早期邮票问题算法的优化

在分析早期邮票问题算法思路的基础上,提出静态搜索限制规划、可变上界式动态搜索限制规划和可变上、下界式动态搜索限制规划对早期邮票问题算法进行优化.优化后的算法在h=3,n=9时计算邮票问题的大概时间分别为13h, 6min, 11s.动态搜索限制规划优化后的算法大大缩短了邮票问题的计算时间,算法效率明显提升.     

一种新型的多播动态组成员管理策略研究

在分析现有三个版本组成员管理IGMP的基础上,对多播路由器的组成员管理提出一种新的扩充策略.该策略认为多播路由器查询或主机报告物理子网中没有多播组成员存在,不是立即向上端路由器发送剪枝信息,而是根据该物理子网与多播组的上下文关系延迟发送剪枝信息,这样可以避免当很快可能有主机加入该多播组时再重新发送加入信息.这种机制能够减少由于物理子网成员的减少或增加引起路由器的剪枝而带来的代价,可以减少组成员维护的代价.用Petri网对策略进行了描述与论证,分析表明该策略下多播路由器的状态变换是活的以及循环的,多播路由器可以有效地节省总的代价.     

动态排序的最大频繁项集挖掘算法的应用

频繁项集的挖掘是数据挖掘中的一个基础和核心问题,具有广泛的应用领域。由于它是数据挖掘过程中最耗时的部分,挖掘算法的好坏直接影响数据挖掘尤其是关联挖掘的效率和应用范围。     

一种新的多边形中轴剪枝方法

中轴是空间图形一种降维表达方法,能够保留图形的空间拓扑结构和几何特征信息,并去除冗余信息,它同时也是平移、旋转和尺度变换的不变量.中轴图广泛应用于科学和工程领域,包括地理信息系统、人脸识别、图像处理、计算机视觉和格网产生等.目前,中轴提取算法通常会由于形状轮廓上的噪音,产生冗余的中轴分枝.针对约束Delaunay三角网外心法构建中轴的算法,分析了约束Delaunay三角网外心法逼近中轴出现分枝的原因,给出了一种新的中轴剪枝方法.经多组复杂图形试验,该方法可以有效的剪除冗余的中轴分枝,并且具有良好的普适性.该方法也是对约束Delaunay三角网外心法构建中轴方法的一种优化,一方面使得外心法可以高精确性地逼近中轴,另一方面又可以消除去其副产物——中轴分枝.     

二项集剪枝技术研究

在现有的关联规则算法的基础上,深入分析了经典算法的内涵,提出了剪枝候选二项集的改进算法,有效的控制候选二项集的生成,得到传统算法中部分候选二项集,从而减少扫描数据库的运算量.与Apriori算法相比,效率明显提高.     

基于压缩卷积神经网络的交通标志分类算法

针对车载计算系统很难满足大型卷积神经网络对计算资源和存储空间需求的问题,提出了一种基于压缩卷积神经网络的交通标志分类算法.首先挑选原始VGG-16和AlexNet在GTSRB数据集上进行分类训练;然后对网络模型进行基于泰勒展开的通道剪枝删除冗余的特征图通道;接着使用三值量化方法对剪枝后的网络模型进行参数量化;最后进行了通道剪枝、参数量化和组合压缩的实验.结果表明:本算法有效地压缩了网络模型,减少了运算次数.最终组合压缩的VGG-16网络模型的存储空间减少一半,参数数量为原始模型的9%,每秒浮点运算次数减少为原始模型的1/5,模型加载速度提升了5倍,测试速度提升了2倍,精度为原始模型的97%.     

基于HMM与神经网络的声学模型研究

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.     

人工神经网络混合剪枝算法

目前人工神经网络(ANN)应用中所遇到的挑战之一就是如何针对特定问题确定相应网络。基于进化算法和局部搜索算法两类策略的特点和不足,文中提出了混合剪枝算法HAP(HybridAlgorithmofPruning)。算法首先联合进化算法代表之一遗传算法(GA)和反向传播算法BP的不同优势完成ANN网络结构和权重进化的初步阶段;然后应用多权重剪枝策略(MW-OBS)进一步简化、确定网络结构。结合案例与以往的混合策略算法进行对比研究,结果表明HAP在寻优能力、简化网络结构、保证稳定性等方面均有明显优势,更加适合大规模ANN的优化问题。     

基于分布式概念格的分类规则挖掘

以概念格为分类模型,引入知识合并思想,并针对大规模数据的分类求解以及过拟合问题引入剪枝策略,从而得到分类剪枝概念格模型,在此基础上提出了基于分布式概念格模型的强分类规则提取算法;通过理论证明了算法的正确性,并通过实验证明了算法的可行性。