基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

一种适用于高阶QAM信号的双模式多模盲均衡算法

为了克服常数模算法(CMA)收敛速度慢、稳态误差大的缺点,利用QAM信号信道利用率高及高阶QAM信号模值不为常数的特点,提出了一种适用于高阶QAM信号的双模式多模盲均衡算法(DMMA).该算法以常规的CMA为基础模式,以多模算法(MMA)为第二模式,用该模式对于处在不同模值上的信号,以相对应的模值为参数分别进行均衡.另外,两种模式是同时对信号进行均衡的,并且在第二模式中,利用判决条件对均衡器的输出信号进行判决,使得模值能自动进行切换.利用水声信道对DMMA和CMA进行仿真实验,结果表明,与CMA相比,DMMA能针对性地对位于不同模值上的信号分别进行均衡,且收敛速度快、稳态误差小.     

一种改进的TRIAD飞行器姿态确定方法

为了提高飞行器姿态测量精度和简化姿态确定的复杂性,提出了一种基于加权矢量和的TRIAD飞行器姿态确定算法。该算法基于TRIAD姿态确定原理,通过对观测矢量加权求和的方式以获得一个较传感器观测矢量更精确的矢量,并以此矢量作为TRIAD算法的基准矢量,然后运用TRIAD算法进行姿态计算。仿真结果表明,这种算法获得的飞行器姿态精度优于传统的TRIAD算法,与优化的TRIAD算法精度近似,但简化了姿态确定的过程,提高了姿态确定的速度。     

生存迁移算法

基于生物迁移的机理,提出了一种新算法--生存迁移算法.每个生物体都存在着生存极限,生存极限会随着时间不断演化,而生物体为了生存又会在空间上不断地迁移,当全部个体所在位置的生存状况都能满足生存极限时,就认为达到了最佳的生存位置.文章分析了算法的机理与过程,用其解决了四种类型的非线性最优化问题,并进行了比较分析,实验结果说明生存迁移算法具有较快的收敛性,能较好处理一些优化问题.     

基于神经网络威胁判断模型

将神经网络理论应用于防空指挥控制系统中 ,研究了威胁判断模型 ,实例表明该方法是可行的 .     

遗传算法和遗传规划对比研究

通过对遗传算法定向搜索机制和遗传规划搜索机制的研究比较,可以看出,依据遗传算法的基本思想设计遗传规划的进化算子时,由于算子空间过大而导致盲目搜索。通过对遗传规划的研究,提出了一套有定向机制的进化算子,进而设计和实现了基于这一套算子的遗传规划算法。     

用遗传算法求解最优同时镇定控制器

研究了用改进的遗传算法求解同时镇定一族线性定常系统的最优状态 /输出反馈控制律问题。引入了通常的二次型指标作为每一个系统的性能指标。在满足稳定性的条件下 ,通过最小化每个系统性能指标的加权函数值来求得最优同时镇定律。提出了一种求解该优化问题的改进遗传算法。计算结果说明了该方法的有效性。     

投资组合有效集问题和它的一种算法

本文构造了一种二次参数规划转轴方法,并在此基础上提出了Ｍａｒｋｏｗｉｔｚ投资组合有效集的一个解法。该方法的优点在于能够处理各投资项目之间的协方差距阵为半正定的情形。     

生产作业计划调整的优先调度算法研究

本文基于生产作业计划生成的优先调度法,提出了针对生产作业计划调整的机床优先调度算法和工件优先调度算法。在机床优先调度算法中,设计了机床优先调度算法的步骤。而在工件优先调度算法中,利用归纳学习方法,研究了面向生产系统状态的生产作业计划调整方法。     

时间序列曲线盒维数的一种快速算法

盒维数是应用最为广泛的维数之一,它在信息处理、预测等领域都有成功的应用。目前,对盒维数的计算主要采用网格法,但该算法需处理分形集合在网格中的计数问题,所以计算机处理起来很不方便。针对一维时间序列,提出了在不同间隔时间内寻求最大离差的方法,避免了集合的计数问题。应用该算法在上证指数的时间序列曲线的盒维数的计算表明上证指数存在着长程正相关。Ｗｉｅｎｅｒｆ过程曲线的盒维数的计算同样表明该算法是可行和有效