基于图分割的蚁群聚类算法

提出了采用两种策略更新信息素来控制蚂蚁行进路径的方法.根据信息素的浓度确定图边的权值,运用了图分割算法断裂所得图的边,从而达到对数据进行聚类的目的.实验结果证明算法是有效的.     

有限域上稀疏多元多项式的求解算法

在有限域上利用多元多项式的解集中的陪集来线性化原有多项式,会产生一系列相互关联的线性方程组.如果求得这些线性方程组的共解,那么原有多元多项式的解随之而得.文章以“有限域上向量子集中的陪集及最小陪集覆盖”和“一种稀疏多远多项式的线性化算法”的理论为基础,进一步提出了一种全新的多元多项式的求解算法.     

基于离散粒子群算法的AVS／RS货位优化

为了提高自动小车存取系统的存取效率和方便货位管理,提出了基于离散粒子群算法的货位优化方法.该方法首先建立了系统货位优化的数学模型,在此基础上,结合货位优化的原则提出了货位分区的策略,并基于离散粒子群算法实现了货位分配的优化,从而保证自动小车在不发生死锁的前提下调度货物时,能较好地缩短小车行走时间.最后,通过仿真实例验证了算法的有效性.     

基于LASSO方法的结构突变理论研究综述

结构突变是统计学、经济学、信号处理和生物信息学等学科领域中的研究热点之一.Z.Harchaoui 等提出了基于LASSO的结构突变点检测方法,是近几年结构突变问题的最新研究方法.为了在国内推行该方法,系统介绍了国外基于LASSO方法的几种变点模型中的变点检测问题,其核心是把变点检测问题转化成模型选择问题来解决,并阐述了相应的算法.最后探讨该方法在不同学科领域的应用和前景展望.     

基于多任务权重参数学习的兴趣点推荐算法研究

基于位置的社交网络的快速发展,通过借助社交网络来分享用户位置信息,其中包含了丰富的上下文信息,比如用户签到、兴趣点地理位置、用户社交关系等,从而对兴趣点推荐的发展提供了很大的机遇.但是,如何有效地利用这些上下文信息,解决数据稀疏和隐式反馈等问题,是很大的挑战.针对这一问题,提出了一种能够动态融合不同上下文因素的推荐算法,该推荐算法可以融合不同类型的上下文因素,比如地理信息、类别信息、时间信息等,通过一种类似梯度下降的动态权重参数学习的方法,动态地学习每个因素的权重,适应不同类型用户特点,从而改善兴趣点推荐效果.     

EM-ACO算法及其在多重超声回波参数估计中的应用

针对EM算法在估计多重超声回波参数时存在收敛速度慢和迭代结果强烈依赖于初始值的缺点,将蚁群算法应用到多重超声回波参数估计的EM算法中,提出一种新的多重超声回波参数估计算法——EM-ACO算法.该算法结合EM算法和蚁群算法的优点,不仅可以改善EM算法估计多重超声回波参数时估计结果强烈依赖于初始值的缺点,有效提高EM算法的收敛速度,而且可以获得更高的参数估计精度.根据超声回波的高斯回波模型,应用EM-ACO算法,在不同的信噪比条件下,对多重超声回波的参数向量组进行估计.仿真结果表明:EM-ACO算法能在各种不同的初始值条件下,以较少的迭代次数估计出多重超声回波的参数向量组,并且具有较高的估计精度.     

点、边带约束成本的最短路问题及其算法

提出了点和边都带有成本约束的最短路问题，证明了该问题是NP－完全的，建立了这类问题的数学规划模型，并采用拉格朗日松弛算法对模型进行求解，给出了次梯度优化求解算法的一般步骤，考虑到算法在实际求解过程中收敛速度较慢的问题，进一步对拉格朗日松弛算法进行了2个方面的改进，一方面确定适当的迭代步长，另一方面选择较好的迭代方向，算法实例表明，改进后的拉格朗日松弛算法迭代步数显著较少，证明算法是有效的。     

一种实时语音传输中冗余控制算法的改进

VoIP是一种典型的实时网络应用。在实时网络应用中,为了保证其服务质量有众多方案,资源预留协议、编码方案、冗余算法等。在此,将以一种改良的冗余控制算法来保证VoIP的服务质量,该算法基于网络历史数据及网络拥塞时丢包率的概率统计的。通过在NS2中的模拟比较,该改良算法可在一定条件下有效地减少语音包的丢包数,即使在发生网络拥塞时亦可以将丢失减少到最低。所以该改良算法较原算法有了一定的改进,避免了在某些条件下陷入死循环的可能。     

语音识别中的BP神经网络改进

语音信号是受说话人、环境等因素影响的复杂函数,人工神经网络（ANN）模型进行语音识别具有自适应、自组织及联想等特征,适合用于语音识别。主要研究了传统BP神经网络在实际语音识别中的改进方案。利用改进后的方案实现语音识别、网络结构简化、运算速度加快、训练时间缩短。     

基于FFT算法的低频信号失真度测量装置优化设计

总谐波失真（THD）是运算放大器、功率放大器等器件的主要衡量参数之一．设计以TMDSSK3358开发板为硬件基础,以FFT算法为核心的高精度快速信号失真度测量装置．传统的模拟测量法不仅硬件设计复杂,且性能受限于滤波器．该设计利用AD转换实现模拟信号与单片机可接收的数字信号转换,采用FFT（快速傅里叶变换）实现信号的时频转换,通过获得幅频信息进而得到各个谐波的功率,最后所测的THD值通过TMDSSK3358开发板上的液晶屏模块显示．测量结果表明,该设计在频率为1kHz时测量精度误差小于0.05%,失真度测量与显示用时不超过10s．与传统的信号失真度测量装置对比,在简化硬件复杂度时,速度更快、精度更高,为FFT算法应用于失真度测量提高新的研究思路．