几种现代优化算法的比较研究

现代优化算法主要包括遗传算法、蚁群算法、禁忌搜索算法。这些算法主要是解决优化问题中的难解问题。由于这些算法在求解时不依赖于梯度信息 ,因而特别适用于传统方法解决不了的大规模复杂问题。介绍了3种算法的基本思想 ,阐述了它们的特点并进行了比较 ,提出了今后研究的方向     

基于划分的模式匹配改进算法

为提高基于划分窗口的字符串匹配算法(SKIP和KMPSKIP算法)的性能,结合QS算法的优点,通过提前预览下一窗口最后一个字符的移动信息跳过尽可能多的字符进行下一轮匹配,减少了匹配次数,提高了匹配效率.理论分析及实验结果均表明,改进算法在平均时间复杂度方面优于原始算法,在模式较短的情况下,ISKIP算法的平均运行时间仅为BMH算法的65%~85%.     

FAT16文件系统在单片机存储系统上的实现

在单片机存储系统中,需要植入文件系统来管理存储在存储设备上的文件。为了使单片机写入的文件能被Windows系列操作系统正确识别,引入了高效率并且应用广泛的文件系统——FAT16。以凌阳SPCE061A和SD卡为例论述了在单片机存储系统植入文件系统的方法。     

一类新的带线搜索的自适应非单调信赖域算法

对于无约束优化问题提出了一类基于新锥模型的带线搜索的信赖域算法。利用自适应技术,当试探步不成功时,不需重新求解子问题,而采用Armijo线搜索,以减少计算量。在适当的条件下,证明了算法的全局收敛性。     

一种求解GF(2m)上2,3次多项式根的快速查表算法

对BCH码和RS码解码时,常用Chien搜索法或直接查表法求取GF(2m)上错误位置多项式σ(x)的根.随着m增大,搜索次数或查找表容量以2的m次幂迅速增长,使求根过程的时间或空间开销大大增加.当m较大而σ(x)的次数较低时(如2或3),采用这些方法尤其不理想.为此研究了GF(2m)上2次错误位置多项式x2 ax b和3次错误位置多项式x3 ax2 bx c根的快速查表算法,该算法简化了前述多项式的原始求根表,理论分析表明它比直接查表法明显节省存储容量;比Chien搜索法明显加快求根速度.     

藻类强化光降解去除水中双酚A的动力学研究

为提高污染水体中双酚A光降解效率,采用铜绿微囊藻进行强化,研究该藻强化光降解去除水中双酚A的效能和动力学规律,并讨论了藻质量浓度、pH值及光源等因素对降解速率的影响.研究表明,藻类质量浓度相对较大时,光降解反应符合假一级反应动力学规律,提高反应液中藻类质量浓度可提高双酚A的降解率;pH值对光降解速率有显著影响,当pH值为5时,反应速率达到最大值;光源对反应速率也存在影响,光源采用紫外灯时,光降解反应速率是同条件下高压汞灯作为光源时的9倍,其原因是后者不能使反应液中产生大量的羟基自由基.     

环氧树脂改性氰酸酯复合材料的性能研究

采用傅里叶变换红外光谱(FTIR)研究了双酚A型氰酸酯(BADCy)/双酚A型环氧树脂(E-51)体系的共固化机理,通过热重分析(TGA)和扫描电子显微镜(SEM)分析了复合材料的耐热性能、断面形态,并测试了材料的冲击强度和介电性能。结果表明E-51的加入对BADCy/E-51体系固化反应有促进作用,并能显著改善材料的韧性和冲击性能。当E-51含量为30%(质量分数)时,材料的冲击强度可达14.38 kJ/m2,且复合材料仍能保持良好的热稳定性和介电性能。     

稀疏信息处理中的迭代分式阈值算法

在稀疏信息处理中, l₀范数优化问题通常转化为l₁范数优化问题来求解。 但l₁ 范数优化问题存在一些不足。 为寻找一种更有效的求稀疏解的算法, 首先构造一个新的收缩算子, 其次证明该收缩算子是某非凸函数的邻近算子。 然后用该非凸函数替代l₀-范数, 对新的优化问题用向前-向后分裂方法得到对应的迭代阈值算法-迭代分式阈值算法(IFTA)。 仿真实验表明该算法(IFTA)在稀疏信号重构和高维变量选择中均有良好的表现。     

基于稀疏性约束非负矩阵分解的人脸年龄估计方法

基于人脸图像的年龄自动估计已经成为当前人脸识别领域的一个重要研究方向。首先通过非负矩阵分解(non-negative matrix factorization,NMF)算法对基矩阵或系数矩阵进行稀疏性约束,用形成的更具有局部表达能力的子空间对人脸图像数据进行表示。然后使用径向基函数神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计。实验结果表明,具有稀疏性约束的非负矩阵分解算法对年龄估计问题具有良好的应用效果。     

基于稀疏编码的迁移学习及其在行人检测中的应用

行人检测是计算机视觉领域中的研究热点,其实质是一个二分类问题.目前基于统计的行人检测技术已取得了一定进展,但大都需要大量的训练数据.针对这一问题,提出了一种基于迁移学习的半监督行人分类方法:首先基于稀疏编码,从任意的未标记样本中,学习到一个紧凑、有效的特征表示;然后通过迁移学习,将学习到的特征表示方法迁移到行人分类中.在MIT行人数据库上的实验结果表明:该方法能有效地刻画出行人的特征,提高行人分类的性能,在标记样本少的情况下仍具有良好的分类效果,因此可应用于行人检测中.