一种改进的自适应不完整自然梯度盲源分离算法

与自然梯度盲源分离算法相比,不完整自然梯度算法避免因源信号非平稳或幅值快速变化而引起的数值不稳定.在深入分析和推导该算法的基础上,针对其中非线性激活函数难以确定的困难,提出一种利用峰度对激活函数进行自适应选择的改进算法.该算法无需已知源信号的先验信息,既保留了不完整自然梯度算法恢复非平稳源信号的优势,又可使其适用于服从任意分布的源信号.仿真比较结果表明,该方法性能优于选择正切函数作为激活函数的不完整自然梯度算法,分离效果较好.     

基于USB的16位简易数字信号源设计与实现

针对许多数字产品开发调试中,需要任意序列的数字信号,设计并实现一种基于USB技术的简易16位数字信号源系统.系统由计算机产生需要的数字序列,通过USB总线技术,将数据输出.系统硬件接收USB数据,并进行必要的转换处理,最终得到可以作为调试源的数字序列.最后,从硬件、固件、驱动程序、应用程序等4个方面阐述了设计思想及实现方法.     

自适应激素调节遗传算法

基于生物内分泌系统的激素调节原理,提出了一种新的自适应遗传算法。该算法以内分泌激素调节的Hill函数下降形式为基础,设计了自适应交叉算子和自适应变异算子,使交叉率和变异率在遗传算法迭代过程中,能够根据各代种群多样性的变化进行自适应调节,在整个进化过程中将种群多样性维持在合理水平。4种测试函数及三维人脑图像分割的实验结果显示,提出的自适应遗传算法可较好地保持种群多样性并克服早熟现象,性能优于其他两种自适应遗传算法及传统遗传算法。     

基于改进模糊指数熵双阈值的3维人体图像分割优化算法

由于3维人体图像数据量大,导致分割耗时严重;人体组织间灰度差异相对较小,致使分割效果不佳。针对上述3维分割的两大难点问题,提出了改进的模糊指数熵函数来改善分割结果,并以加权免疫遗传算法(WIGA)对阈值进行优化搜索,从而提出了一种基于改进模糊指数熵双阈值的3维图像分割优化算法。真实人体胸部数据的分割结果表明,与传统熵函数及模糊隶属度函数相比,改进的最大模糊指数熵函数得到的阈值分割效果更好,且提出的WIGA算法的耗时仅为传统穷尽搜索法的14%。在与简单遗传算法(SGA)和免疫遗传算法(IGA)耗时基本相同的情况下,100次阈值计算结果表明,本文算法更加精确、稳定。     

基于改进模糊指数熵双阈值的3维人体图像分割优化算法

由于3维人体图像数据量大,导致分割耗时严重;人体组织间灰度差异相对较小,致使分割效果不佳。针对上述3维分割的两大难点问题,提出了改进的模糊指数熵函数来改善分割结果,并以加权免疫遗传算法（WIGA）对阈值进行优化搜索,从而提出了一种基于改进模糊指数熵双阈值的3维图像分割优化算法。真实人体胸部数据的分割结果表明,与传统熵函数及模糊隶属度函数相比,改进的最大模糊指数熵函数得到的阈值分割效果更好,且提出的WIGA算法的耗时仅为传统穷尽搜索法的14%。在与简单遗传算法（SGA）和免疫遗传算法（IGA）耗时基本相同的情况下,100次阈值计算结果表明,本文算法更加精确、稳定。     

用免疫量子克隆算法估计声源频率和DOA的SPM方法

提出了一种可用于同时估计声源频率和波达方向(DOA)的信号相位匹配(SPM)方法.通过SPM原理方位估计的最小二乘解,构造了以信号方位和频率作为双自变量的适应度函数,采用免疫量子克隆算法(IQCA)对其进行非线性全局寻优.该方法在保留SPM方位估计算法低信噪比下具有高分辨率优势的基础上,改善了传统SPM方位搜索计算量大,需设置固定搜索步长和频带范围的问题,使信号相位匹配原理不仅扩展到了二维参数的联合估计,而且加速了搜索最优参数的收敛过程.-10 dB信噪比时,宽频带和角度搜索范围内的100次独立Monte-Carlo实验表明,方位和频率估计值的标准差可分别达到1.444°和0.361 1 Hz,同时运算耗时较传统SPM方法缩短94%,适于工程应用.     

基于广义高斯分布模型的盲源分离算法

分析了盲源分离的自然梯度算法与常规梯度算法的差异，研究了在自然梯度算法中引入不完整基后的算法特性，严格剖析了不完整自然梯度方法的成因与机理，数学上论证了与自然梯度盲源分离算法相比，不完整自然梯度算法避免了因源信号非平稳或幅值快速变化而引起的数值不稳定，并利用广义高斯分布模型模拟不完整自然梯度算法中的非线性激活函数，根据高斯指数值的不同选择，使该算法适用于服从任意分布源信号的方法。分别选取非平稳语音信号、脑电和心电信号以及正弦波和脑磁波信号进行仿真实验，结果表明基于广义高斯分布模型的不完整自然梯度算法完全能够恢复出这些不同类型的源信号。     

支持向量机集成和特征选择联合算法

提出了两种基于支持向量机集成和特征选择联合算法。联合算法的核心思想是在构建基础分类器的同时选择有效特征。通过对实测舰船数据和公共数据的识别实验,证明了两种算法都可以用于舰船目标识别。算法一更适用于冗余特征较多的情况。算法二在对舰船目标识别时,选择的特征数目降低为原来特征数目的30%,正确分类率比单个支持向量机高近10%。     

基于标准差的自适应激素调节遗传算法

基于生物内分泌系统的激素调节原理,提出了一种新的自适应遗传算法。该算法以内分泌激素调节的H ill函数下降形式为基础,设计了自适应交叉算子和自适应变异算子,使交叉率和变异率在遗传算法迭代过程中,能够根据函数适应度值的标准差进行自适应调节,使得整个进化过程中将种群多样性维持在合理水平,从而保证算法的正常进化。4种测试函数及三维人脑图像分割的实验结果显示,提出的自适应遗传算法可较好地保持种群多样性并克服早熟现象,性能优于其他3种自适应遗传算法及传统遗传算法。