.该算法在保证网络中指定节点的度不变的前提下,构造了网络关于指定节点的最大度最小生成树.与经典的Gloveklingman算法进行了仿真比较,结果表明,该算法是求解度约束最小生成树问题的一种有效算法.     

新型最小干扰选路算法及仿真研究

以离线阶段+在线阶段为框架,提出了一种处理不同类型业务请求的最小干扰选路算法NMIRA.该算法的离线阶段通过对网络进行优化实现带宽预分配,为在线路由部分建立可选路径库;在线阶段利用最短最窄选路方法定位多条关键链路,根据链路上各业务类型的已用与可用带宽比值来计算链路权重,达到最小干扰目的的同时降低了算法的复杂度.通过对不同网络拓扑进行的仿真实验结果表明,该算法实现了在请求拒绝率和总的可用带宽等性能方面上的改进.     

基于最小负载的Linux Web机群负载均衡算法

为了充分发挥Web机群后端服务器的实际处理能力,实现了一种基于最小负载的Web机群负载均衡算法.该算法依据后端服务器的实际状态:CPU使用率、内存使用率、网络利用率和磁盘性能,通过定时获取后端服务器的状态信息,导出服务器综合负载并放大取整,作为服务器权值.基于最小负载的均衡算法能够动态反馈,具有自适应特性.与加权轮转调度算法相比,基于最小负载的调度算法具有更高的请求成功数和较低的请求失败数.     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

不可约Z-矩阵最小特征值的迭代算法

利用Z-矩阵与非负矩阵的关系,给出了求不可约Z-矩阵最小特征值的一种有效的迭代算法,推广了文献[2]的结果.该算法具有计算量小,易在计算机上实现的特点,并且可以达到实际需要的精度.最后用数值例子表明该算法的可行性和有效性.     

能量最优组合偏置推力分配算法

针对海洋环境力较小、方向频繁地大角度变化,动力定位船舶控制系统要求推进器发出较小推力,甚至零推力的特殊工况,为实现控制力成功分配的目的,采用组合偏置的思想,考虑了组合偏置的推进器数量、组合形式和偏置量等多方面影响因素,基于功耗最小的目的,设计了一种能量最优组合偏置推力分配算法.仿真结果验证了该算法能够实现控制力的分配.与现有其他算法对比表明,该算法能够有效地减少功耗,实现能量最优的目的.     

动态规划算法并行计算最小代价矩阵

采用了动态规划法并行计算最小代价矩阵,在机群环境下用DCOM方式实现了该算法的程序.实验结果表明,该并行算法能充分利用各节点机上CPU的资源,提高程序的运行效率.同时也可以看出利用DCOM技术能够方便、有效的实现并行算法.     

《数据结构》最小生成树算法的分析和实现

数据结构主要研究数据之间的逻辑关系、数据的存储方法以及对数据的各种操作.最小生成树是图这种数据结构的一种重要应用,实现算法与数据结构关系密切,本文以邻接矩阵作为图的存储结构,详细讨论了Prim算法在计算机上的实现方法,并对该算法作了必要的分析.     

基于误差数据的最小代价属性选择分治算法

最小代价属性选择是数据挖掘的重要问题之一,问题的优化目标是得到总代价最小的属性子集.在实际数据的获取过程中,测量误差是不可避免的.基于测量误差,目前已有一些相关的最小代价属性选择方法.但这些方法存在效率上的问题,特别是对大规模数据集.为解决这一关键问题,提出一种基于误差数据的最小代价属性选择分治算法.该算法将数据集按列拆分为若干个互不相交的子数据集,实现对各子数据集的求解,分而治之.对于不同规模的数据集,其子数据集的大小及总个数并非固定不变,而是根据各数据集的规模自适应设定的.该算法通过拆分数据集来降低问题规模,有效地提高了计算效率.对6个不同规模UCI数据集的实验分析表明该算法的有效性,与经典回溯算法相比,该算法的效果相当但效率至少提高了30%,更能适应实际问题的需要.