两类多输出逻辑函数的关系

首次给出了多输出广义部分Bent函数的定义并论证了其的存在,得到了多输出广义部分Bent函数的等价判别条件,给出了多输出p值广义部分Bent函数与多输出p值广义Bent函数的关系,并讨论了这两者的广义一阶Chrestenson谱的关系,为多输出p值广义部分Bent函数的构造提供了一种方法。     

基于特征值分解的最大间隔支持向量回归机

广义特征值中心支持向量回归机(GEPSVR) 是一种有效的核回归算法, 但其在求解优化问题时易导致奇异 性问题. 为此, 提出一种基于特征值分解的支持向量回归机, 简称IGEPSVR. 与GEPSVR 相比, IGEPSVR 的主要优势 有: 结合最大间隔准则和GEPSVR 几何思想给出了新的距离度量准则; 在优化模型中引入Tikhonov 正则项, 克服了 可能产生的奇异性问题; IGEPSVR 仅需求解两个标准特征值, 降低了计算复杂度. 实验结果表明, 较GEPSVR 算法, IGEPSVR 不仅提高了学习能力, 而且缩短了训练时间.

     

Robustness of linear uncertain sampled‐data control systems with generalized sampled‐data hold functions

This paper investigates robust stability of linear time‐invariant (LTI) uncertain sampled‐data control systems with generalized sampled‐data hold functions (GSHFs). A new sufficient condition for robust stability of such systems is developed. Unlike that of most of the previous works, it directly uses the data of the continuous‐time plant and therefore it is less conservative. The condition is expressed in terms of the spectral radius of a certain matrix and is shown to be a unimodal function of a free parameter. This property enabled us to use standard one‐dimensional optimization algorithm to perform the proposed test. Copyright © 2006 John Wiley & Sons, Ltd.     

Point Monotonicity and Radial Convexity of First Order Approximation Mappings

In non-smooth optimization a central role is performed by the concept which replaces the gradient. Several notions of generalized differentiability have been introduced and, within these frameworks, some attempts have been made to characterize non-differentiable functions, by different concepts of generalized monotonicity related to the generalized convexity of the functions. Our purpose is to approach this topic by some kinds of generalized monotonicity and convexity of the first order approximation mappings for the functions, suitable from theoretical and computational points of view.     

基于稀疏解组合优化的广义重心坐标

根据广义重心坐标线性运算的性质与特点,运用广义重心坐标的稀疏解权函数的 调和平均组合方法,对空间凸多面体顶点设计了一种求解广义重心坐标的算法,且权函数是带 有保形参数的一元函数,因而具有保形优化的特点。构造了 2 种不同类型的带形参权函数,运 用不同权函数及其参数的广义重心坐标将平面图形映射到空间曲面的实例进行了分析,并应用 重心坐标常用的等值线工具对保形性进行了比较。     

双线性广义模糊增强边界图像检测算法

在模糊集和广义模糊集理论的基础上,给出了用于模糊增强图像区域对比度的线性广义模糊算子,实现了图像的双线性快速无损边界检测算法．该算法利用线性左半梯形模糊分布函数和线性广义模糊算子实现灰度图像空间、普通模糊空间和广义模糊空间之间的转换,同时对广义模糊空间进行区域对比度增强,最后在灰度图像空间中提取边界．大量实例表明：利用文中算法提取图像边界速度快、效果好,并且在多项指标上均超过了Pal算法、陈武凡算法和王晖算法．     

一种新型的非结构模型和基于它的广义预测控制器

本文给出离散Laguerre函数的三项递推公式和非结构模型的定义;提出应用离散Laguerre 函数的有关性质建立过程的非结构模型的方法;得到一个新型的非结构模型;并导出 了基于该模型的广义预测控制器;最后,以仿真例子说明了该控制器的有效性.     

