基于压缩结构树的XML数据频繁模式挖掘研究

XML文档频繁模式挖掘是XML相关研究工作中的重要内容。在现有的频繁树结构挖掘算法WL的基础上，提出了一种高效的基于压缩结构树存储结构的XML数据频繁模式挖掘算法AFPMX_CST。该算法压缩了搜索空间，减少了扫描次数，相对于WL算法在时间效率和空间效率方面具有更加良好的性能。同时，该文进一步研究了将挖掘结果转换为相应的DTD格式的方法及过程。实验结果表明AFPMX_CST算法是可行和有效的。     

基于Mean Shift的相似性变换和仿射变换目标跟踪算法

传统的Mean Shift (MS) 算法只能对发生平移和尺度变化的目标进行跟踪,而对于具有相似性变换或者更复杂的仿射变换的目标跟踪效果很不理想或无法跟踪。为了解决这一问题,提出了两种基于MS的改进算法。第一种算法针对仿射变换,根据奇异值分解理论,仿射变换矩阵可以分解成两个旋转矩阵和一个对角矩阵的乘积,在此基础上建模了一种新的候选目标模型。通过Bhattacharyya系数将目标跟踪问题转化成以仿射变换参数为变量的最优化问题,推导相关参量的一阶偏导数并令其为零从而得出相对于仿射变换的MS算法。另外,针对进行相似性变换的目标也提出了一种新的候选目标模型,并用类似的梯度下降算法估计目标的平移向量和旋转角度。实验结果表明,提出的算法能够跟踪具有相似性变换或仿射变换的目标,比传统的MS算法具有更好的跟踪性能。     

基于文本—链接模型和近邻传播算法的网页聚类*

关于网页聚类的研究已经提出多种基于文本—链接模型的聚类算法,其中应用最广泛的便是MS模型。针对MS模型在效率和计算精度方面的不足,提出了改进的TLMS模型。新模型通过将词聚成词簇、链接向量聚成链接簇的方法将MS模型的词空间和链接空间进行大幅的压缩,并应用近邻传播算法替代传统的K-means算法对网页进行聚类。实验证明,TLMS模型+近邻传播算法聚类精度高、执行效率好。     

滑动窗应用场合下的2维几何矩快速算法

传统的2维几何矩算法着眼于单个矩形窗口,但当关心的矩形区域在大地图上滑动时,传统算法效率不高。为提高2维几何矩运算速度,提出了一种新的快速迭代算法。由于该算法能够充分利用相邻滑动窗重叠的像素信息,从而可以大大提高2维几何矩的计算效率。该算法所需的乘法和加法运算复杂度完全与滑动窗尺寸N×L无关,都为O(1)。与传统算法的2维几何矩运算复杂度O(N×L)相比,该算法运算速度可以比传统算法提高接近N×L倍。计算机仿真结果验证了该结论。该速度可以满足大多数实时应用的需要。     

带静不平衡约束的矩形装填问题的启发式算法

卫星舱布局问题不仅是一个复杂的耦合系统设计问题,也是一个特殊的优化问题,具有NP难度性。解决这类问题最大的挑战在于需要优化的目标函数具有大量的被高能势垒分隔开的局部极小值点。Wang-Landau（WL）抽样算法是一种改进的蒙特卡罗方法,已经被成功地运用蛋白质结构预测等优化问题。本文以卫星舱布局优化问题为背景,首次将WL抽样算法引入矩形装填问题的求解。针对矩形装填物的特点,提出了启发式格局更新策略,以引导抽样算法在解空间中进行有效行走。为了加速搜索全局最优解,每次蒙特卡罗扫描生成新的布局时,便执行梯度法进行局部搜索。通过将局部搜索机制、启发式格局更新策略与WL抽样算法相结合,提出了一种用于解决带静不平衡约束的任意矩形装填问题的启发式布局算法。在布局优化过程中,通过在挤压弹性势能的基础上增加静不平衡量惩罚项并采用质心平移的方法,使布局系统的静不平衡量达到约束要求。另外,为了改进算法的搜索效率,提出了改进的有限圆族法用于装填物之间的干涉性判断和干涉量计算。通过对文献中两组共10个有代表性的算例进行实算,计算结果表明,所提出的装填算法是一种求解带静不平衡性能约束的任意矩形装填问题的有效算法。     

