基于光滑l0范数和修正牛顿法的压缩感知重建算法

基于光滑l0范数最小的压缩感知重建算法——SL0算法,通过引入光滑函数序列去逼近l0范数,从而将l0范数最小的问题转化为光滑函数的最优化问题.针对光滑函数的选取以及求解该函数的最优化问题,提出一种基于光滑l0范数和修正牛顿法的重建算法——NSL0算法.首先采用双曲正切函数序列来逼近l0范数,得到一个新的最优化问题;为了提高该优化问题的计算效率,推导出针对双曲正切函数的修正牛顿方向,并采用修正牛顿法进行求解.实验结果表明,在相同的测试条件下,NSL0算法无论在重建效果还是在计算时间方面都明显优于其他同类算法.     

多项式H_∞范数的一种解析算法

多项式Ｈ_∞范数的一种解析算法黄永宣（西安交通大学信控系西安７１００４９）关键词：Ｈ_∞范数，多项式，解析算法１引言近年来，民范数及其优化理论已经在控制理论与应用的许多领域中得到广泛地使用．但是，现有的Ｈｔｏ范数的计算都是逐次逼近算法“’“，这种算法计...     

T-Bézier三角曲面带权渐进迭代算法及其推广

三角曲面和渐进迭代逼近在散乱点数据的拟合及逆向工程中有重要应用,研究了四阶T-Bézier三角曲面的带权渐进迭代算法。给出了带权渐进迭代算法,分析了算法的收敛性,并基于1-范数、2-范数和∞-范数分别给出了带权渐进迭代算法的逼近误差;针对不同的控制顶点赋予不同权值以加快收敛速度,给出了推广的带权渐进迭代算法;数值实例说明了算法的有效性及其应用。     

基于光滑lp范数的压缩感知图像重构算法

针对压缩感知理论中的图像重构问题,提出一种基于光滑lp(0＜p＜1)范数的图像重构算法.首先,将重构问题转化为基于最小lp范数的优化问题进行求解;其次,构造光滑函数逼近lp范数;接着,通过离散化光滑函数的解序列来逼近最小lp范数的最优解;最后,以Lena图像为例对算法进行了仿真研究.结果表明,相比于传统的OMP(Orthogonal Matching Pursuit)算法和IRLS (Iteratively Reweighted Least Squares)算法,该算法不仅提高了图像重构质量,而且大幅减少了重构时间.     

L1+L2正则化逻辑斯蒂模型分类算法

提出一种L1+L2范数正则化逻辑斯蒂模型分类算法。该算法引入L2范数正则化,解决L1正则化逻辑斯蒂算法迭代过程奇异问题,通过引入样本向量的扩展和新的权值向量完成L1范数非平滑问题,最终使用共轭梯度方法求解经过转化的最优化问题。在各种实际数据集上的实验结果表明,该算法优于L2范数、L1范数和Lp范数正则化逻辑斯蒂模型,具有较好的特征选择和分类性能。     

一种基于矩阵范数的零水印算法

提出了一种基于矩阵范数的零水印算法.算法首先将原宿主图像进行多分辨率小波分解,取其低频逼近子带进行合理分块并计算每块的矩阵范数,然后利用范数矩阵和原水印信息之间的逻辑运算构造版权保护标志.实验证明算法不仅较好的解决了鲁棒性和不可见性的矛盾,而且还大大降低了计算的复杂性.     

张量积Bézier曲面降阶逼近的新方法

基于 L2 范数 ,给出基于曲面间体积极小的约束优化算法 ,将 Bézier曲面的降阶问题转变为线性方程组的求解 ,并给出降阶逼近问题解的存在性证明 .文中还对逼近误差进行了分析 ,并利用曲面离散算法减少降阶逼近误差     

光滑lp范数压缩感知图像重构优化算法

针对已有压缩感知重构算法重构精度不高、消耗时间长的问题,在研究[lp]范数和光滑[l0]范数压缩感知重构算法的基础上提出改进算法。通过极大熵函数构造一种光滑函数来逼近最小[lp] 范数,对解序列进行离散化来近似最小[lp]范数的最优解,结合图像分块压缩感知技术（BCS）,在MATLAB中对测试图像进行仿真实验。结果表明,与传统的BOMP（Block Orthogonal Matching Pursuit）算法和IRLS（Iteratively Reweighted Least Squares）算法相比,改进后的算法不仅提高了重构精度,而且大大降低运行时间。     

基于邻近交替线性化的稀疏非负矩阵分解算法

结合稀疏约束与邻近交替线性化(PALM),提出稀疏非负矩阵分解算法(SNMF_PALM)。将非凸的平滑剪切绝对偏差函数作为稀疏正则项,获得逼近L0范数的最佳凸松弛,并利用PALM算法对非凸问题进行求解,得到SNMF_PALM算法的局部稳定最优解。在人脸数据库上将SNMF_PALM算法与SNMF、NMF算法进行实验对比,结果表明SNMF_PALM算法具有更好的聚类性能。     

基于MT发生器的车辆生成模型构建与仿真

针对交通流仿真技术中广泛使用的线性同余发生器在周期长度和随机性方面的不足,引入MT随机数发生器,通过性能评价验证其优越性,然后在空闲和拥挤两种交通状态下,基于MT发生器产生的随机数,应用不同的随机分布构建相应的随机发车模型。在VC环境下开发车辆生成程序进行仿真实验,将仿真数据与实测数据进行对比分析,结果表明,基于MT发生器的随机发车模型更好地逼近了实际交通状态。     

