压缩感知重构算法在稀疏信号恢复中的应用

阐述了压缩感知理论产生的背景、基本原理和应用方式,研究了两类压缩感知重构算法的重构思想和方法,并将两类重构算法的典型算法正交匹配追踪和基追踪应用于稀疏信号的重构。结果表明：对于无噪观测和含较小噪声的观测,正交匹配追踪算法从重构频率和重构时间两方面显示出更好的性能。     

贪婪随机自适应搜索法在电网规划中的应用

基于贪婪随机自适应搜索法(GRASP)能有效地解决电网规划的组合优化问题,其每一次迭代包含构造和局域搜索两阶段.在构造阶段,以改进线路综合有效性指标为贪婪函数,采用比例法形成限制候选列表,并随机选择元素构成可行方案.根据线路的实际效用比剔除可行方案中的冗余线路,为局域搜索提供一个简练经济的初始网络,并采用1-1交换产生邻居集来拓展搜索空间寻找局优解.所有迭代中的最好方案作为电网规划问题的最优解.对于网络规模增大所引起的“维数灾”,提出5种邻居删减技术来提高算法的解算速度.算例分析证明了该方法的可行性、有效性.     

基于多树分片贪婪寻优的方向小波变换图像编码

为了更好的利用图像的局部方向性, 采用方向小波变换和贪婪算法寻找次最优多树分片, 并利用易于实现的经验R D公式作为贪婪寻优准则. 实验结果表明, 与一些流行的编码方法相比, 所给的算法具有较好的编码增益和视觉质量.     

基于贪婪对偶算法的拥堵网络队列最大化设计

通过对网络的TCP/IP在队列管理方面的问题的分析和研究,针对现有策略难以解决网络拥塞的问题,提出了基于贪婪对偶算法的优化控制策略,并对该算法的稳定性等方面进行了深入的研究。首先,在忽略网络的数据传输延迟的影响,证明了提出的贪婪对偶算法的拥堵拥塞策略能够在全局条件下获取最优结果;之后谈论了考虑网络数据传输延迟的因素,给出了单瓶颈拓扑网络条件下贪婪对偶策略取得的全局最优结果。通过优化策略的设计确保了网络避免出现网络拥塞,提高了网络的稳定性和数据传输效率。     

多分类贪婪算法的一致性

学习理论中,许多学习算法可以描述为一个最小化适当损失函数的贪婪过稗．贪婪算法小依赖于所估计问题的参数的数目,在处理较弱条件的统计估计问题中具有较大的优势．本文研究基于凸风险最小化方法的多分类贪婪算法,推广二分类的学习问题到多分类的情形,建立了多分类贪婪算法的估计误差,证明了该学习算法的一致性。     

一种基于PEGASIS协议的路径优化方法

为了解决PEGASIS协议使网络容易陷入局部最优而所形成的链路较长的弊端,提出一种有效的基于PEGASIS协议的路径优化方法对链路进行优化,得到更短的全局最优路径,有效减少网络通讯距离.最后使用matlab进行验证,将其验证结果与PEGASIS协议进行比较,基于PEGASIS协议的路径优化方法能提高网络的生存周期,平衡各节点的能量消耗.     

压缩感知中基于坐标下降的稀疏信号恢复

目前利用压缩感知理论来解决稀疏信号的恢复,已经成为了研究的热点之一。为了提高一类坐标下降法在压缩感知中的运行速度和减少其迭代次数,提出了一种新的扫描模式来选择更新的坐标。该扫描模式能够一次选择多个坐标,从而提高算法的效率。试验结果给出了在几种不同的矩阵下,新方法运行时间比之前的单个选择坐标更新的方法要短,并且减少了迭代次数。     

一个不该被忽视的人物--论《项链》中福雷思节夫人形象

莫泊桑《项链》中的福雷思节夫人长时间为人们所忽视，本文拟从分析这一女性形象入手，从而进一步探讨《项链》的主题。     

环境影响性格——斯佳丽艺术形象解读

《飘》自面世以来,女主人公斯佳丽一直深受全世界读者的喜爱。笔者认为最主要的原因是作者对斯佳丽这一人物形象的成功塑造——斯佳丽是一个随着社会环境不断变换的形象,在她身上真实地反映了一个人为了生存做出的种种选择和改变,真实地反映了人生的状态。本文将从战前、战中和战后三个阶段来分析斯佳丽人物性格和形象的转变。     

局内车辆选线问题和竞争策略分析

将现实物流配迭中所遇到的问题抽象为一个局内车辆选线问题，考虑堵塞点动态产生、一个个遇到的情况下的车辆调度方案，经典的优化理论大多是在已知条件不变的基础上给出最优方案(即最优解)，在条件发生变化时就会失去其最优性。而论文所考虑的竞争算法能使得调度方案对于变化因素的每一个特例得到的解离最优方案给出的解总在一定范围之内。不仅设计了解决局内车辆选线问题的竞争算法：贪婪策略和复位策略，分析了不同情况下算法各自的竞争比，而且给出了此问题的竞争比下界。