一种改进的运动矢量编码方法

对现有的运动矢量编码算法作了改进．新算法根据图像在水平及垂直方向运动量的差异，将运动矢量的编码分为3种模式．对不同的编码模式采用不同的码表进行编码．仿真结果表明，新算法减少了10％-40％的运动矢量编码比特数，同时提高了重建图像质量达0．05—0．1dB．此外，新算法还提高了输出码流的抗误码性能和编码器流控的精确程度．     

基于集中参数模型的冷凝器稳态仿真改进算法

根据目前冷凝器的稳态集中参数法仿真算法流程简化出一种改进的算法流程，新算法减少了迭代层数，降低了计算量，缩短了收敛时间，同时提高了程序的稳定性和健壮性．将新算法应用于某壳管式水冷冷凝器的仿真计算中，仿真结果与实验结果的对比表明，新算法在简化仿真流程的同时，精度也能得到保证．     

基于概念格的频繁闭项集增量挖掘算法研究

近年的研究表明，概念格可以应用于解决频繁闭项集的挖掘问题．针对已有渐进式概念格构造算法中存在的问题，提出了一种基于概念格的频繁闭项集增量挖掘新算法——FIPT-I算法．新算法利用模式树对概念格进行组织，并利用模式树压缩数据库中的事务，在渐进式构造概念格的同时实现了事务的批处理，减少了概念格的调整操作时间．实验结果表明，与其他同类算法相比，FIPT-I算法对于增量挖掘频繁闭项集来说具有更高的效率．     

未知源信号数日投影自然梯度盲信号分离算法

分析了已有源信号数目未知的盲信号分离算法中分离矩阵的动态变化，找到了分离矩阵范数趋于无穷大而导致算法发散的原因：分离矩阵在某一等价类中的冗余移动．利用正交投影方法消去了自然梯度中引起冗余移动的冗余分量，推导出源信号数目未知的投影自然梯度算法．新算法具有与自然梯度算法相同的收敛速度，而且克服了已有算法不能稳定收敛的缺点．仿真验证了新算法的分离性能和收敛稳定性．     

求导数零点的一种大范围平方收敛的新算法

采用二分法预报、改进的Aitken迭代校正的方法，构造了一种求导数零点的一种新算法．新算法在迭代过程中不用计算导数，且二阶收敛．数值试验表明，该算法具有较高的精度和较大的初值选择范围。     

基于混合遗传算法的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法，解决了在故障诊断系统中BP算法容易陷入局部极小值的问题．该算法是在遗传算法中引入模拟退火机制，将其同BP算法结合，形成一个混合的优化算法．新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强的全局随机搜索能力．仿真结果表明，这种改进算法极大提高了内燃机故障诊断系统的效率和准确性．     

基于方向重建滤波核的Splatting新算法

提出一种基于方向重建滤波核的Splatting新算法，以增强体绘制中物体的边缘．该算法基于三维数据场的梯度信息，投影时自适应地选择有方向的椭圆高斯足印函数，与传统Splatting相比，能够减小投影中的足印重叠现象，在绘制时间相比拟的条件下可更加精细地绘制出三维物体的轮廓．分别给出了平行投影和透视投影下的新Splatting算法，并对该算法在透视投影中的误差进行了分析．     

基于后置近邻函数准则的改进型模糊聚类算法

针对不规则形状分布的数据，提出了一种新型模糊聚类算法．该方法结合了近邻函数准则分类算法，对模糊C均值聚类算法进行了拓展．仿真实验表明对球形分布的数据和非球形分布的数据，这种新算法的聚类性能优于模糊均值聚类算法。     

三维数据场等值面构造算法及其应用

在研究传统的ＭａｒｃｈｉｎｇＣｕｂｅｓ算法的基础上，提出了跟踪体元相关点构造等值面的新算法．该算法能够简捷地确定等值面和体元的相交情况，减少了传统算法中存在的面模糊问题．实现了三维数据场任意截面剖切的功能，任意平面和等值面相截，得到了该截面上的等值线信息．在等值线的构造中，采用了离散点二分排序的新方法．     

