动态存储模型研究

提出了考虑资金时间价值与增值税的动态存储模型，并给出了两种解法，试算法和约算法。其中试算法包括试算订货量法和试算订货次数法。然后将此模型与普通的静态存储模型进行了对比。     

一种改进的高斯混合模型算法

建立声学模型是说话人识别技术的重要环节，一种好的建模方法对说话人识别系统的识别率具有极其重大的影响。本文介绍了一种改进的高斯混合模型算法——将聚类算法与传统高斯混合模型结合起来的建模方法，并对此种建模方法得出的识别效果与传统的高斯混合模型进行了比较。从对比结果可以看出，基于聚类的高斯混合模型的说话人识别相对于传统的高斯混合模型在识别率上有所提高。     

一种神经网络模型在混凝土配比设计中的应用

本文描述了人工神经网络的模型和算法，给出了BP神经网络模型和算法的相关变量的处理方法。用这种方法，对混凝土配合比试验数据进行分析预测，效果良好。说明BP神经网络模型可用于混凝土混合比强度预测中。     

多处理器实时系统容错ICDM调度算法

目的提出一种针对多处理器实时系统中具有时间、资源和容错需求任务的调度算法来满足硬实时系统实时性及可靠性要求．使硬实时系统在发生故障的情况下，任务也能在其截止期内完成，不致产生灾难性后果．方法将非精确计算模型引入到Distance Myopic算法中，通过非精确计算模型与Distance Myopic算法的有效结合，提出ICDM算法．结果任务分为主副两个版本，每个任务都由两部分组成：强制执行部分和选择执行部分；当任务强制执行部分不能达到截止期时．通过调用MOPT算法减小前序任务选择部分的执行时间，使其满足截止期要求．ICDM算法使任务在保证结果可接受的情况下，在其截止期内完成，提高了任务的可调度性．结论通过引入非精确计算模型，使算法的可调度性增强了，也提高了硬实时系统的实时性及可靠性．     

基于EM算法的杂波环境下机动目标跟踪研究

提出了一种新的基于EM方法的杂波环境下实时机动目标跟踪算法，算法与交互多模概率数据关联算法结构近似，模型后验概率与关联概率由HMM滤波计算得到．仿真结果表明，所提算法跟踪精度与传统交互多模概率数据关联算法性能相当，该算法是有效的．     

电力系统微机保护算法的研究

根据电力系统故障时的电压电流函数，从算法原理上重点分析了微机保护中随机函数模型的算法，并讨论了确定性函数模型算法的特点和应用范围。     

灰色新息GM（1,1）模型的递推算法

在研究新息ＧＭ（１，１）模型传统算法的基础上，提出了灰色新息ＧＭ（１，１）模型的一种新算法－递推算法。     

基于粒子群优化算法的BP神经网络在图像识别中的应用

介绍了一种采用微粒群算法与BP算法相结合的方法用于BP神经网络模型优化，来提高模型的收敛速度和精度。仿真结果表明，与BP算法相比较，PSO—BP学习算法训练的神经网络不仅训练时间明显缩短，而且其预报精度也得到了较大的提高。     

交互多模型单目标跟踪算法应用分析

给出了交互多模型算法的数学描述，分析研究了IMM算法的性能及其在单目标跟踪中的具体应用．通过理论分析和计算模拟，证明相互作用多模型目标跟踪算法和单模型目标跟踪算法相比，能较好地跟踪机动目标，并能改善非稳态目标的全局跟踪性能．     

前馈型人工神经元网络在语音识别中的应用

介绍了人工神经元网络误差反馈模型的理论基础，学习算法及识别误差算法，阐述了ＢＰ网络模型用于语音识别中语音数据的处理方法，网络构成，实现步骤及其实验结果。     

利用人工神经元网络估算打入桩竖向承载力

阐述了人工神经元网络ＢＰ算法的模型，并通过实例运用ＢＰ网络算法估算了打入桩竖向承载力，实践证明，该模型准确性好，使用简单方便。     

电缆故障定位系统中的参数估计

为实现电缆故障定位系统的参数估计，提出了一种用于模型参数估计的改进贝叶斯算法．改进后的贝叶斯算法克服了原算法要求噪声是均值为零且与输入信号不相关的白噪声的模型限制，它不仅可以估计系统模型参数，而且可以估计噪声参数．仿真结果表明，改进后的贝叶斯算法能使系统模型参数和噪声模型参数迅速收敛，其精度可以达到令人满意的状态．     

基于人工神经网络的交通事件检测

回顾几种传统的交通事件检测算法，提出从多层前向人工神经网络角度建立模型，并运用BP算法予以实现。在将BP算法与传统算法进行比较之后，发现BP算法具有检测率高、误报率低、检测时间短的优点，同时也存在不足之处，指出了今后进一步研究的方向。     

一类离散非线性动态系统优化控制算法

本文针对模型与实际存在较大差异的情况，提出了一种基于模型来求解离散非线性系统的优化控制算法。通过扩展模型和实际的状态方程，将差分方程转化为代数方程，得到动态参数估计和系统优化集成（ＤＩＳＯＰＥ）的迭代算法，经过若干次迭代，获得实际动态系统的最优解。在较弱的条件下，证明了该算法的收敛性和最优性。仿真例子说明了该算法的性能。     

一种具体的路由选择算法

本文介绍在研制群(团)系统通信控制机过程中，针对具体的路由模型所提出的路由选择算法。该算法比较直观，不需要复杂的图论知识。     

物流配送路线模型优化及应用

在物流配送问题中，车辆调度问题(VRP)是一个关键问题，也是组合优化领域的前沿与热点问题。该文根据MG公司配送中心的特点，建立了该公司的VRP模型，运用启发式算法中的节约算法对MG公司配送网络进行了细致的优化，找到—个满意的方案。     

一种预测控制算法

本文根据模型算法的思想，提出了的模型算法对象的输出信息不经滞后就反馈，采用闭环校正修正预测输出值，通过在线滚动优化可获得预期的动态控制性能。     

基于LMS算法的自适应均衡器的MATLAB实现

介绍了基于最小均方算法(LMS算法)的自适应均衡器的原理和结构，针对用硬件实现LMS算法的自适应均衡器存在的诸多缺点，利用MATLAB工具对各种结构形式的自适应均衡器在不同信道模型下的收敛速度和精度进行仿真，并介绍了该仿真程序。     

基于决策树的就业数据挖掘

针对学生就业问题，给出了就业数据挖掘模型．决策树方法是数据挖掘中非常有效的分类方法，根据就业数据特点，采用了C4．5决策树算法．C4．5算法是决策树核心算法ID3的改进算法，它构造简单，速度较快，容易实现．模型对就业数据预处理，选取决策属性，实现挖掘算法并抽取规则知识，由规则知识指出哪些决策属性决定了就业单位的类别，挖掘结果表明，该算法能够正确将就业数据分类，并得到若干有价值的结论，供决策分析。     

基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型．但算法有求解精度低、搜索速度慢、易于陷入极小的缺点．蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性．这些特性使得解题过程加快，易于实现分布式计算．将蚁群算法和神经网络相结合起来，实现了非线性模型的辨识问题及倒立摆的控制．仿真实验表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能．