一种新的改进粒子群优化方法

为解决粒子群优化算法易于陷入局部最优问题,提出了两种新方法并行修改粒子群优化算法惯性权重：对好于或等于整体适应度平均值的粒子,用动态非线性方程调整惯性权重,在保存相对有利环境的基础上逐步向全局最优处收敛;对比平均值差的粒子,用动态Logistic混沌映射公式调整惯性权重,在复杂多变的环境中逐步摆脱局部最优,动态寻找全局最优值。两种方法前后相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验结果证实：该算法在不同情况下都超越了同类著名改进算法。     

基于泛函连接网络和差分进化算法的后非线性混叠信号盲分离方法

把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。由于泛函连接网络是一种单层神经网络,具有学习参数少、收敛速度快和非线性逼近能力强的特点;而差分进化算法控制参数少、易于选择、具有全局寻优能力和快速的收敛特性;因而与其它的后非线性混叠信号盲分离方法相比,该文提出的分离算法具有计算简单、收敛速度快、较高的精度和稳定性好的特点。仿真结果显示了这种方法是可行和有效的。     

不同分娩方式对盆底功能近期影响的临床观察

盆底功能障碍性疾病对妇女尤其是老年妇女的日常生活和身心健康均造成了严重影响.大量研究证明,盆底功能障碍性疾病与妊娠相关.通过对2007年11月至2008年4月在湖北省妇幼保健院分娩后进行盆底功能测定的149名产妇进行分析,以评估分娩方式对盆底功能的近期影响.     

冲击噪声背景下的虚拟空间平滑算法

为解决在冲击噪声背景和相干信源条件下,高斯白噪声的相干信源DOA(Direction-Of-Arrival)估计算法失效的问题,提出了基于虚拟空间平滑共变系数矩阵(ROC-VSS:RObust Covariation-Based Virtual Spatial Smoothing)的DOA估计算法.该算法以虚拟空间平滑算法为基础,通过构建虚拟平滑共变系数矩阵实现相干信源条件下的DOA估计.构建的虚拟子阵阵元个数等于阵列总的阵元个数,避免了阵列孔径的损失.仿真实验表明,在冲击噪声背景和多径干扰条件下,算法能很好地估计信源的波达方向.     

稠化剂纤维结构对低噪声润滑脂降噪性能的影响

在不同型号精密轴承中分别注入具有降噪特性的锂皂润滑脂、该润滑脂的基础油、油脂混合物,研究对轴承噪声的影响。通过调整稠化剂的酸碱度和冷却工艺制备不同纤维结构的锂皂润滑脂,利用SEM扫描电镜对试样稠化剂纤维结构进行比较,并借助于S0910-Ⅲ,SKF BeQuiet Plus, FAG MGG11仪器评价了不同形貌稠化剂纤维结构锂皂润滑脂对轴承噪声的影响,结果表明：润滑脂的降噪特性优于基础油,稠化剂是影响润滑脂噪声的重要因素之一;稠化剂的酸碱度和冷却工艺影响稠化剂纤维结构的形状,稠化剂纤维结构越短,分布越均匀的润滑脂降噪效果越好。     

飞灰回燃技术在65t/h抛煤炉上的成功应用

该文介绍了一例６５ｔ／ｈ抛煤链条炉飞灰回燃技术的成功改造。通过改造,使原碳含量较高的飞灰重新返回炉膛再次燃烧,从而减少了锅炉的固体未完全燃烧损失（ｑ４）,锅炉燃烧效率提高５％,发电成本降低。图１表６     

基于混合编程的外军飞机性能三维可视化软件

针对外军新型飞机及装备逐渐增加和更新换代,而传统管理方式难以对其进行高效管理和性能分析的问题,设计制作了针对外军飞机性能的可视化软件.通过自定义控件的设计,使 XNA 的属性和方法运用于.NET框架之下,实现了飞机三维模型的动态加载并进行了适当改进,完成了碰撞检测及参考线和文本的绘制.将飞机三维模型的名称和飞机ID存入对应的数据表中,减少了数据库的大小.测试结果表明,人机交互效果良好,二次加载速度提升约98%.     

基于语义的恶意软件判定器框架

目前代码迷惑技术已经成为构造恶意软件变体的主要方式,大量出现的病毒变体使得传统基于程序文本特征的病毒排查工具的防护作用大大降低.本文提出一种新的基于语义的恶意软件变体判定框架,为了确定一个程序是否是某种恶意软件的变体:首先基于符号执行收集程序语义状态,然后通过证明语义之间是否满足变体关系来确定该程序是否是恶意软件的变体.本框架能够识别经代码迷惑变换后得到的程序是属于变换前程序的变体,从而可以减少对病毒数据库的更新.最后,通过一个实现了该框架的原型系统来说明基于语义的恶意软件判定器框架的可行性.     

目(2055)基于聚类的多子群粒子群优化算法*

在粒子群优化算法基础上,提出了基于聚类的多子群粒子群优化算法。该算法在每次迭代过程中首先通过聚类方法把粒子群体分成若干个子群体,然后粒子群中的粒子根据其个体极值和“子群”中的最优粒子更新自己的速度和位置值。这种处理增加了粒子之间的信息交换,利用了更多粒子在迭代过程中的信息,使算法的收敛性能更好。仿真结果表明,该算法的性能优于粒子群优化算法。