求最佳生物序列并置排列的算法和程序

本文提出了计算最佳生物序列并置排列的程序和算法。程序使用计算进化距离的改进算法,在IBM-PC/AT上用Turbo-Pascal 4.0版开发。程序有友好的用户界面、操作简便、通用性强,可以移植到多种计算和操作环境。本文以蛋白质分子序列为例,给出了复杂赋权情形下计算进化距离和最佳并置排列的算法,证明了不同赋权方式本质上不改变改进算法的时间和空间复杂性。     

硬件进化的快速算法模型研究

针对硬件进化(evolvable hardware，EHW)存在的进化规模的扩展能力问题，研究了以内嵌式EHW的自适应要求为条件的染色体表示及计算复杂性问题．为提高遗传机器学习计算效率，根据FPGA(field programmable gate array)内部的结构特点，将可重构硬件的结构映射为遗传学习的染色体表示，提出一种符合EHW要求的二雏染色体的遗传机器学习方法——ISPitts，构造了一种动态遗传机器学习框架．实验结果显示，新方法不仅完成了四位比较器的内嵌式EHW实现，而且具有较高的进化效率．     

(θ,n)对手策略下的双方向外汇兑换问题及其竞争策略分析

外汇兑换是现实中的一个典型占线决策问题。R．El-Yaniv等人将外汇之间的兑换抽象成了一个占线兑换模型，提出了基于风险的兑换策略。在此研究的基础上，本文考虑汇率每日波动在一定范围内的双方向外汇兑换问题，运用博弈的分析方法，给出了占线均衡策略和平均分配策略．并在理论上证明了均衡策略是该问题的最优占线策略，最后通过数值结果对两个策略进行了比较。     

二维离散余弦变换的一种新的快速算法

介绍了二维离散余弦变换的一种新的快速算法，对于Ｎ×ＮＤＣＴ（Ｎ＝２￣ｍ，只需用Ｎ个一维ＤＣＴ和若干加法运算，与常规的行──列法相比，所需的乘法运算量减少了一半，也比其它快速算法的乘法运算量要少，而加法运算量基本上是相同的。     

BP算法求解多元线性回归模型初探

提出求解多元线性回归模型系数的BP算法，给出该算法的数学描述、推导过程和计算机编程步骤，并结合实例说明。     

数据挖掘中的负关联规则算法

关联规则是数据挖掘的主要研究方面,已往对关联规则的研究主要集中在挖掘征关联规则上,事实上,负关联规则在应用中的地位也是非常重要的     

评定圆度误差的一种快速算法

根据最小区域法的判别准则,本文运用了一种快速准确的算法,直接确定出最小区域圆圆心的移动方向和合适步长,使得圆度评定的速度大大提高,算法精度也得到了提高.     

一类微分代数系统并行仿真算法

利用对误差的预校正技术,本文提出一类微分代数系统的并行仿真算法,进行仿真误差估计。对于一个模型问题进行稳定性分析,画出稳定区域。计算实例表明算法是有效的。     

Efficient algorithms for agglomerative hierarchical clustering methods

Whenevern objects are characterized by a matrix of pairwise dissimilarities, they may be clustered by any of a number of sequential, agglomerative, hierarchical, nonoverlapping (SAHN) clustering methods. These SAHN clustering methods are defined by a paradigmatic algorithm that usually requires 0(n ³) time, in the worst case, to cluster the objects. An improved algorithm (Anderberg 1973), while still requiring 0(n ³) worst-case time, can reasonably be expected to exhibit 0(n ²) expected behavior. By contrast, we describe a SAHN clustering algorithm that requires 0(n ² logn) time in the worst case. When SAHN clustering methods exhibit reasonable space distortion properties, further improvements are possible. We adapt a SAHN clustering algorithm, based on the efficient construction of nearest neighbor chains, to obtain a reasonably general SAHN clustering algorithm that requires in the worst case 0(n ²) time and space.Whenevern objects are characterized byk-tuples of real numbers, they may be clustered by any of a family of centroid SAHN clustering methods. These methods are based on a geometric model in which clusters are represented by points ink-dimensional real space and points being agglomerated are replaced by a single (centroid) point. For this model, we have solved a class of special packing problems involving point-symmetric convex objects and have exploited it to design an efficient centroid clustering algorithm. Specifically, we describe a centroid SAHN clustering algorithm that requires 0(n ²) time, in the worst case, for fixedk and for a family of dissimilarity measures including the Manhattan, Euclidean, Chebychev and all other Minkowski metrics.This work was partially supported by the Natural Sciences and Engineering Research Council of Canada and by the Austrian Fonds zur Förderung der wissenschaftlichen Forschung.     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。