改进的Polar码的最小和译码算法

提出了改进Polar码的最小和译码算法,修正了最小和译码算法中的节点更新公式,即利用分段线性函数来逼近置信度传播译码算法中的函数lncosh（x）.相比于最小和译码算法,改进的算法在增加少许复杂度的情况下,增强了译码性能.相比于置信度传播译码算法,该算法在几乎不损失性能的情况下,大大降低了算法的计算复杂度,更易于硬件实现.该算法是基于最小和算法和置信度传播算法提出的,是在复杂度和性能上的一种折中.仿真结果表明,改进的最小和译码算法与置信度传播译码算法的性能几乎相同,比最小和译码算法的性能好.     

一种改进的Polar码的BP译码算法

为了减少置信度传播译码算法的计算复杂度,提出了一种改进的置信度传播译码算法.该算法在节点更新时,利用等误差的线性近似函数来代替算法中的双曲函数,相比于原始的置信度传播译码算法,改进的算法仅仅需要乘法和加法运算,因此大大降低了算法的计算复杂度,更易于硬件实现.仿真结果表明,在低信噪比时,改进的置信度传播译码算法的性能与原始BP译码算法的性能几乎相同,在高信噪比时,改进的置信度传播译码算法的性能比原始置信度传播译码算法的性能略差,在码长为256,误码率是10-6时,改进的置信度传播译码算法的误码率性能比原始的置信度传播译码算法退化了0.1dB.     

一种新的基于蚁群和凝聚的混合聚类算法

在经典蚁群算法和经典聚合算法的基础上,该文在改进蚁群算法的同时提出了一种新的基于蚁群和凝聚的混合聚类算法。该算法首先在蚂蚁放置物体时采用紧凑算法,其次对于可被蚂蚁负载的物体采用基于评估函数的调度算法,最后将凝聚算法融入蚁群算法的迭代过程。实验通过与其它聚类算法比较表明,该算法在继承了蚁群算法固有优点的同时,提高了时间效率,获得了较好的结果。     

基于改进的Adaboost算法的异常检测

异常检测问题是不均衡分类问题,Adaboost算法是一种有效的分类方法．分析了标准Adaboost算法,找出了标准Adaboost算法两个可以改进的地方,给出了改进的Adaboost算法,并在此基础上给出了异常检测算法．对医疗数据的异常检测结果表明了该算法的有效性．     

基于NLMS算法的自适应AQM控制机制的研究

针对RED算法在网络拥塞控制中使得队列波动较大的缺点,提出了一种归一化最小均方（NLMS）算法,并研究了NLMS算法在主动队列管理中的具体实现。仿真实验通过对NLMS算法、RED算法、REM算法、LRC-RED算法性能的比较,表明NLMS算法具有较好的动静态性能,且能够提高队列稳定性,降低丢包率。     

基于边界扫描技术的抗混淆自适应测试算法

针对现有边界扫描测试快速测试算法存在征兆混淆现象的问题,在深入分析多种测试算法的基础上,提出一种抗混淆的自适应测试算法.首先,通过分析走步算法的特点,给出一种走步算法的改进方案.该方案在保证算法完备性指标不变的情况下,提高了算法的紧凑性指标.在此基础上,结合改良计数序列算法,生成抗混淆自适应测试算法.该算法解决了改良计数序列算法存在的征兆混淆问题,极大提高了算法的完备性指标,且紧凑性指标较好.     

时空数据的有损压缩算法

介绍了一种基于等间隔时间变化的空间数据有损压缩算法,该算法是在“道格拉斯算法”之上,进行了一系列的改进。这种算法在满足一定欧式距离的情况下,很好地保留了空间数据的特征点,大大F 减少了在压缩过程中的计算量,具有较短时间和较高压缩比的特点,提高了算法的效率。     

基于TSK模型的模糊推理改进算法

在传统的基于TSK模型的模糊推理算法基础上,研究了一种改进的基于TSK模型的模糊推理新算法,并应用模糊神经BP算法给出三角形隶属函数下的算法的过程,最后将新算法与传统算法做了比较,得出基于TSK模型的模糊推理新算法在实际的过程中克服了传统推理算法会出现弱连续或不连续情况的优点。     

求解TSP的贪心模拟退火算法

通过分析传统模拟退火算法的不足和可行的改进方案,提出了一个用于求解TSP问题的贪心模拟退火算法.新算法在改进的模拟退火算法的基础上结合改进的贪心算法,增加了算法的解的质量.实验表明,新的算法比传统的模拟退火算法和贪心算法有更优的解.     

