求解二次分配问题的离散粒子群优化算法

提出了一种求解二次分配问题的离散粒子群优化算法. 根据二次分配问题及离散量的特点, 重新定义了粒子的位置、速度等量及其运算规则, 为抑制早熟停滞现象, 为粒子和粒子群分别定义了个体多样性和平均多样性. 算法中定义了排斥算子来保持粒子群的多样性, 使用局部搜索算子来提高算法的局部求精能力, 使算法在空间勘探和局部求精间取得了较好的平衡. 在 QAPLIB 的实例上的仿真结果表明, 离散粒子群优化算法具有良好的性能.  

基于XML的数据交换及其参照完整性研究

针对目前数据集成的需要，叙述了传统数据集成方法的特点和存在的问题，提出了一种基于XML的数据交换技术。介绍了数据交换的含义和本文中参照完整性的实现方法：采用数据库端和应用程序端结合的方式。基于XML的交换技术在应用程序端分为导出数据、映射建模和导入数据3个过程，在分别介绍它们的同时，重点分析了如何在应用程序端来保证数据的参照完整性。  

基于单片机测控系统抗干扰的硬件设计

以80C51系列单片机作为下位机的分布式微机测控系统为研究对象，在提出干扰主要窜入渠道的基础上，从供电系统、输入输出通道等方面介绍了抗干扰的硬件设计方法。  

从ER模式到OWL DL本体的语义保持的翻译

提出了一种从ER模式到OWL DL本体的语义保持的翻译方法.该方法在形式化表示ER模式的基础上,建立ER模式和OWL DL本体之间精确的概念对应,通过一个翻译算法按照一组预定义的映射规则实现模式翻译.理论分析表明,该方法是语义保持的和有效的;算法实现和案例研究进一步证实,完全自动的机器翻译是可实现的.该文方法是原创性的,为Web本体的开发以及数据库和语义Web之间语义互操作的实现开辟了一条有效途径.  

小波神经网络预测模型的仿真实现

针对神经网络预测模型在对非线性序列进行预测时,容易陷入局部次优点,训练速度慢的缺点,在传统神经网络预测模型的基础上,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型.介绍了小波神经网络预测模型的构建,仿真模型和仿真算法,并把小波神经网络预测模型在matlab7.0以网络流量的预测对模型进行了效果检验,得出了预测精度较高的预测结果,并且克服了容易陷入局部次优点的缺点,同时训练速度较之神经网络预测模型大大提高.  

基于boltzmann选择策略的人工蜂群算法

人工蜂群算法(ABC)是一种基于蜜蜂行为的优化算法。基于Boltzmann选择机制提出了一种改进的人工蜂群算法(BABC)用来优化多变量函数。BABC算法使初始群体均匀化;采用Boltzmann选择机制来代替轮盘赌以防止算法过早收敛。经过实验证明,该算法具有全局搜索能力好,收敛速度快,参数设置少等优点。  

基于排序FP-树的频繁模式高效挖掘算法

FP-growth算法是目前较高效的频繁模式挖掘算法之一。在FP-growth算法中,FP-树及条件FP-树的构造和遍历占了算法绝大部分的时间,如果能减少这方面的时间,则有望进一步改善算法的效率。本文给出了一个频繁模式挖掘算法SFP-growth。算法通过将FP-树有序化及采用高效排序算法等措施来提高FP-树构造的效率,从而使算法达到较高的效率。实验结果表明,SFP-growth是一个高效的频繁模式挖掘算法,其性能优于Apriori、Eclat和FP-growtn算法。  

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.  

基于新的条件熵的决策树规则提取方法

分析了知识约简过程中现有信息熵反映决策表“决策能力”的局限性，定义了一种新的条件熵，以弥补现有信息熵的不足；然后对传统启发式方法中选择属性的标准进行改进，由此给出了新的属性重要性定义；以新的属性重要性为启发式信息设计决策树规则提取方法。该方法的优点在于构造决策树及提取决策规则前不进行属性约简，计算直观，时间复杂度较低。应用实例分析的结果表明，该方法能提取更为简洁有效的决策规则。  

射频识别系统中的防碰撞算法研究

在RFID系统中,为解决多个标签同时与阅读器交换数据所引起的碰撞问题,必须采用一定的防碰撞算法,标签防碰撞技术是RFID系统中的关键技术。详细分析了典型的二进制及动态二进制防碰撞算法原理,并在此基础上提出了一种新的防碰撞算法。该算法根据标签碰撞的特点,充分利用已得到的冲突信息,采用休眠计数的方法,使搜索范围大大缩小,提高了标签的识别效率。性能分析表明,该算法比已有的二进制及动态二进制反碰撞算法具有更明显的优势。