三角域上Said-Ball基的推广渐近迭代逼近

目的：如果一组基函数是规范全正（Normalized Totally Positive, abbr. NTP）的,并且对应的配置矩阵是非奇异的,那么由它所生成的参数曲线或张量积曲面具有渐近迭代逼近（progressive iteration approximation, abbr. PIA）性质。为了进一步推广渐近迭代逼近性质的适用范围,本文提出对于一组基函数,如果其对应的配置矩阵不是全正的,那么该基函数也可能具有渐近迭代逼近性质。方法：提出的定理是以基函数具有渐近迭代逼近性质时其对应的配置矩阵所需满足的条件作为理论基础,建立了配置矩阵为严格对角占优或者广义严格对角占优矩阵与基函数具有渐近迭代逼近性质之间的联系。结果：配置矩阵为严格对角占优或者广义严格对角占优矩阵,则相应的三角曲面具有PIA性质或带权PIA性质,即广义PIA性质。数值试验验证了上述理论,并细致地分析了三角域上的低次Said-Ball基,指出了它们具有相应的广义PIA性质。结论：本文将渐近迭代逼近的适用范围推广到三角域上的一般混合基函数。类似三角域上Said-Ball基,本文算法亦可用于研究三角域上的其他各类广义Ball基的PIA性质。     

应用信号变化度的线性混合信号盲分离算法

论文首先给出了信号变化度的概念,并证明了信号变化度的一个性质:互相独立的一组源信号的线性混合信号的变化度介于源信号中的最小变化度和最大变化度之间。然后,利用矩阵广义特征值理论,给出了一种基于线性混合信号盲分离算法。该算法计算简单,具有闭解形式;并能分离源信号中既有亚高斯信号又有超高斯信号的情况。仿真结果表明该算法是有效的,并具有很好的分离性能。     

求解第二类广义旅行商问题的虚顶点遗传算法

按照费用函数满足约束条件的不同,可以把广义旅行商问题(GeneralizedTravelingSalesmanProblem,简称GTSP)分为两类。目前,对GTSP解法的研究主要是面向费用函数满足三角不等式的第一类问题,而对于费用函数不满足三角不等式的第二类问题,则研究的比较少。文章针对第二类GTSP问题,提出了在广义染色体中加入虚顶点的新遗传算法。经过14个TSP问题库内的基准问题的测试表明,新算法是有效的。     

基于广义信息距离的直接聚类算法

提出了基于广义信息距离的直接聚类算法.基于信息理论给出了离散量的基本概念,讨论并证明了离散量的一个基本不等式,进而给出了离散增量的概念.在分析距离测度的基础上,提出了广义信息距离(GID)、改进的广义信息距离(IGID),建立了基于GID,IGID的直接聚类算法,并对土地肥力数据资料进行了聚类分析.结果表明,建立的算法与传统的聚类算法相比,算法原理简便、对数据本身的维数与分布要求不高,且具有较好的聚类效果.     

Image Restoration with Discrete Constrained Total Variation Part II: Levelable Functions, Convex Priors and Non-Convex Cases

In Part II of this paper we extend the results obtained in Part I for total variation minimization in image restoration towards the following directions: first we investigate the decomposability property of energies on levels, which leads us to introduce the concept of levelable regularization functions (which TV is the paradigm of). We show that convex levelable posterior energies can be minimized exactly using the level-independant cut optimization scheme seen in Part I. Next we extend this graph cut scheme to the case of non-convex levelable energies.We present convincing restoration results for images corrupted with impulsive noise. We also provide a minimum-cost based algorithm which computes a global minimizer for Markov Random Field with convex priors. Last we show that non-levelable models with convex local conditional posterior energies such as the class of generalized Gaussian models can be exactly minimized with a generalized coupled Simulated Annealing.     

基于测地线距离的广义高斯型Laplacian 特征映射

传统的Laplacian 特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian 特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian 特征映射算法(geodesicdistance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K 固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法.     

