最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

重载交通下CTCP-CRCP复合路面振动试验研究

对由斜向交叉缓黏结预应力混凝土上面板(CTCP)、沥青砂应力吸收层、连续配筋混凝土下面板(CRCP)组成的"三明治"式复合路面结构在不同重载车辆冲击下的加速度反应进行试验研究.首先,利用埋设的加速度计,分别测试了在轴载为100、200、300kN的重载车辆冲击下CTCP和CRCP的加速度反应谱,并采用CTCP和CRCP加速度比值的统计均值作为沥青砂应力吸收层的应力吸收因数.然后,对上述3组加速度反应谱进行傅里叶变换,获得频率谱.试验结果表明:在上述3组重载车辆冲击作用下,CTCP加速度最大峰值分别为0.022、0.039、0.059m·s~(-2),CRCP加速度最大峰值分别为0.010、0.015、0.025m·s~(-2),沥青砂应力吸收层应力吸收因数分别为3.15、3.38、3.46.该结果表明"三明治"式复合路面结构中沥青砂应力吸收层能有效缓解重载车辆对路面的冲击,适合在重载交通中应用.     

计算再入飞行器可达区域的快速算法

以无量纲反值能量为自变量建立了飞行器3自由度运动方程组,提出了一种改进的计算再入飞行器可达区域的快速算法.引入倾侧角反向策略,使计算的可达区域更精确;改进产生可达区域中间边界的插值方式,使计算结果更加均匀;改进了终端约束处理方法,使弹道更加平滑.以一种乘波体模型为例进行仿真验证,仿真结果表明改进算法计算的可达区域比现有算法更精确且弹道更平滑.     

一类特殊矩阵的逆特征值问题

讨论一类具有特殊形式的矩阵An的两类逆特征值问题.问题I是由An的顺序主子阵Aj(j=1,2,…,n)的最小、最大特征值来构造矩阵An;问题II是由An的顺序主子阵Aj(j=1,2,…,n)的所有特征值来构造矩阵An.分别给出了两类逆特征值问题有解的充分必要条件且结果具有构造性,另外提供了相应的算法和数值例子,数值结果表明算法很有效.     

基于量子Grover算法的VBLAST系统信号检测

VBLAST系统中最大似然检测具有最优的检测性能,但是计算复杂度是一个NP难题．将量子Grover算法及Grover-Long算法用于VBLAST系统最大似然检测中,对算法的复杂度和性能进行了仿真分析,仿真结果表明Grover检测算法不仅能够对计算复杂度起到平方加速的效果,而且算法的检测性能逼近最大似然检测性能．     

基于最小最大准则的虚拟声重放鲁棒算法

虚拟声在扬声器重放时需先通过串声消除系统（cross-talk cancellation system,CCS）来预校正,但该系统对倾听者头部位置的变化非常敏感。本文提出了一个基于最小最大准则的优化算法,通过在频域中自适应地调整相关参数,来达到全局的串声消除性能的最优。仿真结果表明相较常规的针对固定听音位置的CCS算法,本文提出的算法在头部移动时对重放声场控制具有更好的鲁棒性,尤其是在语音信号能量主要集中的低频和中频段,具有更好的应用性。     

线性模型最小二乘估计的一个最优性质

考虑一般的线性模型Y=Xβ+ε,其中X为n×p阶设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量。满足E(ε)=0,Cov(ε)=σ~2∑,这里σ~2>0可能未知,Σ则为已知的非负定矩阵,θ是β的一个线性函数,且可估,假设θ_R为Rao型最小二乘估计,本文证明了若随机误差服从ε椭球等高分布,则θ_R满足所谓最大概率性质,即θ_R落在以θ为中心的任一椭球内的概率不小于θ的任一性线无偏估计落在同一椭球内的概率,推广了文献中的结果。     

INDO级别上的最大重迭对称性分子轨道III C—N核自旋偶合常数的计算

采用已建立的 INDO级别上的最大重迭对称性分子轨道方法计算得到的密度矩阵和分子中各原子净电荷,求得分子的最大键级杂化轨道,进而研究了 C— N核自旋偶合常数,所得计算结果与实验数据一致,结果表明我们建立的理论方法是可行的。     

基于频繁模式树的约束最大频繁项目集挖掘算法研究

目前绝大多数频繁项目集(或最大频繁项目集)挖掘算法并没有考虑相关领域知识,其结果会产生许多无关的模式.因此,发现约束频繁(或约束最大频繁)项目集是多种数据挖掘应用中的关键问题,然而,这方面的研究工作却很少.为此该文提出了一种快速的基于频繁模式树(FP-tree:一种扩展前缀树结构)的约束最大频繁项目集挖掘及其更新算法.实验结果表明该算法是快速有效的.     

一种利用LSTM和稳态时间序列的光伏阵列故障诊断方法

受最大功率点跟踪算法和时变环境条件的影响,光伏阵列的电气工作参数包含了复杂的暂态过程以及工频干扰噪声,严重影响了故障特征质量以及诊断算法性能。针对该问题,本文首先提出了一种基于最大功率点（MPP）的稳态时间序列预处理方法,以自动过滤数据中的暂态过程和干扰噪声,获取连续的稳态时间序列电气特征数据,作为故障诊断模型的输入参数;然后,提出了一种基于长短期记忆网络（LSTM）的深度网络模型,以实现对光伏阵列常见故障的检测及分类;最后,在一个小型光伏并网发电系统及其Simulink仿真模型上,进行故障模拟及仿真以验证所提出的故障诊断方法。实验结果表明所提出的故障诊断方法具有良好的精度和泛化性能,并且优于常规的反向传播神经网络（BPNN）和循环神经网络（RNN）。