基于改进的单纯形和微分进化的混合优化算法

在对微分进化算法DE进行分析的基础上,结合单纯形算法(NM),提出了一种基于DE和NM的混合算法DE-NM,该算法充分利用DE算法的全局搜索能力和NM算法的局部搜索能力,使得种群既保持了个体的多样性,同时也加快了收敛速度。通过与其他一些优化算法对比表明,DE-NM混合算法是求解优化问题的一种有效算法。     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

基于遗传蚁群算法的Qos路由约束问题的研究

针对Qos路由约束问题（是一个NP-完全问题,即是一个多项式复杂程度的非确定问题）,设计了一种将遗传算法和蚁群算法优点融合的算法（GA_ACO）.该算法的基本思想是：用遗传算法生成蚁群算法需要的信息素初值,然后利用蚁群算法求得精解.通过NS2仿真表明遗传蚁群算法相比单一的遗传算法和蚁群算法更适合解决Qos路由约束问题.     

改进的模糊边缘检测算法在图像处理中的应用

分析了Pal模糊边缘检测算法,并针对Pal算法提取边缘轮廓不清晰的问题,提出了一种新的模糊边缘检测算法.该算法重新定义了隶属度函数,简化了复杂的变换运算,而且提出了确定模糊增强变换中最佳隶属度阈值的算法.实验结果表明,该算法提高了运算效率,而且提取的边缘比较精细.     

求解有约束非线性规划的混合混沌算法

针对带有约束的非线性规划问题,提出了一种新的算法.首先把有约束的非线性规划转化为含有2个目标的无约束的优化问题,然后利用混沌优化算法和最速下降法来混合求解.数值计算结果显示,该算法是可行有效的.     

RA码译码简化算法的研究

RA码BP译码算法，可以实现线性时间译码，然而具有较高的复杂度。为了便于硬件实现，首先提出将最小和算法应用于RA码，然后对最小和算法进行了改进，提出了归一化算法和偏移算法，使循环译码算法在复杂度和性能之间取得了较好的折衷。仿真结果表明：归一化算法和偏移算法复杂度低，性能接近BP算法。     

一种最速下降的贪婪迭代算法

压缩传感应用于图像压缩重构的算法通常有凸优化算法和贪婪迭代算法两大类.一般而言,凸优化算法重构概率高、速度较慢,贪婪迭代算法具有较快的重构速度,但损失了重构质量.结合凸优化算法中的最速下降法及贪婪迭代算法中的正交匹配算法(OMP),提出了一种新的算法,并应用于一维信号和二维图像信号的压缩重构实验,且深入对比分析了不同降采样矩阵对新算法的影响.结果发现,对同一降采样矩阵,即使图像的纹理不同,新算法在重构质量及重构时间上都优于原始的OMP算法.     

一种改进的自适应脉冲对消LMP算法

应用一种改进的最小平均l_p范数算法对有用信号中存在的脉冲噪声进行对消. 这种算法是根据对输入信噪比的估计,在最小平均l_p范数算法的基础上改进的. 为了测量这种算法下脉冲噪声的对消性能,引入了一种新的信号失真的性能测度,叫分数阶信噪比. 在7种不同输入信噪比情况下,对最小平均l_p范数和改进的最小平均l_p范数算法进行了比较,结果表明改进的算法比最小平均l_p范数算法稳定,收敛速度快,性能明显优于最小平均l_p范数.     

一种快速收敛的BP算法

在常规算法的基础上，提出了一种基于变斜率算法与共轭梯度算法的接力逆向传播算法。通过寻找神经元激活函数的最优斜率集来加速迭代，还充分利用了共轭梯度算法的快速二次收敛的特点。计算表明，该算法收敛速度快、学习精度高。     

基于多层神经网络的盲均衡算法

提出了一种新的基于多层神经网络的盲均衡算法,神经网络的训练采用一种新的混合算法。该算法结合了Ｒｏｓａｒｉｏ算法与Ｓｏｌｉｓ和Ｗｅｔｓ的随机优化方法的优点,具有全局收敛特性。模拟结果显示,该算法比常量模板算法具有更快的收敛速度,性能优于线性均衡器和使用传统ＢＰ方法的神经网络均衡器。     

蚂蚁算法在天线结构优化设计中的应用

蚂蚁算法是优化领域内，近年来提出来的并得到较大发展的一种新的仿生优化算法，它已被迅速应用到如组合优化、人工智能等多个领域。通过两个典型的天线结构优化问题，采用蚂蚁算法、遗传算法以及模拟退火算法进行了优化并加以比较。结果表明，蚂蚁算法能够成功应用于大型天线结构优化问题，同时蚂蚁算法的优化结果优于遗传算法和模拟退火算法。