Numerical solution of optimal control problems governed by integro‐differential equations

In this paper, an efficient hybrid approximation scheme for solving optimal control problems governed by integro‐differential equations is proposed. The current approach is based on a generalization of the hybrid of block‐pulse functions and Legendre's polynomials. An upper bound for the generalized hybrid functions with respect to the maximum norm is acquired and its convergence is demonstrated. The optimal control problem under study is transcribed to a mathematical programming one. Two illustrative examples are considered to verify the capability and reliability of the proposed procedure.     

加权M?ller算法的广义加权规则

提出一套针对加权Moller算法的广义加权规则用于探讨改进并行提取次成分分析的理论和方法问题.该规则仅在加权Moller算法上引入一个加权规则参数,通过调节参数后算法性能上的变化,实现加权Moller算法稳定性在动力学层面上的分析,探讨加权参数变化对算法稳定性的影响.基于常微分方程方法对所提出规则下的加权Moller算法进行稳定性证明,并分析其中关键函数的性质.最后,MATLAB仿真验证了所提出规则的性能和算法性质.     

基于T-S 模型和小世界优化算法的广义非线性预测控制

提出一种新型的基于T-S模糊模型和小世界优化算法的广义非线性预测控制策略.采用基于混沌遗传算法的T-S模糊模型描述复杂非线性系统的动态特性,构成模糊多步预报器.同时,针对现有基于二进制和十进制编码小世界优化算法运行时间长等缺点,提出一种新型的基于实数编码的小世界优化算法,函数测试和应用于非线性预测控制的滚动优化反映了其较强的寻优能力.最后,将其应用于基于实际数据的T-S模糊模型的广义非线性预测控制,满足了系统实时性和快速稳定性的要求.     

关于矩阵指数的PADE逼近新算法

基于广义逆矩阵Pade逼近的特点是在保持逼近阶的前提下,在构造过程中不需要 用到矩阵的乘法运算.利用该结果建立矩阵指数etA的一种新的非线性逼近算法.该方法与原 Pade近似法相比具有明显的优点,即它对奇异矩阵和高阶矩阵是适用的,并且所得到的算法 适合编程上机进行计算.给出的一个计算实例说明了算法的有效性.逼近公式的存在性和唯 一性得到了证明.     

基于布尔函数正规性的广义Bent函数构造

基于广义Bent函数的正规性,结合子空间上的特征函数,分析广义正规Bent函数的Chrestenson谱特征。利用间接构造Bent函数的方法,在整数模m的剩余类环Zm以及 元域Zp上,给出2类新的 元广义Bent函数。理论分析结果表明,与传统构造方法相比,该方法可构造出更多的 元广义Bent函数。     

一种广义次成分提取算法及其收敛性分析

广义次成分分析(generalized minor component analysis,GMCA)在现代信号处理的许多领域具有重要作用.目前现有的大多算法不能同时具备与算法对应的信息准则,以及收敛性、自稳定性和多个广义次成分提取的性能.针对上述问题,利用一种新的信息传播规则,推导出一种广义次成分提取算法,并采用确定离散时间方法(deterministic discrete time,DDT)对算法的全局收敛性能进行分析;同时,通过理论分析算法的收敛性能与算法初始状态的关系,表明算法具有自稳定性.进一步地,探索了算法在多重广义次成分提取方面的应用.相比之前的算法,所提算法具有更快的收敛速度.Matlab仿真验证了所提出算法的各项性能.     

基于启发式NDFS的模型检测新算法

以带有多个可接受条件的广义Büchi自动机为研究对象,提出基于启发式NDFS的模型检测新算法.该算法结合on-the-fly算法与启发式NDFS算法,能较快地判断出广义Büchi自动机非空性,通过理论证明和实验验证了算法的正确性和可行性.与已有算法相比,在广义Büchi自动机非空的情况下,该算法减少了系统状态空间的搜索,提高了检测效率,且能形成相应反例,为缓解形式化验证中的状态空间爆炸问题提供了有效的解决途径,为安全苛求系统的安全性保障提供了有力支撑,丰富了基于模型的软件形式化开发方法.