一种新的基于L0的变步长IPNLMS算法

研究算法的优化问题,对比于传统的正则化最小均方算法(NLMS),成系数比例自适应算法(PNLMS)拥有较快的初始收敛速度,但是PNLMS并不是一种最优化的算法。改进了采用L0范数的IPNLMS算法以提高对稀疏系统进行辨识的性能。分析了近年来的几种系数比例算法的性能及其局限性,通过建立步长因子μ与误差信号e之间的非线性关系,提出了一种结合Sigmoid函数和L0范数的变步长系数成比例的规则化的LMS滤波算法。并对其与文中提到的算法进行了比较和分析,拥有更好的收敛性和稳态误差。     

基于改进BP神经网络的预测模型及其应用

对BP神经网络的结构及其训练算法进行了研究,并针对传统BP算法的缺陷,提出了一种采用L—M算法的改进BP神经网络。在此基础上建立了基于改进BP神经网络的非线性系统预测模型,并通过具体的仿真及实践结果验证了改进BP神经网络的有效性。     

基于改进Mean Shift和SURF的目标跟踪

传统颜色直方图的Mean Shift（MS）算法只考虑了目标颜色的统计信息,不包含目标的空间信息,当目标颜色与背景颜色相近或目标对象发生光照变化时,容易导致不准确跟踪或跟踪丢失。针对该问题,提出了一种融合改进MS和SURF的跟踪算法。改进的MS算法根据目标对象的最新外接矩形尺寸,确定对象的分块方法,根据各块的Bhattacharyya系数值,确定各块的权重系数,获得初步的跟踪结果;采用SURF特征匹配和校正的方法对其初步跟踪结果进行调整;采用线性加权的方法融合改进的MS和SURF跟踪结果,得出最终的跟踪结果。实验表明,提出的融合改进MS和SURF的跟踪算法,比传统的MS算法和固定分块的MS算法都具有更好的跟踪性能。     

无线传感器网络中高效移动汇点规划算法

在带有移动汇点(MS)的无线传感器网络(WSN)数据收集应用中,采用基于代理的数据收集模式可以有效缩短MS慢速引起的数据收集延迟问题.以提高WSN数据收集的能量效率和缩短数据收集延时为目标,给出了一种MS轨道规划算法MS-TPA. MS-TPA主要包括RN竞选和MS移动规划两个阶段.剩余能量优先的RN竞选机制能够平衡网络节点的能量消耗,MS移动规划算法能够缩短数据收集的延迟问题.仿真实验验证了所提出算法的有效性.     

用于快速以太网卡芯片的125MHz数模混合自适应均衡器

提出了一种快速以太网卡芯片自适应均衡器的体系结构 .该结构采用 Sign- Sign L MS算法 ,有效地补偿双绞线传输的损耗 ,消除向前码间干扰 ;具体实现采用数模混合电路 ,无须高速 A/ D转换器和数字乘法器 ,大大降低功耗和芯片面积 .该自适应均衡器已经过 TSMC0 .35 um1P5 M CMOS工艺验证 ,工作电压为 3.3伏     

自调式类神经PID控制器于压电微动平台之追迹控制(英文)

主要针对压电微动平台设计追迹控制器。压电致动器的非线性现象主要是受磁滞现象所影响,首先采用Prandtl-Ishlinskii(PI)模型来描述压电致动器的磁滞现象,利用最小平方算法识别出磁滞模型的权重值,再利用此模型求出其逆模型以前馈控制器来补偿,最后利用自调式类神经PID控制器来消除建模误差。实验验证方面,在PC-based压电控制平台架构下,利用前馈控制器与闭回路结合自调式类神经PID控制器进行定位控制。     

改进相关矩阵估计的LMS牛顿算法分析与仿真

在LMS牛顿算法中权值的更新采用了输入信号矢量的相关矩阵估计，不同的估计方法对算法的性能影响很大，该文分析了一种改进相关矩阵估计的LMS牛顿算法，该算法通过对LMS牛顿算法中的相关矩阵采用改进的指数加权估计，大大提高了算法的性能，同时维持了适中的计算复杂度。此外，还比较了LMS牛顿算法与RLS算法，从原理上说明了它们的密切联系；指出算法改善性能的关键在于变步长特性，即步长随着时间增加而逐渐变小，使得算法既可以保持较快的收敛速度，又获得了较小的失调。算法在智能天线中的仿真结果表明，该算法具有比常规LMS牛顿算法更优的性能。     

Design of digital signal processor based adaptive beamformer using hybrid residual least mean square algorithm for improved performance

