模糊超球神经网络的条件重叠学习算法

模糊超球神经网络的聚类学习算法采用形状因子θ实行有指导的学习.针对θ的引入所带来的问题,提出一种新的无指导学习算法--条件重叠学习算法.算法不受模糊超球形状因子θ的影响,学习速度快,学习后的模糊超球个数更少,识别正确率更高.     

基于发布订阅的P2P流媒体资源定位算法

现有的P2P流媒体资源定位算法中,多以主动查询为主,尤其是在非结构化网络中,搜索效率低下,资源耗费巨大,最终导致用户延迟播放.基于发布订阅的定位算法-PSS,通过快速预取的思想,结合视频块的优先级,可有效解决该问题,使播放连续度明显提高,搜索消耗明显降低.     

电子纳税系统中数字签名技术的实现

远程电子申报纳税是一种先进的申报方式,然而网上报税是通过不安全的公用互联网实现信息传输的,纳税人在网上报税的过程中存在信息被篡改、删除或破坏等安全威胁.在电子纳税系统中采用数字签名技术能够保障信息的完整性,进而保障网上税务的安全可靠性.介绍数字签名技术在电子纳税系统中的实现.     

多通道并行访问模式下的闪存静态损耗均衡设计

静态损耗均衡算法决定了固态闪存存储系统的使用寿命。为了提高多通道并行访问模式下的闪存系统寿命,提出了一种主动搬移静态数据的静态损耗均衡设计。该设计在多通道并行访问模式下,根据擦除标志位,采用轮询法主动挑选静态数据块并加入待擦除块队列,从而减小各物理块之间的损耗不均衡程度。实验结果表明:该设计能提高平均擦除次数至少8.33%,有效降低并行访问模式下的损耗不均衡程度至少5.39%。该文还对影响损耗均衡程度的触发阈值进行了分析,提出了在选择触发阈值时,需要综合考虑损耗均衡情况和系统速度。     

基于PCM聚类算法的Blog社区发现

针对传统的社区发现算法无法发现社区中的核心成员和边界成员的缺点,提出了基于PCM聚类算法的Blog社区发现算法,用来识别Blog社区的核心和边界.首先,使用随机行走的方法计算可以衡量两个Blog亲密度的对称社会距离;然后,在对称社区距离的基础上使用PCM聚类算法对Blog进行聚类,得到每个社区中的成员属于社区的概率表示.最后,通过确定相应的概率阈值,确定社区的核心和边界.实验结果表明:该算法能够获得社区中的成员属于社区的概率,根据这个概率可以确定社区中的核心成员和边界成员.     

基于矩形宏模块的片上系统布图规划算法

布图规划和布局是集成电路片上系统物理设计的基本问题之一。总结了作者提出的几个新的布图规划和布局优化算法及其特点。基于随机优化算法 ,提出了角模块序列表示方法和基于这一表示方法的包含各种布图约束的布图规划和布局算法。提出的基于约束图的布图规划表示 ,为研究序列队 (SP)、变形网格 (BSG)、有序树 (O- tree)等表示之间的关系奠定了理论基础。基于“最小自由度优先原则”,提出了迄今最快的确定性布图规划与布局算法。提出了基于解空间平滑的布图规划和布局算法。该算法与基于模拟退火的算法相比性能更加健壮稳定。在解空间平滑中首次考虑了局部平滑效应 ,这是对解空间平滑方法从原理上的重要改进     

基于LDPC编码的混合转发协作模型

为有效解决LDPC编码在中继协作系统应用中存在的问题,提出基于LDPC编码的混合转发协作模型(HF-LDPC).根据放大转发(AF)和译码转发(DF)特点,当信道不好时,中继采用译码放大转发模式;而当中继完全正确译码时,中继切换到译码转发模式.同时充分发挥LDPC码字内码元间固有的相关性,通过不同的用户发送码字的不同部分,采用LDPC和-积译码算法,方案可获得分集增益和编码增益.仿真结果表明:基于LDPC 编码的混合转发协作模型性能优于其他协作模型,具有较好性能.     

基于混合遗传算法的投资组合优化改进模型研究

证券投资组合优化问题的实质就是有限的资产在具有不同风险收益特性的证券之间的优化配置问题.本文在马克维茨投资组合的均值一方差模型框架下,提出改进的证券投资组合优化模型,即以VAR作为风险度量工具和以RAROC作为目标优化函数的投资组合优化模型.从理论上讲该模型更符合投资工具的风险收益规律,同时采用遗传算法求解也保证了该模型在投资实践中应用的有效性.该模型和求解方法的有效性在上证A股市场的实证研究中得到了验证.     

带L1规划的广义线性模型中的一种系数估计法

介绍了L1规划广义线性模型(GLM)的一种系数估计法,估计系数的同时进行变量选择,从而确立模型.事实上,此算法用来选择变量更有用.L1规划法按照对系数一范数的惩罚来选择变量,是向前选择变量法的一种改进,运用凸优化的预测—修正法,GLM系数估计法可有效地算出系数,其中规划参数的步长对控制系数精确性至关重要,本文对三种步长选择法作了相应的比较和分析,接着给出算法的推广,最后总结算法并且对这种估计法的应用范围进行了展望.     

一种改进的Sunday模式匹配算法

字符匹配效率是很多计算机应用系统的性能瓶颈,研究设计高效的匹配算法有助于提高相应系统的应用性能。在分析典型Sunday匹配算法的基础上,对其进行了较为有效的改进。改进算法在字符串匹配前先计算模式串的倒序特征值,也就是以此计算出模式串的最后s个字符在本模式串中倒序除自己以外的下一次出现的位置。每一次字符匹配都采用倒序匹配并利用这种匹配的结果,匹配结果结合倒序特征值可以直接决定特征串的下一次位移数。在进行完一次字符匹配后,采用增加一个遍历字符的Sunday算法来遍历模式串以计算下一次位移数,以此尽可能地排除无效匹配。实验结果表明改进算法的效率比Sunday算法有一定提高。