自适应数字混音算法的研究与应用

首先简要介绍了工程中常用的数字混音算法,详细地阐述了它们的原理和各自的优缺点,然后综合现有的两种相对较好的算法,并在VC6.0环境下实现,最后对改进的算法进行了测试和评估。     

基于自适应权重法的K-means模型对遥感图像分割

针对传统K-means算法不易获得最优质心及易于趋向局部最优的问题,提出一种基于最优权重法的K-means模型对遥感图像分割的方法。使用二维高斯函数对遥感图像进行滤波平滑处理,减少噪声对像素点的影响;依据早熟收敛度和自适应值进行调整,找到最优权重作为初始聚类中心,从而有效地跳出局部最优;将样本分配到每个聚类中心,不断进行迭代更新簇中心,直至算法最终收敛。实验结果表明,该算法的分割精度有较明显的提高。与传统的K-means分割算法及GA分割算法相比,该算法对遥感图像分割的效果更为明显。     

基于QPSO的证券市场GARCH模型实证研究

文章针对GARCH模型参数传统估计方法的不足,提出了利用量子粒子群算法的改进算法,并利用此算法实证建立了美国证券市场道琼斯指数收益的GARCH模型,更加精确地动态度量了证券市场收益序列的条件"异方差",并且和基本粒子群算法及其两种改进算法的实验结果进行了比较,最后对指数进行了走势预测.     

AdaBoost算法的一种改进方法

Boosting是一种改善任意给定的机器学习算法准确性的通用方法．主要针对AdaBoost算法，介绍了AdaBoost算法的研究背景．分析了实验过程中出现的退化问题以及目标类权重分布扭曲的现象，提出了一种基于调整权重分布，限制权重扩张的改进方法，最后给出了实验结果和分析．     

基于QPSO的证券市场ARCH模型实证研究

文章针对ARCH模型参数传统估计方法的不足,提出了利用量子粒子群算法的改进算法,并利用此算法实证建立了美国证券市场道琼斯指数收益的ARCH模型,更加精确地动态度量了证券市场收益序列的条件“异方差”,进行了指数走势预测。     

基于马尔科夫逻辑网络的实体解析改进算法

实体解析(Entity Resolution,ER)是数据挖掘过程中关键而又费时的一个步骤.华盛顿大学的Domingos和Singla提出了基于马尔科夫逻辑网络(Markov Logic Networks,MLNs)的ER算法.基于此算法,在原有的MLNs体系中,引入了一个可变权重的规则,试图解决原有系统无法处理的实体二义性问题.实验证明,新算法能够有效缓解数据记录的二义性问题,并且在一定程度上提高了原始算法的精度.     

结合奇异值分解和时间权重的协同过滤算法

协同过滤是现阶段最成功的推荐技术之一.提出一种结合奇异值分解和时间权重的协同过滤算法.与使用奇异值分解来降维的最近邻法不同,该算法通过梯度下降法进行奇异值分解,并直接将分解的结果用于预测评分.同时,该算法根据评分时间,为每个评分赋予不同的时间权重,考虑了用户兴趣随时间的变化.实验表明,该算法相较于传统协同过滤算法,能够获得更高的推荐精度.     

基于SEP4020的嵌入式系统多路语音处理算法的实现

在多线接入电话终端项目中,对语音进行处理是一个非常重要的部分。语音的处理包括静噪,回声消除和混音几个部分。其中混音技术,关系到在电话终端的语音质量,在应用中尤为重要。在系统中,需要使用SEP4020对多路的语音进行混音合成。该文对混音算法及其在SEP4020上的应用做了讨论。     

基于熵的逼近于理想解的排序法空袭目标威胁度评估

对空袭目标进行威胁评估是水面舰艇火力组织的基本依据,针对传统逼近理想解的排序法（TOPSIS法）在确定权重系数上的缺陷和不足,运用熵理论处理空袭目标的客观信息,确定目标各个属性权重,将权重运用到TOPSIS法模型中,提出了基于熵的TOPSIS改进算法,并将该算法应用于多目标威胁评估中。实例分析结果符合部队实际,证明了该算法是合理和有效的。     

基于PSO的证券市场GARCH模型实证研究

粒子群算法是一个有效的快速寻找连续函数极值的方法,它规则简单,编程易于实现.突破传统经济计量学“同方差条件”的限制,引入了GARCH模型,针对GARCH模型传统估计方法的不足,提出利用粒子群及其改进算法,快速精确地估计证券市场GARCH模型的参数,动态的度量描述证券市场收益序列的条件异方差;并利用算法建立美国证券市场道琼斯指数收益的GARCH模型,进行了走势预测,实例证明它是一个简单有效的算法.