LDPC译码中的消息传递算法和置信传播算法等效性的证明

给出了LDPC译码中三种算法:硬判决算法、消息传递算法以及置信传播算法的详细步骤,证明了消息传递算法和置信传播算法的等效性,得出了消息传递算法是置信传播算法对数域的实现方法.     

基于去相关NLMS算法的自适应回波抵消

在NLMS算法的基础上,从语音信号相关性的角度出发,提出了一种去相关NLMS算法(DC-NLMS).该算法收敛速度快,稳态失调小,计算量与NLMS算法相当,克服了APA算法收敛速度快但计算量大的缺陷.计算机仿真结果表明,DC-NLMS算法在自适应回波抵消中的综合性能要优于NLMS算法、APA算法以及文献[7]中的算法.     

一种公平的动态轮转算法

时间片轮转算法作为一种经典的调度算法得到了广泛的应用.针对时间片轮转算法的调度策略和时间片长度的选取等问题开展深入的研究,提出了一种改进的动态轮转算法,算法是短作业优先算法、多级队列算法和时间片轮转算法的综合和发展.利用生灭过程理论建立了时间片轮转算法和动态轮转算法的性能模型,分析了两种算法的平均等待时间和平均周转时间,引入性能提高百分比的概念对比两种算法的差异.实验结果和理论分析均表明改进算法的性能优于传统的时间片轮转算法.     

基于模拟退火思想的优化k-means算法

鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。     

基于单形进化的径向基网络训练算法

在引入智能优化算法的径向基神经网络训练算法中,智能优化算法的控制参数对该算法的学习性能影响很大.为此,提出了一种基于单形进化的径向基神经网络训练算法.该算法基于单形邻域的全随机搜索方法减少算法控制参数,借助群体的多角色态保持粒子的多样性,避免算法陷入局部极值点.仿真结果表明:相比于其他算法,该算法训练的径向基神经网络不仅有效提高了识别率,而且减少了控制参数对学习性能的影响,提高了算法的普适性与鲁棒性.     

一种改进的蚁群算法在垃圾运输问题中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优解等缺陷,将量子算法中的态矢量和量子旋转门引入到蚁群算法中,并分别表示和更新信息素,提出一种改进的蚁群算法--量子蚁群算法(QACA),使算法具有更好的种群多样性和全局寻优能力.结合垃圾运输问题,从数值计算上探索了改进的蚁群算法的优化能力,并与遗传算法和基本蚁群算法进行了对比,测试结果表明,改进算法获得的结果比遗传算法和基本蚁群算法更优,表明该算法是求解垃圾运输问题的一种有效算法.     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题,提出了一种新的算法——渐变式路径优化算法.该算法是结合D ijkstra算法和遗传算法的优点,采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法.对新算法和传统算法进行了比较,同时将该算法应用于G IS路径规划中,对新算法中的关健参数σ、β因子进行了测试.仿真结果表明该算法极大地加快了搜索速度,提高了搜索效率,取得了良好的效果.     

LSCM_SUB在半盲多用户检测器中的应用

提出了应用于CDMA上行链路多用户检测器中的半盲LSCM_SUB算法.它首先利用非盲算法消除所有小区内干扰用户的影响,接着再利用LSCM_SUB算法抵消剩余的干扰.仿真实验表明,与盲LSCM算法及解相关算法相比较,该SB_LSCM_SUB算法的性能明显优于其他几种经典的盲恒模算法及解相关算法.     

IPF算法与N-R算法的对比研究及应用

IPF算法和N-R算法在列联表的相关模型研究中应用广泛.本文通过MATLAB实现了IPF算法和N-R算法,并通过数据模拟研究了两种算法的优劣.模拟结果显示,IPF算法具有稳健、简洁等特点,而N-R算法在迭代次数、精度方面有优势,算法的实现和对比研究对实际应用具有重要地参考意义.     

一种优化的灰狼算法

针对传统灰狼算法存在局部开发能力弱、早熟收敛以及初始种群分布不均匀等缺点,优化了传统灰狼算法。采用Cat混沌映射和反向学习初始化种群,增加初始种群的多样性和均匀性;在灰狼位置更新方面结合了粒子群算法的个体位置更新策略的优势,降低了算法陷入局部最优的风险;引入非线性控制参数,平衡了算法的全局搜索能力和局部开发能力;利用Levy飞行对α狼进行全局搜索,防止了算法后期狼群丧失多样性和算法收敛早熟。利用优化后的灰狼算法对6个标准测试函数进行理论仿真,结果表明,与传统灰狼算法、粒子群算法和蚁群算法相比,优化后的灰狼算法在标准函数求解精度和算法稳定性方面均有显著提高。     

