高斯牛顿算法在求解广义互补问题中的应用

本文将广义互补问题转化为一个非线性方程组问题,然后建立了GCP问题的无约束优化问题的转化形式,对该优化问题,用两种步长下的阻尼高斯牛顿算法来求解,并给出了两种情况下算法的全局收敛性.     

一种快速的H.264帧间模式选择算法

提出了一种新的快速帧间模式选择方法,该方法利用模式预截断和精确的大小模式判决等算法,快速地选出最优的模式.实验表明,该算法比全搜索算法和快速多块运动估计算法(FMBME)分别节省了80%和45%的运算量,而峰值信噪比(PSNR)和比特率性能几乎无下降.在对运动较小的序列编码时,该算法比大小模式分离算法节省了75%的运算量,同时PSNR提高了0.06 dB,比特率节省了3.7%.     

基于改进的Fish-search算法的信息检索研究

分析了动态搜索算法“Fish-search”相对于一般深度优先算法的优势,但存在由于搜索范围的随机性导致重复搜索及搜索时间过长.通过对鱼群群聚行为的分析,定义一个参数“dist”来控制搜索的范围和时间,使得搜索过程能自适应地调整搜索范围.     

de Sitter空间的2-调和类空子流形

研究de Sitter空间的2-调和类空子流形,得到一个较为理想的积分不等式,从而改进相关作者的结论.     

f-heredity knowledge and f-heredity mining

Using S-rough sets, this paper gives the concepts of f-heredity knowledge and its heredity coefficient, and f-variation coefficient of knowledge; presents the theorem of f-attribute dependence of variation coefficient and the relation theorem of heredity-variation. The attribute dependence of f-variation coefficient and the relation of heredity-variation are important characteristics of S-rough sets. From such discussion, this paper puts forward the heredity mining of f-knowledge and the algorithm of heredity mining, also gives its relative application.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

成本约束下工作流时间最小化的资源配置优化

时间是衡量工作流性能的重要指标。通过对工作流的资源配置的优化,可以改善工作流的时间性能。资源配置优化可以从资源专业化/一般化程度和资源数量两个方面来进行。为了优化资源的这两个方面,提出了一种基于分层嵌套遗传算法的资源优化方法。它采用工作流实例平均响应时间作为评价指标,在成本的约束下,正确配置各类资源专业化/一般化的程度及资源数量,从而最优化工作流时间性能。并通过实例,说明了该方法的可行性和有效性。     

基于蚁群算法的敏捷供应链伙伴选择

伙伴选择是在组建敏捷供应链过程中的关键问题。引入蚁群优化来解决这一问题,提出了一种基于蚁群算法的敏捷供应链伙伴选择优化算法。在求解过程中蚂蚁倾向于选择曾经合作过并且合作效果比较好的企业作为伙伴并组成供应链,体现了熟人机制;“自适应扰动机制”可以避免算法的早熟。最后以一个典型算例说明了该算法的有效性。     

天文望远镜焦面板观测规划建模与仿真

LAMOST焦面光纤定位系统基于分区思想,采用并行可控式光纤定位方案,这就使得系统的观测效率成为一个重要的问题。针对该系统的特点,建立了LAMOST焦面观测的仿真模型,并进行了系统观测效率的仿真。从重合区域、单元观测半径及干涉对系统观测效率的影响等方面,系统全面的分析了LAMOST焦面板的观测效率问题,同时对LAMOST焦面板的结构设计具有重要的指导意义。     

BP神经网络算法探讨

BP神经网络算法是在BP神经网络现有算法的基础上提出的,是通过任意选定一组权值,将给定的目标输出直接作为线性方程的代数和来建立线性方程组,解得待求权,不存在传统方法的局部极小及收敛速度慢的问题,且更易理解。