解非线性两层规划问题的新的遗传算法及全局收敛性

针对两层规划问题本质上的非凸性和不可微性给其数值求解带来极大困难,特别是求非线性两层规划问题的全局最优解,而遗传算法不受这些因素的限制,设计了一种新的有效的遗传算法来解决非线性两层规划问题.该算法充分考虑了两层规划问题的结构特点,使遗传算子更加有效,并且易于产生好的后代.     

系统生物学:系统科学与生物体系统

对近年涌现出来的生物体系统研究新思路———系统生物学进行了概述,简要叙述了系统生物学出现的背景、研究内容和研究方法,以及与生物体系统其他研究方法之间的联系与区别,并提出了对系统生物学进一步研究的意见.     

一种先切分后检测的分层镜头边界检测方法

针对现有渐变镜头边界检测算法的不足,提出了一种先切分后检测的分层镜头边界检测方法。该方法综合了小波分析、模糊聚类和统计量等多种技术,可以同时检测突变过渡和渐变过渡,并能准确地定位渐变过渡的边界。同时,提出了对加权系数进行非盲调节和盲调节的方法,为系数调节指明了一条新思路。该方法减少了经验阈值的数目,避免了人为因素,同时克服了其它方法仅适用于某一类和某几类视频序列的限制,因而具有很强的鲁棒性。用实际视频数据所得到的实验结果证明了该方法的有效性。     

一种基于特征光流检测的运动目标跟踪方法

图像序列的运动目标分割检测与跟踪是一个具有广泛应用的困难问题,特别当目标被遮挡丢失和/或大幅度机动时,算法要有很强的鲁棒性才能实现高精度的连续跟踪。通过特征角点提取、由粗到细层级匹配特征光流及其聚类分析算法实现运动目标分割,利用卡尔曼滤波估计对目标的多特征点构成的最小凸多边形描述子进行跟踪,具有抗遮挡丢失和抗机动功能,因此在跟踪过程中能够较好地保持或重新检测目标的最小凸多边形,使检测与跟踪算法鲁棒性强。对运动目标真实图像序列的实验结果充分证明了算法的优良性能。     

IPv6移动管理的自适应优化与仿真

减少网络传输花费和带宽占用为代表的通信管理费用是IP网络研究移动管理的关键问题之一.为优化分层域内外分发位置管理消息和数据分组所产生的总费用,论文在分析了实施分层移动IPv6前后费用变化的基础上,提出了一种可行的自适应移动管理方案,允许节点根据实际工作参数选择适宜的移动管理机制.进一步的仿真与性能评估结果表明自适应移动管理获得了显著的费用优化效果,可望具有较好的实际应用价值.     

基于多镜像站点的分布式Web使用聚类

提出了一种适用于多镜像站点环境下的分布式Web使用聚类局部挖掘算法LUC和全局挖掘算法GUC,较好地解决了Web访问信息的异地存储、分布式算法通讯量等因素给模式分析过程带来的困难. 将给出的算法用Java语言加以实现,并对算法性能进行了研究. 结果证明,该算法是有效的,可以用来高效、准确地在多镜像站点环境下发现Web用户群体模式.     

基于蚁群算法的模糊C-均值聚类算法

提出了一种基于蚁群算法（ACG）的模糊动态C-均值聚类算法的声纹识别，该算法首先利用蚁群算法的较强处理局部极值的能力，克服了算法在选取聚类中心点时采用随机选取易使得迭代过程陷入局部最优解的缺点，动态地确定了聚类中心和数目.两者有机结合起来可以寻求到具有全局分布特性的最优聚类.将此算法运用于声纹识别上，从语音信号中提取待识别的特征矢量集，对待识别声纹信号进行识别.实验证明，该算法解决了算法对初始值敏感，易陷入局部最优的问题，且计算简单，识别率较高，具有较好的鲁棒性.     

基于聚类的(L,K)-匿名

K-匿名是解决数据隐私的关键技术,成为近年来研究热点.目前对K-匿名的研究大多依赖预定义的泛化层次,泛化后的数据有很大的数据损失,并且没有考虑到匿名后的可信属性缺乏多样性导致的隐私信息泄漏.本文针对K-匿名存在的上述问题,提出了一种在K-匿名之上的(L,K)-匿名模型,将聚类的方法应用(L,K)-匿名模型上,并给出了基于聚类分析的(L,K)-匿名算法,实验显示该方法能有效的消除K-匿名后可信属性的信息泄漏,增强数据发布的安全性.     

Q对称熵损失下几何分布的参数估计

研究几何分布的先验分布为幂分布时,在对称熵损失函数下给出了其可靠度的多层Bayes估计,并根据实际数据说明了该估计是稳健的。     

混合属性数据聚类初始点选择的改进

k-prototypes和模糊k-prototypes是处理数值属性和分类属性混合数据主要的聚类算法。但这两种聚类算法不足之处是对初值有明显的依赖。对初值选取方法进行了分析和研究,提出一种新的改进方法,可在一定程度上减少随机性。实际数据集仿真结果表明改进算法有更高的稳定性和较强的伸缩性。