动态决策树算法研究

该文在增量决策树算法的基础上,提出一种能够处理变化数据集的减量决策树算法,提出并证明了减量决策树算法中的三个基本定理,保证了减量决策树算法的可靠性。同时将传统的增量决策树算法与该文所提出的减量决策树算法相结合,构造出一种动态决策树算法,该算法很好地解决了发生增减变化的动态数据集构造决策树的问题,另外动态决策树算法的提出也促进了在线规则提取的发展与完善。     

双门限和机会协作的频谱感知算法研究

针对传统频谱感知算法性能较差及一文献中Zhu所提出的算法功率消耗大的不足,提出了一种基于双门限和机会协作的频谱感知算法,同时理论推导了在瑞利衰弱信道中基于该算法的频谱感知检测概率,并对传统频谱感知算法,Zhu所提出的算法和基于双门限和机会协作的频谱感知算法进行性能仿真。仿真结果表明,该算法可以有效提高频谱感知检测概率,性能优于传统算法,与Zhu所提出的算法性能基本相同,且能有效节省发射功率。     

PMC模型下的一个贪婪诊断算法

提出了一种PMC模型下基于矩阵运算的贪婪诊断算法——MGFD算法。算法结合作者曾经提出的"绝对故障基"思想,首先剔除绝对故障基,得到一个维度减小的矩阵,之后根据该矩阵求得集团。在文献[10]提出的四个贪婪诊断算法的基础上,提出集团的内贪婪因子、外贪婪因子、综合贪婪因子等概念,设计了新的贪婪准则。论证了MGFD算法的正确性,并对算法进行了实验仿真。实验结果表明,MGFD算法相比文献[10]提出的贪婪诊断算法,具有较高的诊断正确率。     

基于概率模型的混合多目标算法

对传统多目标算法NSGA-Ⅱ及模型多目标算法RM-MEDA进行了分析,并指出了二者的不足。在此基础上,提出基于概率模型的混合多目标算法,并设计了相应的建模准则用于实现两种算法的结合,使得提出的算法能够充分发挥两种算法的优势。将提出的算法与NSGA-Ⅱ算法和RM-MEDA算法在10个测试函数进行了实验对比,结果证实了算法在全局收敛性及多样性等方面有着较好的效果。     

基于模糊集理论的知识表示法及其似然推理新算法PMLIFS—Ⅰ和PMLIFS—Ⅱ

本文探究了基于模糊集理论的知识表示法,提出了似然推理新算法PMLIFS-Ⅰ。基于所提出的λ-合成这一新概念,提出了算法PMLIFS-Ⅰ的改进算法PMLIFS-Ⅱ。两算法具有较强的实用性和普遍意义。     

基于模拟退火算法思想的粒子群优化算法

粒子群优化是由Eberhart博士和Kennedy博士于1995年根据鸟或鱼群居社会行为而提出的。本文提出了4种改进的算法,特别推荐结合模拟退火算法思想提出的一种新算法。经过与基本粒子群算法比较测试,证实它是一种简单有效的算法。     

一种轻量级动态密钥建立算法研究

解决射频识别（RFID）和低运算能力设备安全的理想方法就是实现一种动态密钥建立算法,但是经典的动态密钥建立算法都不适用于RFID。旨在研究一种为RFID标签和低运算能力设备提供动态密钥建立的算法。基于TPM的密钥建立算法为轻量级的动态密钥建立提供了方法,KKK算法就是其中一种算法。研究了KKK算法的原理以及KKK算法的发展现状,建立了KKK算法仿真环境,并且实现了已经提出的大部分KKK类算法;提出了一种具有更强攻击效果的攻击算法——改进的遗传攻击算法,实验结果表明该算法优于目前提出的其他攻击算法。     

基于REESSE3+算法的改进算法

REESSE3+算法是苏盛辉教授于2014年提出的一个8轮迭代的分组密码算法。本文在REESSE3+算法的基础上做出了一些改进,提出了一种新的改进算法。由于REESSE3+算法受到了来学嘉教授提出的IDEA算法的启发,采用了3个不相容的群运算来保证其安全性,因此采用来学嘉教授提出的马尔科夫密码模型来对REESSE3+(16)算法和16位输入的改进算法进行比较。通过实验发现,在面对差分攻击时,16位输入的改进算法比原REESSE3+(16)算法更加安全。     

基于虚拟网节点迁移的虚拟网映射优化算法

为提高虚拟网请求接收率和底层网络资源利用率,提出了基于虚拟网节点迁移的虚拟网映射优化算法,算法能够将资源竞争最大化的虚拟节点划分在一个组,实现虚拟网映射结果全局最优。通过时间复杂度分析和仿真实验验证了提出的算法能够显著降低虚拟网络节点迁移算法的运行时间;通过仿真实验,将提出的算法与No-Migration算法和Long-Duration算法进行对比,验证了提出的算法有更高的请求接收率、更高的平均收益,可以节省底层网络资源开销。     

