图像压缩与重构小波算法的另一种实现

本文提出的算法是二维图像压缩与重构Mallat算法的另一种实现,与目前流行的算法相比,本文的算法的计算复杂度有所降低.     

一个新的启发式搜索算法

本文提出一个新的启发式搜索算法,它可以在搜索过程中不断改善启发函数h,使最坏复杂度降为O(N)(N是被搜索图的大小)。本文还指了L.Mcro对“无普遍最优算法”的证明中的漏洞,并给出了新的证明。     

一种金融时间序列区域分割方法的研究

金融时间序列指描述不同金融产品诸如股票、汇率与基金等的时间序列.它与金融市场中人类的各种经济活动密切相关,呈现出复杂多变的状态.为了从海量的金融数据中发现有价值的,可用于投资的信息,大量学者采用数据挖掘来对金融时间序列作数据提取和处理.由于金融时间序列具有高噪声、非平稳性、潜在的周期性等特性,如果直接在金融时间序列的原始数据的基础上进行数据挖掘,会导致结果失败或是取得不理想的挖掘效果.而在数据挖掘前能对原始数据进行数据清洗、数据集成等预处理,数据挖掘质量将达到更好地效果.作为金融时间序列的一个重要分支,股票时间序列预测方法通常采用分段线性表示PLR(Piecewise Linear Representation)进行时间序列的预处理.但是PLR算法存在采用单一的拟合误差作为阈值,分段效果不太理想,算法本身的通用性,时间复杂度等性能都有待提高等缺点.本文提出了金融时间序列区域分割方法,该方法在定性和定量上都优于传统的分段线性方法.     

基于Adomian分解法的分数阶Lü混沌系统的动力学分析及数字实现

基于Adomian分解方法,研究了一类分数阶Lü混沌系统.从系统的分岔图、基于谱熵(SE)算法和C0算法的系统复杂度、吸引子相图等数值仿真分析研究了0.9阶次Lü混沌系统丰富的动力学特性.又基于Adomian分解法,利用数字芯片TMS320F28335DSP中设计了程序以及外围硬件电路,实现了分数阶Lü混沌系统.最后,通过示波器观察DSP数字电路输出结果与理论分析结果相一致,从而进一步揭示了分数阶混沌系统的动力学特性.     

一种低复杂度降低FBMC-OQAM峰均值比的PTS双层搜索算法

最近采用偏移正交幅度调制的滤波器组多载波系统(FBMC-OQAM)吸引广泛的关注。由于FBMC-OQAM信号的叠加性,导致峰均值比(PAPR)较大,而大部分传统OFDM的降低PAPR技术不适用。为了不引入新的误码率,采用PTS算法降低FBMC-OQAM峰均值比是较好的选择,但现有基于PTS降低FBMC-OQAM峰均值比方案的复杂度都较高。通过对PTS算法进行改进,提出了一种新的在FBMC-OQAM系统中采用双层搜索的PTS算法(D-PTS)。该算法能以较小的复杂度降低FBMC-OQAM信号的PAPR,且不会引起信号畸变,理论分析和数值仿真证实了新算法的性能。     

粗糙K-means和AdaBoost结合的雷达辐射源快速识别算法

针对数据集识别难度分布不均匀,提出了基于粗糙K-means和AdaBoost的雷达辐射源快速识别算法。该算法由2个阶段构成:初级识别阶段提出一种改进粗糙K-means算法,将数据特征空间分割为确定区域、粗糙区域和不确定区域,构建雷达辐射源快速识别算法模型,对数据集进行筛选和识别,同时提出了一种确定粗糙K-means算法初始聚类中心和聚类数量以解决其固有缺陷的思路;在高级识别阶段,基于粗糙区域已知数据训练的多类AdaBoost分类器识别不确定区域未知数据,提升识别精度。仿真结果表明:该算法与RBF-SVM和AdaBoost相比,精度浮动在-0.1%到+1.4%之间,训练时间和测试时间分别最大缩短0.857s和0.005s,在保持了较高识别精度和泛化能力的同时,明显降低了计算复杂度,缩短了耗时,提供了设计雷达辐射源快速识别算法的新思路。     

空间调制信号的改进M-ML检测算法

空间调制(SM)系统的最大似然(ML)最优检测算法的计算复杂度很高,具有较低计算复杂度的M-ML检测算法受到了人们的关注.M-ML算法按照接收天线序号由小到大的顺序进行检测,从误比特率性能角度考虑并不是最佳的.通过研究不同检测顺序对算法性能的影响,提出了两个改进的M-ML算法,仿真结果表明改进的M-ML算法在误比特率性能上优于M-ML算法.由于M-ML算法在不同的信噪比下每层保留固定的节点数M,尤其在高信噪比时会造成计算资源的浪费,因此提出一种动态M-ML算法,即通过门限值自适应选择每层保留的节点数.仿真结果表明动态M-ML算法降低了M-ML算法的计算复杂度,同时性能逼近M-ML算法.     

近似定理证明中的退化条件

复数域上近似定理证明的方法：首先将一个初等命题转变为多项式的零点问题，然后在一个更大的域上将此理想分解为一些正规分支的交，算法可快速判定例题在忽略一个低维部分的真假，分析了此自算歧的复杂度，对相伴多项式（退化条件）的次数进行估计并与已有结果进行比较。     

Improved scheme to accelerate support vector regression

The computational cost of support vector regression in the training phase is O(N3), which is very expensive for a large scale problem. In addition, the solution of support vector regression is of parsimoniousness, which has relation to a part of the whole training data set. Hence, it is reasonable to reduce the training data set. Aiming at the scheme based on k-nearest neighbors to reduce the training data set with the computational complexity  O(kMN2), an improved scheme is proposed to accelerate the reducing phase, which cuts down the computational complexity from O(kMN2) to O(MN2). Finally, experimental results on benchmark data sets validate the effectiveness of the improved scheme.     

一类导数和定积分的有限迭代计算方法

利用计算多项式函数在某点函数值的H-M方法,通过对多项式的系数进行有限迭代计算,得到相应函数在确定点的各阶导数值和指定的区域上的定积分,并对其复杂度进行分析.