改进的多项式相位信号参数快速估计方法

提出了一种改进三次相位变换的多项式相位信号参数快速估计方法,利用Radon变换对三次相位变换结果进行优化,消除交叉项影响,并对利用该方法进行三阶多项式相位信号进行参数估计的关键问题做了研究;利用双尺度搜索的方法对调频斜率、角度分别进行搜索,大大减小了该算法的计算量。仿真结果表明,该方法在低信噪比条件下对多分量三阶多项式相位信号估计结果较为精确,且计算量较小。     

LTE系统中初始小区搜索研究

在3GPP LTE系统中,传统的初始小区搜索算法具有较大的运算复杂度,这就导致移动设备需要消耗更多的功率来完成搜索过程,同时也影响了小区搜索的可靠性。通过差分相关移除信道影响从而提高辅同步信号检测质量,以及运用量化后的互相关来简化辅同步检测算法。改进后的辅同步检测算法与传统算法相比,具有较低的运算复杂度。通过仿真分析比较传统算法和改进算法,表明改进算法的检测正确概率有所提升,可靠性得到了提高。     

基于运动矢量分散度的增强型MVFAST搜索算法

运动估计超高的复杂度一直是实时视频编码应用的瓶颈之一。为了解决这个难题,在研究MVFAST(Motion Vector Field Adaptive Search Technique)的基础上,提出一种改进的运动估计算法。该算法在利用邻块运动矢量长度信息的同时,进一步挖掘它们的分散度信息来更加准确的选择搜索策略。实验结果表明,改进后的算法无论是在搜索速度,还是在搜索精度上,都获得了明显的提高,可以作为MPEG2,H.264实时优化时的参考。     

最大频繁项集挖掘中搜索空间的剪枝策略

最大频繁项集挖掘可以广泛应用在多种重要的Web挖掘工作中.为了有效地削减搜索空间,提出了一种新的最大频繁项集挖掘中的搜索空间剪枝策略.这种策略基于深度优先遍历词典序子集枚举树,利用树中子节点与父节点扩展集中相同项的扩展支持度相等的特性,对搜索空间进行剪枝.应用该策略,对MAFIA算法进行改进优化.实验结果表明,该剪枝策略可以有效削减搜索空间,尤其在稀疏但包含长频繁项集的数据集上,搜索空间削减掉2/3,算法的时间效率比原MAFIA算法提高3～5倍.     

基于K2算法的因果结构学习研究综述

贝叶斯网络是一种处理不确定性知识的有效工具,因为其能很大程度降低推理的复杂度,在数据挖掘、机器学习等领域得到了广泛的应用.贝叶斯网络结构学习是其重要研究内容之一,其中K2算法由于其能有效避免似然等价问题,以及在时间复杂度和准确度上都优于大部分经典算法,因此备受研究者关注.针对K2算法受节点序约束,采用贪婪搜索技术处理模...     

音频数据检索技术的研究

分析并提出基于音频流的多媒体数据检索方法和关键技术,在此基础上提出软件实现的框架：自动从Web中引出各种包含音频流的多媒体数据并为其中的音频流建立索引;通过音频流索引,在Web中实现基于例子和关键词缩放搜索能力的多媒体数据的检索。     

eMule系统的协议分析

eMule是建立在点对点(peer to peer)技术上,以eDonkey协议为基础的文件共享软件。eMule的集中程度是混合性的,并非是完全无中心服务器。文章从协议的角度论述了eMule是如何实现文件共享,分析了客户端到服务器端、客户端到客户端之间的TCP通讯、UDP通讯的原理及相关的信息序列图。     

面向侨务信息主题的搜索引擎系统

介绍面向侨务信息主题搜索引擎的工作原理和体系结构,根据侨务信息的特征对网页进行侨务信息的识别.针对主题式搜索,提出一种优化的,基于历史反馈(BHF)的搜索策略,并对该搜索策略进行实验测试.结果表明,以该方法设计的面向侨务信息主题的搜索引擎系统,具有较高的搜索速度与识别精度.     

一种基于条件生成对抗网络的模型化策略搜索方法

模型化强化学习是深度强化学习领域中的一种有效学习模式,能够缓解强化学习在实际应用中样本利用率低的瓶颈问题.然而,受环境复杂性及动态性影响,学习得到准确的状态转移环境模型极具挑战.为此,本文提出一种基于条件生成对抗网络的复杂环境中有效的模型化策略搜索强化学习方法.该方法首先利用条件生成对抗网络对环境中的状态转移函数学习,...     

一类新的DY-型共轭梯度法的全局收敛性

给出求解非线性无约束优化问题的新的DY-型共轭梯度公式和新算法,证明新公式和新算法在推广W olfe规则下分别具有下降性和全局收敛性.文献[14]提出的杂交共轭梯度公式中βk的取值是新的DY-型共轭梯度公式的特例.