一种抗突发分布式循环调度算法的设计与分析

输入队列因具有良好的可扩展性而广泛应用于高速交换结构和路由器中，但输入队列需要精心设计调度算法以获取较好的性能．iSLIP算法因其简单性和并行性而得到广泛的研究，但现有的iSLIP（iterative SLIP）算法在突发流量和非均匀流量下的负荷延迟性能较差．本文针对突发业务流，在基于优先级调度算法的思想上，提出了调度决策双重门限的概念，并且根据其设计出双门限循环调度算法-iADT（iterative Algorithm with Dual Thresholds）．仿真结果表明，iADT不仅在均匀流量下是稳定的，在非均匀流量和突发流量下的延迟性能均远好于现有的iSLIP算法．     

基于云网格集成调度的防拥堵车辆路径规划算法

在道路交通路网中,车辆拥堵问题是流量与路网结构之间相互作用的一个复杂动态过程,通过车辆路径规划,实现对路网网格集成调度,从而提高路网通行吞吐量。传统方法采用并行微观交通动态负载平衡预测算法实现车辆拥堵调度和车辆路径规划,不能准确判断路面上的车辆密度,路径规划效益不好。提出一种基于云网格集成调度的防拥堵车辆路径规划算法,即构建基于Small-World模型的云网格路网模型,采用RFID标签信息进行路况信息采集,实现交通网络拥堵评估信息特征的提取,采用固有模态函数加权平均求得各车道的车辆拥塞状态函数,对所有车道内车辆密度取统计平均可获得簇内的车辆密度。设计交通路网拥堵检测算法来对当前个体道路信息进行一维邻域搜索,从而实现车辆路径规划控制目标函数最佳寻优。通过动态博弈的方式求得车辆防拥堵路径的近似最优轨迹,实现路径规划算法的改进。仿真结果表明,该算法能准确规划车辆路径,实现最优路径控制,从而提高严重拥堵路段的车流速度和路网吞吐性能,性能优越。     

基于小波域混合高斯模型的自相似流量合成算法

自相似流量特性对网络性能具有重要影响，流量建模与合成是网络性能评价的基本环节．提出了一种基于小波域混合高斯模型的自相似流量建模与合成方法：小波变换的近似Karhunen—Loeve（K-L）变换特性可以有效去除流量过程的长程相关，而混合高斯模型准确地描述了小波系数的非高斯分布．对合成流量进行了统计分析以及排队性能仿真．实验表明该方法能够更准确地对通信流量进行建模和合成，并且具有运算量小（O（N））、流量生成快速等优点．     

A Heuristic Algorithm to Control Conflicting Nonstationary Traffic Flows

The paper considers the model of a network with the nodes being one-server queueing systems. Non-stationary Poisson flows (traffic flows) are input flows to some queueing systems. A statistical simulation algorithm is proposed. It identifies weak points of the network and allows formulating a heuristic flow control algorithm that reduces the total waiting time. This algorithm is illustrated by an example of a flow network of 20 intersections.     

基于自相似业务的RED算法性能研究

通过计算研究无线局域网中业务流的自相似性和仿真实验，研究无线局域网中基于自相似业务的RED算法的性能。仿真结果表明由于业务流的自相似性的负面影响和无线网络本身特点的影响，RED算法和Drop-Tail算法的性能差别不大。由于Drop-Tail算法简单易行、开销较低，建议在无线接入点采用Drop-Tail算法进行拥塞控制。     

具有任意时间特性的遗传算法及其在BML交通流模型中的应用

给出了一种具有任意时间算法（Anytime Algorithm)特性的遗传算法（Genetic Algorithm,GA)，并用该算法对BML（Biham-Middleton-D.Levine)交通流模型进行了实时模拟控制，仿真结果表明，该算法的性能明显优于交叉格点和随机格点信号灯控制的性能。     

基于稳态模型的流异常检测算法

在日常网络管理中如何实时、准确地判定流量异常是网络异常检测中的难点问题。提出了一种基于稳态模型的流异常检测算法，采用加权均值和方差计算相结合的统计学方法对网络流量稳态模型进行建模和更新，并使用ROC曲线进行异常检测模型的性能评估。研究表明，该算法复杂度较低，资源占用小，能够很好地实现实时自动报警功能。实验结果对进一步探索实时的网络流异常检测方法和预测算法具有参考价值。     

基于FCM-LSSVM网络流量预测模型

为了提高网络流量的预测准确性,针对训练样本选取问题,提出一种训练样本选择的最小二乘支持向量机网络流量预测模型（FCM-LSSVM）。采用模糊均值聚类算法对网络充量数据进行了聚类分析,消除其中的孤立样本点,构建最小二乘支持向量机的训练集,然后将训练集输入到最小二乘支持向量机进行了学习,并采用人工蜂群算法对模型参数进行了优化,最后建立建立网络流量预测模型,并采用仿真实验对模型性能测试。仿真结果表明,相对于其他网络流量预测模型,FCM-LSSVM不仅提高了网络流量的预测精度,而且建模速度得以提高,获得了更加理想的网强流量预测结果。     

Theory and implementation of path planning by negotiation for decentralized agents

This paper presents a cooperative decentralized path-planning algorithm for a group of autonomous agents that provides guaranteed collision-free trajectories in real-time. The algorithm is robust with respect to arbitrary delays in the wireless traffic, possible sources being transmission time and error correction. Agents move on reserved areas which are guaranteed not to intersect, therefore ensuring safety. A handshaking procedure guarantees recent information states for the agents. Conflicts between agents are resolved by a cost-based negotiation process. The basic algorithm is augmented by the introduction of waypoints, which increase performance at the cost of additional wireless traffic. An implementation of the algorithm is tested in simulation and successfully applied to a real system of autonomous robots. The results are presented and discussed.