This paper proposes a novel hybrid residual least mean square (HRLMS) algorithm for adaptive filtering followed by an antenna beamformer using 16‐element linear array. The hybridization process involves a switching between the residual‐LMS (RLMS) and the conventional‐LMS (CLMS) algorithms after the eighth iteration, if the square errors for four consecutive iterations are less than a threshold. The novelty of HRLMS lies in estimating best step size factor through residuals for speedy convergence followed by the CLMS switching for minimum steady state error (SSE). The novelty also includes in realizing a real‐time antenna beamformer with significant sidelobe level (SLL) reduction and improved interference nulling by integration of HRLMS and space selective digital filter (SSDF). The adaptive filter and smart beamformer, based on HRLMS and HRLMS‐SSDF have been implemented on TMS320VC5416 digital signal processor. The comparative performance evaluation of HRLMS has been done for convergence speed, SSE, interference nulling and SLL reduction with the existing variable step size LMS (VSSLMS) algorithms. The iteration count for convergence has been reduced by about 50% with paltry additional computational burden over the other VSSLMS algorithms. The HRLMS‐SSDF provide attenuations of about 76, 33, and >50 dB, respectively for interfering signals, first SLL and higher order SLLs of beamformer.     

一种新的可变步长LMS自适应滤波算法

针对LMS算法收敛性能差的缺点,提出一种改进LMS算法即NLMSISA.首先从理论上分析并介绍了LMS算法及其改进算法,并将改进算法-变符号函数法(ISA)和归一化变步长(NLMS)算法有机结合,提出了该NLMSISA算法,理论上该改进算法具有物理实现难度低、收敛速度快、且能收敛到更小且稳定的均方误差(MSE)的特点.在MATLAB下,通过采用LMS、LMSISA和NLMSISA三种算法对FIR和IIR两种结构的系统分别进行了辨识仿真研究,结合三种算法的均方误差收敛曲线分析,验证了提出的改进LMS算法在敛速度、稳态误差上都明显优于现有几种算法.该算法对于实际工程应用的自适应滤波问题提供了一个较好的算法.     

IP电话回声消除LMS改进算法的研究

针对传统LMS算法运算量大收敛性能差的缺点,提出了一种减小运算量并且提高收敛性能的LMS自适应滤波算法.首先从理论上介绍并分析了两种自适应滤波算法--量化误差算法(运算量小)和变步长算法(收敛速度快),接着将这两种算法的优点有机结合,提出了一种改进算法.通过在MATLAB下的辨识仿真研究和对误差曲线的分析,证明了结合后的改进算法在运算量和收敛速度方面都优于传统LMS算法.算法对于IP电话中回声消除的自适应滤波问题提供了一个较好的算法.     

滑动DCT-LMS自适应算法研究与FPGA实现

研究一种改进的低复杂度复数滑动离散余弦变换(DCT)最小均方(LMS)自适应算法,并设计该算法的FPGA实现结构。在常规LMS算法的输入端前添加改进的滑动DCT,降低输入信号之间的关联性,提高自适应算法收敛速度。改进的滑动DCT算法针对硬件实现进行了优化,提高其在硬件实现中稳定性和精度。给出算法在FPGA实现框图、结果和Matlab仿真结果的对比,以及算法在FPGA中的资源使用。算法已经在实际工程中应用,效果远优于常规LMS自适应算法。     

自适应语音消噪算法的研究与仿真

针对语音通信中的噪声问题,对最小均方误差(LMS)算法进行研究。研究发现,该算法在收敛速度与稳态误差之间始终存在着矛盾,为此在F-LMS算法的基础上,提出一种改进的LMS算法,该算法通过引入误差加权累加的平均值的方法来更好地解决两者之间的矛盾,并通过计算机仿真证实了该算法具有良好的收敛性能和稳态性能,最后利用传统的LMS算法、F-LMS算法和改进的LMS算法对带有噪声的信号进行了消噪处理,结果表明:在三种算法中,改进的LMS算法的噪声消除效果最好。     

一种改进的LMS滤波器在DCG去噪中的应用

研究了LMS自适应滤波器在动态心电信号去噪中的应用。提出了一种适合动态心电信号预处理的变步长LMS改进算法,该算法用误差信号对期望信号的相对误差的平方根来调节步长。实验表明,这种改进滤波器在收敛速度和信噪比两方面都优于固定步长的滤波器。     

Superior step-size theorem and its application

With independence assumption, this paper proposes and proves the superior step-size theorem on least mean square (LMS) algorithm, from the view of minimizing mean squared error (MSE). Following the theorem we construct a parallel variable step-size LMS filters algorithm. The theoretical model of the proposed algorithm is analyzed in detail. Simulations show the proposed theoretical model is quite close to the optimal variable step-size LMS (OVS-LMS) model. The experimental learning curves of the proposed algorithm also show the fastest convergence and fine tracking performance. The proposed algorithm is therefore a good realization of the OVS-LMS model.     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.