算法研究在算法教学中的应用

在算法教学中补充讲解一些综合实例,通过提出问题,分析问题,讲解问题,将算法研究的思想贯穿其中,可以培养学生的研究意识以及培养学生的发散式思维。     

K-means聚类算法的实例教学研究

针对数据挖掘课程理论知识多、讲解抽象难懂的教学实际,重点研究数据挖掘课程的经典算法K-means聚类算法的实例教学策略,以提高学生对数据挖掘算法的学习兴趣,加强实际应用能力。研究内容包括选择实例、讲解实例、扩展实例和教学评价4部分。选择合适的实例提升学生学习兴趣;讲解实例使得学生掌握基本的K-means算法;扩展实例增强学生实际应用K-means算法的能力;最后教学评价进一步完善教学质量和效果。     

图像增强算法的综合实验教学研究

针对计算机图像处理课程中算法公式复杂难懂,原理枯燥又抽象的问题,以图像增强算法为例,设计并讲解3个理论联系实践的综合小实验,引导学生进一步理解算法的原理和动机,为计算机图像处理课程中图像增强算法的教学提供参考。     

浅谈VB程序设计中的几个常见算法

算法是程序设计的关键之一,是解题的方法与步骤,是学习程序设计的重点。在VB6.0课程的算法教学中,通过提出问题,分析问题,解决问题,将算法研究的思想贯穿其中,可以培养学生的研究意识以及发散式思维。     

通俗讲解算法 提升学生兴趣——以公钥加密算法为例

算法教育是计算机科学教育的核心之一,但在实际的教学中普遍存在老师难教、学生难学的现状,根源在于这门课程内容枯燥难懂。选择合适的教学内容,采用生动有趣的方式进行讲解,提高学生的学习兴趣是讲解这门课程的关键。笔者以颜料混合游戏比喻公钥加密算法,不但通俗地讲解了算法的工作原理,更引导了学生进一步思考和探索。     

形式语言中的几个算法问题

引导学生关注学科前沿,培养学生理论研究兴趣是高校教学的重要任务之一。笔者尝试在编译原理的教学中,引导学生思考关于计算的基本问题:如何描述问题,是否有问题没有算法,等等。文章从编译原理课程中形式语言与自动机部分内容中,引出字符串匹配、自动机等价测试、上下文无关文法等价测试等问题,证明有不可计算的问题,介绍和分析相关算法,引导学生理论研究兴趣,拓展课程学习深度和广度。     

探究式学习在算法设计中的应用

本文通过对探究式学习方式的研究,提出了将之应用于算法程序设计课程中,实践表明探究式学习可以提高学习效率,培养学生探究、思考问题的学习习惯,使学生乐于去学习知识,掌握算法设计的技巧,并能将抽象的算法灵活应用到实际的问题中。     

方程诊断算法在Malek故障模型中的应用

采用方程模式来描述Malek故障模型，把求该模型全体相容故障模式的问题转换为求方程组的解集，并通过实例讲解如何求解方程组的解集和以此得到Malek模型的诊断结果，为系统研究这类模型的方程诊断算法提供了典型示范和奠定了理论基础。     

一种基于多层多域动态路由算法分析

网络可达性研究逐步成为一种网络安全研究的主流,在光网络技术高速发展的今天,各种各样的网络路由算法层出不穷,有关这方面的问题已成为当前研究的热点。分析了不同网络路由算法,重点讲解了链路状态路由算法,针对此算法存在的问题提出了一种域划分的动态路由算法,对其实现流程进行了介绍,同时对其性能进行深入分析。     

利用Visual FoxPro变异系数的算法

首先介绍了变异系数的含义及其与标准差的区别,讲解了变异系数的计算方法和优点,结合一次学生的考试成绩用Visual FoxPro语言实现了变异系数的算法。     

运用遗传算法进行智能音乐作曲研究

采用遗传算法进行算法作曲,主要利用遗传算法的全局最优性,并且相对简单有效的特点.利用简洁的编码方式对基因进行编码,有效地表达了乐曲的主要信息,方便了适应度函数的计算和相关遗传操作的进行.针对音乐质量评估问题,提出了将相关音乐知识的规则和人机交互相结合的模式,共同对所创作音乐进行合理评价.不仅提高了评价的准确性,而且大大降低了人的工作量,产生了良好的音乐工程效果.     

递归算法与高效算法

文章通过实例给出了采用母函数法同时解决递归算法的两个问题:复杂递归算法的时间复杂度的求解问题和递归算法到高效算法的转化问題,并由此设计出高效的组合算法.     