基于粒子群优化的BP网络学习算法

本文提出一种新颖的基于粒子群优化的BP网络学习算法，该算法是一种全局随机优化算法。用Iris分类问题，将所提出的算法与BP算法作了对比实验。实验结果表明：所提出的算法性能优于BP算法，而且具有良好的收敛性。     

粒子群优化的BP网络学习算法研究及应用

提出一种新的基于粒子群优化的BP网络学习算法,该算法是一种全局随机优化算法,将该算法与传统BP—PSO算法对比实验表明：提出的算法性能优于BP算法,而且具有良好的收敛性,并成功应用于水泥水化过程仿真。     

交易数据库的加权关联规则增量更新算法

针对文献犤1犦提出的加权关联规则挖掘算法,文章提出了交易数据库的加权关联规则增量更新算法(DWARIUA算法)。该算法充分利用已存在的频繁项目集,因此,算法是有效而可行的。     

全局最优引导的差分演化二进制人工蜂群算法

针对基本二进制人工蜂群算法开采能力弱、收敛速度慢的缺点,提出一种全局最优引导的差分二进制人工蜂群算法。算法仿照粒子群优化,将全局最优参数引入二进制人工蜂群算法中以提高开采能力;同时受差分演化算法中“交叉”操作的启发,提出多维邻域搜索方式,加快收敛速度。采用0-1背包问题进行仿真,实验结果表明与传统算法相比,提出算法不仅寻优能力增强且收敛速度明显提高。对于10维背包问题,提出算法的收敛速度比基本二进制人工蜂群算法提高近10倍。     

一种OFDM系统定时偏移估计新算法

提出一种利用时域训练序列的定时估计算法。在分析Schimdl算法和Minn算法的缺点的同时,提出了算法,并在两种信道中进行了仿真,仿真结果表明算法在性能上有所提高。     

基于均匀设计的中心引力优化算法

中心引力优化（Central Force Optimization,CFO）算法是一种新型多维搜索确定型启发式优化算法,但由于它的初始探测器（Probe）计算复杂而导致CFO算法运行时间过长。针对初始探测器计算复杂问题,提出一种均匀设计方法,依此方法提出了基于均匀设计的CFO算法。将提出的CFO算法应用到典型测试函数中,并与CFO算法进行比较。数值结果表明,该算法保证寻优能力同时减少了CFO算法的运行时间,从而提高了CFO算法的效率。     

一种求凸多边形宽度的优化算法

提出了一种优化的线性时间算法计算凸多边形的宽度。首先证明了凸多边形的宽度只可能介于“点边式”跨度之间,缩小了宽度的计算范围。其次提出了一种距离比较算法,降低了凸多边形跨度的计算量。最后,在“点边式”基本算法和距离比较算法的基础上,提出了计算宽度的优化算法。仿真分析表明,提出的优化算法提高了计算凸多边形宽度的效率,算法的时间复杂性降为O(n)。     

一种基于蚁群算法的分类规则挖掘算法

Parepinelli等提出了基于ACO的分类算法。文中提出了一种基于自适应蚁群算法的分类规则挖掘算法,该算法采用了与Parepinelli算法不同的启发式函数及信息素改变方法,引入了自适应机制与变异策略,从而达到缩短蚁群算法计算时间、加快算法收敛速度、提高预测准确率的目的。实验结果验证了该算法的有效性。     

快速Huffman解码算法及其实现

该文首先回顾了Huffman解码的一般原理和传统的解码算法,然后以视频压缩标准H．263中的Huff-man解码为例,提出了一种Huffman解码快速算法,并将这种快速算法和传统的算法进行了比较。结果表明该文所提出的算法和传统的算法相比,不仅减小了对内存的需求量,而且由于采用查表的方法大大提高了解码效率。由于许多图象编码标准都采用Huffman编码和解码算法,因此文章提出的算法具有普遍意义。     

前向无线分组调度算法研究

在CDMA2000 1x EV-DO系统,针对尽力而为业务,提出改进DRC算法（M—DRC）和自适应DRC算法（A-DR ）。M-DRC算法在DRC算法基础上,引入用户平均信道环境这一附加参数,提出改进的DRC（M-DRC）指数算法。该算法将时隙分配给平均信道环境好的用户,以达到优化系统吞吐量的目标。PFS算法要体现公平性要求具有相似的信道环境,针对该问题,提出了A-DRC算法。     

基于网格密度的聚类算法的性能比较分析

该文讨论了基于网格和密度的聚类算法,该算法是在基于密度的聚类算法和基于网格的聚类算法的基础上提出的。通过与传统的几种基于聚类算法的比较,详细讨论了基于网格和密度的聚类算法的性能,并提出了该算法的不足之处。