基于改进GA-PSO算法的需求响应式运输研究

用标准的交叉粒子群算法(GA-PSO)求解多个车场有目的地的开放式需求响应式车辆调度问题容易过早陷入局部最优,为解决算法缺点,进一步提高算法求解精度,通过增加基因突变和路径合并更新因子,提出改进GA-PSO算法。通过对需求响应调度问题的描述,建立数学模型,构建改进GA-PSO算法求解流程。利用随机数据生成实验算例,采用GA-PSO算法和改进的GA-PSO算法进行对比实验来验证改进算法效能,结果表明改进的算法比标准算法在求解精度上优化幅度提高了13.9%。     

基于改进Floyd算法的物流运输路径规划

当站点较多时,物流运输路径规划存在困难,传统Floyd算法路径规划的时间复杂度过高．鉴于传统Floyd算法规划时间复杂度高是因节点数量过大导致,提出一种结合改进K-means聚类算法的Floyd算法,该算法在节点数量较大情况下,运用改进K-means聚类算法分割物流区域,降低规划所需考虑节点数量,从而降低Floyd算法的时间复杂度．在复杂环境下进行传统Floyd算法和改进算法的对比实验,仿真分析结果表明,改进算法可以在更少的时间内找到一条较优的路径．     

基于Floyd方法的最短路径算法优化算法

最短路径算法在各领域广泛应用,传统研究方法主要集中在算法应用及单一优化,将两种优化方法集于一体的算法很少.以兰州—北京的铁路运输系统实例,利用Floyd与Dijkstra算法结合、代码优化的方法优化传统Floyd算法.结果表明:优化后的算法在很大程度上减少了运算次数和时间,提高了算法的时间及空间复杂度,算法效率较高.     

基于新息更新的时变步长LMS算法(TVSLMS)

提出一种基于新息更新的时变步长LMS算法(TVSLMS).该算法结构简单,时变步长设计新颖,与典型的LMS算法,如著名学者Windrow的LMS算法和Doherty和Porayath所提出的DLMS算法相比,TVSLMS算法收敛速度最高.尤其是算法所引入的收敛加速度,对收敛速度具有灵敏的调速作用.     

一种新的数据分类方法-PSS算法

在数据量很大时,原有的数据分类方法变得失效。因此提出一种新的基于抽样的数据分类算法PSS,并提出三种PSS并行化算法AS,HS和VS算法。在相同的数据量下,PSS算法比传统的sPRINT算法具有更好的性能。实验结果表明,PSS算法及其并行化算法是一种高效的数据分类算法,尤其适用于解决海量数据库中的数据分类问题。     

一种改进的OFDM通信系统信道估计算法

介绍了正交频分复用(OFDM)系统的基本原理和两类常用的信道估计算法:最小二乘法(LS)和最小均方误差(MMSE)算法。在16QAM高效调制的OFDM系统中,对两种算法进行了仿真验证,得出不同信道估计算法下的均方误差和误符号率曲线。同时仿真了线性最小均方误差(LMMSE)算法、改进的LS算法和改进的MMSE算法,仿真结果表明,改进的LS算法优于最初的LS算法,改进的MMSE算法具有最优的信道估计性能。     

自底向上加快神经网络学习的算法

介绍了一种加快神经网络学习的改进算法.这种改进算法结合采用快速自底向上构造神经网络算法和动态优化学习参数算法.首先,快速自底向上构造神经网络算法自动地构建神经网络的优化结构;随后,动态优化学习参数算法动态地调整和选取优化的学习参数.实验结果显示,这种改进算法能自动有效地构造网络的优化结构,与其它算法相比,具有更好的分类性能、优化的网络结构和更快的学习速度.     

一种改进的二维Otsu图像分割算法研究

对当前的二维Otsu阈值分割算法进行了改进,降低了计算的复杂度使用两个一维的Otsu算法来求出二维Otsu算法所需要的阈值,并在算法中引入了最小类内离散度的概念,利用遗传算法寻找出最优的阈值,以消除二维算法需要在整个图像内搜索的弊端,促进了算法的整体性能的提升与其他文献中算法相比,证明了该文算法的可行性,在时间上要大大优于其他算法,并且分割效果也相对理想     

基于分层聚类的k-means算法

为了更好地实现聚类,在分析分层聚类和k-means算法优缺点的基础上提出了一种改进的聚类算法.改进算法将分层聚类和k-means聚类算法的优点相结合,首先采用分层聚类,得到一个初始的聚类结果,然后应用k-means聚类算法继续聚类.实验结果表明,改进算法较原先传统的聚类算法,不但算法执行速度快、效率高,而且聚类效果也比较好。     

基于调制宽带转换器的重构算法研究

本文针对OMP算法需要已知稀疏度的缺陷,提出了一种全盲的基于调制宽带转换器的SAMP算法,并利用此算法进行仿真分析,然后与OMP算法进行比较,分析这两种算法的性能,得出SAMP算法在未知目标信号的稀疏度的情况下能和OMP算法一样实现目标信号的频谱重构。