一种基于PBIL算法和变焦算法的混合算法

基于群体的增量学习(PBIL)算法具有运行过程简单、解决问题快速准确的优点.本文采用二进制编码,针对二进制编码的算法从二进制最高位到最低位依次收敛的多米诺现象,提出一种变焦算法用来提高PBIL算法的搜索效率和求解精度.基于多组不同维数的Benchmark函数的仿真结果表明,混合算法具有全局收敛、求解精度及搜索效率高的优点.     

基于EM算法和PSO算法的混合优化算法

针对粒子群优化算法容易陷入局部最优解并且存在过早收敛的问题,将类电磁机制算法中的吸引-排斥机制引入到粒子群优化算法中,提出一种类电磁机制算法和粒子群优化算法的混合优化算法(EMPSO).首先按照基本粒子群优化算法的寻优方式对各粒子进行更新,再利用类电磁机制中的吸引-排斥机制对个体最优粒子和群体最优粒子进行移动,最后通过几个标准测试函数进行了测试,并与标准粒子群算法(PSO)、免疫粒子群算法(IPSO)、混沌粒子群算法(CPSO)进行对比.测试结果表明,改进算法提高了全局搜索能力和熟练速度,改善了优化性能.     

基于欺负算法的优化算法

分布式算法中的欺负算法在选举协调者的过程中由于传输了大量信包而导致性能降低。该文在分析原有算法及其数学模型的基础上,提出一种优化算法并建立了相应的数学模型,对2种算法进行比较可以得出,优化算法在避免了选举失败或选举错误的基础上有效降低了选举过程中信包的传输数量,提高了通信性能,避免了网络延迟和网络拥塞。     

基于SAC的特征选择算法

特征选择通过移除不相关和冗余的特征来提高学习算法的性能。基于进化算法在求解优化问题时表现出的优越性能,提出FSSAC特征选择方法。新的初始化策略和评估函数使得SAC能将特征选择作为离散空间搜索问题来解决,利用特征子集的准确率指导SAC的采样阶段。在实验阶段,FSSAC结合SVM,J48和KNN分类器,通过UCI数据集完成验证,并与FSFOA,HGAFS,PSO等算法进行了比较。实验结果表明,FSSAC可以提高分类器的分类准确率,且具有良好的泛化性能。除此之外,对FSSAC和其他算法在特征空间维度缩减情况方面做了对比。     

基于Apriori算法的改进算法

挖掘关联规则是数据挖掘中一个重要的课题,产生频繁项目集是其中的一个关键步骤。提出了一种改进算法,并将该算法与Apriori算法进行了比较。该算法只需要对数据库扫描一遍,并且存放辅助信息所需要的空间也少,结果表明该算法对关联规则挖掘较为有效。     

基于混沌优化与人工鱼群算法的混合算法研究

针对人工鱼群算法和混沌优化算法的特点,将人工鱼群算法与混沌优化算法相结合提出一种混合算法。此混合算法是利用混沌变量敏感性来提高人工鱼群初始群体解的质量;然后利用混沌的遍历性和随机性扰动使鱼群算法摆脱局部极值点,提高全局收敛性。仿真实验结果表明了混合算法的有效性。最后,给出了在一定条件下提出的混合算法的收敛性证明。     

递归算法的非递归化研究

1 引言在工程实际中,有许多概念是用递归来定义的,数学中的许多函数也用递归来表达。一个递归算法的执行过程类似于多个函数的嵌套调用,只是主调函数和被调函数是同一个函数而已,在执行过程中,信息的传递和控制的转移必须通过栈来实现,这就导致空间耗费大,执行效率较低,尤其是当递归深度较深时,不但耗费的空间大而且执行的效率也相当低,这是递归算     

基于改进PSO-TrICP算法的点云配准

针对传统迭代最近点(Iterative Closest Point, ICP)算法在初始空间位置偏差大时,容易陷入局部最优的问题,提出一种基于改进PSO-TrICP算法的点云配准方法。首先,对传统粒子群(Particle Swarm Optimization, PSO)算法进行改进,引入适应度的相似度测量准则调整粒子的更新方式,然后加入历次迭代的全局最优解的均值作为新的学习因子避免求解过程中出现“早熟”现象;其次用刚性变换参数和点云间的重叠率组成粒子,利用改进PSO算法为配准提供良好的初始相对位置;最后,通过裁剪迭代最近点(Trimmed Iterative Closest Point, TrICP)算法估计点云间的空间变换。实验结果表明,改进PSO-TrICP算法的配准精度与运行效率优于近年提出的同类配准算法,且具有较好的鲁棒性。