基于遗传优化获取微阵列最佳分类规则

基于遗传编程(GP)提出一种最优规则遗传算法(BRGA)对分类规则进行优化的方法,获取最佳分类规则集,此算法可以调整分类器模型的相关参数,在适当增加迭代基础上大幅提高分类的精确度,具有相当的灵活性和可理解性.利用6个基因数据集检验了算法的性能.仿真结果表明,本文提出的算法与其他文献的方法相比,在具有较高分类精确度和稳定性前提下大幅降低了计算复杂度及冗余.     

求解P＊（k）线性互补问题的不可行路径追踪算法

提出了一种求解P＊（K）神线性互补问题的不可行路径追踪内点新的算法,此算法可以取任意正的初始点,并证明了算法的代数复杂度;最后通过数值试验说明了算法的有效性和稳定性．     

格基规约算法研究进展

格是一种线性结构,基于格的密码具有无可比拟的低能耗优势,故而在未来的智能终端上将有很好的应用前景.相比传统的RSA,ECC密码体制,格问题可证明的安全性在后量子密码时代已经显示了重要的作用.格算法的核心问题归结为格基规约问题,20多年来,在LLL格基规约算法启发下,出现了各种更强、更快的规约算法,有精确的也有近似的,对密码分析和密码设计产生了重要的推动作用.对各种规约概念和算法进行了全面的分析和总结.     

Kruskal算法的研究与改进

在用Kruskal算法求解最小生成树时,选择边的次数至少为n-1次;当边数m和顶点数n满足关系m≤2n-2时,可以对Kruskal算法进行改进.本文用改进的算法求解,选择边的次数最多为n-1次.改进算法的思想为删除图中权值最大,且删除后不影响图的连通性的边,直到只剩下n-1条边.改进了的算法在理论上减少了求解时间.     

ACELP语音编码算法改进与仿真

代数码激励线性预测算法(ACELP)是目前诸多低速率语音编码标准的算法核心,包括3G语音标准VSELP、AMR、AMR-NB、AMR-WB.该算法基于码激励线性预测模型,通过对码本的有效搜索,确定基音延迟,算法时间复杂度为O(n3).本文在ACELP算法基础上,对ACELP中自适应码本搜索过程进行改进,提出E-ACELP算法.通过AMR标准中8种速率情况的仿真,E-ACELP算法码本搜索时间减少、时间复杂度下降.基于E-ACELP算法,语音编码标准性能和效率得到提高.     

多元随机时间序列参数估计的多尺度方法

在以往理论研究和工程实践中,对长记忆过程参数估计大多都是对一维情况操作。多维的情况鲜有考虑,此类的文章也较少。本文利用小波变换解相关的属性,并结合相应的矩阵变换,将多维长记忆参数估计（本文主要考虑二维）简化为一维的情况,并相应的修改了MMLE[1]推论,极大地降低了参数估计的计算量,并且精确度保持与一维情况接近,用计算机仿真论证新方法的有效性。     

基于增加一个随机数的ElGamal数字签名算法的改进

ElGamal签名方案只用一个随机数,为了解决由此引起的安全问题,提出一种增加一个随机数从而增大密钥破译难度来提高其安全性的改进方案.改进后签名方案的安全性仍然是基于有限域上离散对数的难解性.对如何通过增加一个随机数来增大随机数与密钥之间的复杂性进行了探讨.最后对改进后的签名方案从安全性和时间复杂度两个方面进行了分析.分析结果表明,改进后签名方案的安全性高于原签名方案的安全性,并具有较低的时间复杂度.     

改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

阿托品对心血管系统的作用过程及其模型研究

临床上阿托品药物的使用会影响心血管系统的功能,提出通过心率变异信号的复杂度特征值来表征这种影响,并通过特征值的变化来探究药物的影响过程.10个健康自愿者参加了药物实验,在阿托品注射前后,共采集了每个自愿者6组心电信号,数据总长度为180分钟,从心电信号中提取所有数据的心率变异信号,并计算其非线性复杂度特征指标.根据数据结果,建立了阿托品对心血管系统作用过程的数学模型.通过数值仿真对比表明,该模型在临床上可以用作阿托品对心血管系统作用过程的数学描述.     

有限反馈多用户MIMO系统的低复杂度用户选择

为了降低有限反馈多用户MIMO系统中的用户选择算法的复杂度,使系统支持更多的用户,基于贪婪用户选择算法(GUS),提出了一种低复杂度用户选择算法。该算法将Schmidt正交化的思想引入GUS算法,通过计算相互正交的预编码向量来构成预编码矩阵,并估计信道容量,最后寻找最佳的用户组合进行下行数据的传输。该低复杂度算法利用预编码向量的正交性避免了矩阵求伪逆的过程,从而极大地降低了计算量。仿真结果表明,在相同反馈方式下,改进后的算法仍能取得和GUS近乎相同的系统总容量。