一种新的基于密度的聚类与孤立点检测算法

目的 提出一种聚类分析的新算法，解决聚类和同时检测孤立点的问题．方法 结合SNN算法和LOF算法给出新算法-SNN_LOF算法原理：（1）建立相似度矩阵；（2）去除噪声；（3）密度；（4）标记核心点；（5）计算每个数据点的lrd值；（6）由核心对象出发来形成一个聚；（7）取出被作为噪声的数据点；（8）计算被定义为噪声数据的LOF值，输出被视为孤立点的数据点．编制算法程序实现聚类和孤立点检测．结果 用CURE数据集，DBSCAN聚类算法和SNN聚类算法结果相同，时间消耗是很接近的．但当数据上升到10000以上时，SNN_LOF算法聚类的效率明显要高于DBSCAN算法，同时也检测到了孤立点．结论 SNN_LOF算法可以在聚类的同时发现孤立点．在大数据量时，SNN_LOF算法的聚类时间效率明显要高于DBSCAN算法．     

一种基于遗传线性搜索算法的关节手模型匹配方法

提出了一种可替代传统搜索算法的改进型模型匹配算法 这种算法将遗传算法 (GeneticAlgorithm ,GA)和经典的线性搜索算法 (LineSearch ingAlgorithm ,LSA)相结合 它能保证匹配解是全局最优的并且运算是近乎实时的     

原始—对偶单纯形算法

原始——对偶单纯形算法是解线性规划问题的一种有效算法.它比原始单纯形法、两阶段单纯形法、对偶单纯形法具有更大的优越性.本文扼要介绍了原始——对偶单纯形算法及其数学模型,算法步骤和框图,并给出了算例.     

基于鱼群算法和Ｈｏｐｆｉｅｌｄ网络的ＰＩＤ参数寻优

提出1种融合了人工鱼群算法与Hopfield神经网络的PID参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Hopfield神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Hovfield网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机PID控制中的参数寻优,结果表明新混合算法的整定效果好于Hopfield神经网络,且该算法简单易实现．     

基于智能处理的融合定位解算算法

对基于数据融合的定位解算算法进行了研究,在将遗传算法、模拟退火算法和经典的Chan氏算法性能比较的基础上,将遗传算法与模拟退火算法相结合,提出了基于数据融合的定位解算算法。仿真结果表明：融合算法的定位精度优于非融合算法,且运算量较小。     

提高前馈神经网络学习效率的学习算法探讨

简要分析了最速下降法（Ｓｔｅｅｐｅｓｔ Ｄｅｓｃｅｎｔ Ａｌｇｏｒｉｔｈｍ ,即ＳＤＡ 法）和正交校正共轭梯度法（ＣＧＭ－ＯＣ法）的优缺点,提出了一种进行多层前馈神经网络学习的新算法,即ＳＤ－ＣＧＭ－ＯＣ算法．该算法结合最速下降法与正交校正共轭梯度法的特点,在文中所述实际问题构造模型的基础上,论证了ＳＤ－ＣＧＭ－ＯＣ算法比传统的ＢＰ算法具有更高的学习效率和二次收敛率．实验结果验证了该学习算法的有效性．     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

一种改进的模糊C-均值聚类算法

分析了现有FCM聚类算法存在的问题,提出了一种改进的FCM聚类算法.该算法引入了最近邻聚类算法来初始化FCM算法的聚类数和聚类中心.实例分析表明改进后的FCM算法不仅能提高聚类的准确性,而且能有效地避免陷入局部最优.     

期望按期完工工件数最大化算法研究

该文讨论工件加工时间为随机变量的单台机排序极大化期望按期完工工件数问题。在确定性排序问题中，Moore算法给出问题的最优解，但事实上Moore算法的期望值版本不能给出期望按期完工工件数最大化问题的最优解。文章从研究排序中工件的按期完工置信系数人手，结合Moore算法，提出了一个启发式算法，有效地解决了该随机排序问题的实际计算。     

C4.5改进算法及其在客户价值分析上的应用

客户价值的分析在现代企业中起着重要的作用,而分类算法在分析客户价值上是卓有成效的。决策树算法是分类算法中一类重要的算法,其中以C4.5算法最为流行,但是这种算法准确率性能方面还不是很理想。在C4.5算法的基础之上引入推进技术,改善了C4.5算法的准确率性能。实验证明,用改进后的C4.5算法分析超市客户数据,其算法的准确率高于原算法,增强了决策的可信度。     

基于人工免疫-蚁群算法的平面QoS路由模型

人工免疫算法具有快速随机的全局搜索能力,但系统中的反馈信息利用不足且有大量无为的冗余迭代。蚁群算法具有分布式并行全局搜索能力,但初期信息素匮乏。本文提出一种基于人工免疫-蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解包含带宽、时延和最小代价约束条件在内的平面QoS路由模型问题,进行计算机仿真。结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。