NOMA系统异构网络中联合用户关联和功率控制协同优化

针对非正交多址接入(Non-Orthogonal Multiple Access,NOMA)系统的两层异构网络,提出了基于效用函数最大化模型的用户关联与功率控制协同优化问题.在该问题中将系统总能效作为效用函数,在一定的用户服务质量要求(QoS)和最大功率限制约束下,提出一种联合用户关联和功率控制的算法.该算法首先将原问...     

基于BP和GEP算法的高光谱物谱建模研究

本文在分析铀成矿光谱吸收特征的基础上,利用改进的人工神经网络在Matlab仿真实验平台上进行了高光谱物谱建模研究;基于基因表达式编程GEP算法进行了物谱关联模型挖掘探索;并将人工神经网络模型与基因表达式编程模型在测试数据上的预测结果进行了对比.结果表明:尽管后者训练时间要比前者长,但预测精度较高、结果易解释.     

一种基于决策树的快速关联规则挖掘算法

本文对关联规则的挖掘问题进行了深入研究.在总结现有算法优缺点的基础上,提出了一种新的基于决策树的快速关联规则挖掘算法(RABDT),结合决策树的构造过程,给出了算法的原理和实现步骤,并通过实验对比验证了算法的有效性.     

一个基于多属性协商的效用函数研究

传统的效用函数模型还不能满足多属性协商中反映协商属性间的关联关系的内在要求,束缚了自动协商的应用.本文阐述了自动协商的相关知识背景,分析了多属性协商的特征和协商属性的类型特征,对现有的多属性协商协议进行了讨论.通过对传统的效用函数的改进,提出了更加切合多属性关联作用的多属性效用函数的构建模型,从而更好的完成对多属性自动协商的效用函数构建工作,有利于对效用函数的拟和和应用研究.     

基于差分修正的SGDM算法

当前, 应用广泛的一阶深度学习优化器包括学习率非自适应优化器和学习率自适应优化器, 前者以SGDM为代表, 后者以Adam为代表, 这两类方法都使用指数滑动平均法来估计总体的梯度. 然而使用指数滑动平均法来估计总体梯度是有偏差且具有滞后性的, 本文提出基于差分修正的SGDM算法——RSGDM算法. 我们的贡献主要有3点: 1) 分析SGDM算法里指数滑动平均法带来的偏差和滞后性. 2) 使用差分估计项来修正SGDM算法里的偏差和滞后性, 提出RSGDM算法. 3) 在CIFAR-10和CIFAR-100数据集上实验证明了在收敛精度上我们的RSGDM算法比SGDM算法更优.     

基于松弛标号算法的多传感抗差航迹关联

针对多传感抗差航迹关联问题,从理论上分析传感器系统偏差对航迹点集拓扑结构的影响,利用非刚性变换表征两点集之间的拓扑差异.建立抗差航迹关联问题的点模式匹配模型,采用基于松弛标号迭代的非刚性点匹配方法对其进行求解.针对不同测距、测角偏差、目标密度和检测概率水平构造多组典型仿真场景,仿真实验验证了所提出算法的有效性.     

基于$R2$指标的昂贵多目标进化算法

提出一种基于$R2$指标的昂贵多目标进化($R2$-EMO)算法.为了解决精确数学模型难以获得以及评估实验成本高昂的昂贵多目标优化问题,$R2$-EMO算法采用高斯过程取代真实模型来评估个体在每个目标上的性能,并设计一种新的$R2$指标的效用函数,该效用函数根据高斯过程的输出计算个体的$R2$指标.带有新的效用函数的$R2$指标在选择评估点时,既考虑了种群个体的收敛性和多样性,还考虑了个体的预测期望值和预测均方误差,增强了种群个体对目标空间的勘探能力.同时,提出双层档案管理策略,采用两个档案分别存放评估过的非支配个体和建立代理模型的个体,并在每次迭代中对两个档案进行更新.实验结果表明,与已有的4种算法相比,$R2$-EMO算法在处理昂贵多目标进化算法时,收敛性和多样性均优于其他算法,并能以较快的速度收敛到Pareto前沿.     

控制系统的满意优化效用理论研究及应用

提出了满意优化不同于传统优化的基本特点,并依此建立了控制系统参数设计的满意优化模型.由所建立的效用函数及其期望,设计了效用函数下的满意优化算法,并进一步探讨了文中所设计的效用函数具有有界闭凸性及其在可测非负实值函数下的基本运算性质,为该算法的应用推广提供了理论基础.单回路控制系统下的仿真算例数据表明,效用函数下的满意优化算法具有良好的收敛性.     

模糊关联规则的加权挖掘算法

从实际应用角度,在对模糊关联规则挖掘算法进行改进的基础上,提出了模糊关联规则的加权挖掘算法(FARMA),以及简化的关联规则的加权挖掘算法(SFARMA),通过实验验证了算法的可行性,并对算法的性能进行了讨论.     

基于用户相似度加权的Slope One算法

Slope One算法基于简单的线性回归模型,通过减少响应时间和维护难度,显著提高了推荐性能。然而Slope One算法没有考虑用户内部的关联,同等地使用各个用户数据进行预测,容易造成偏差,影响推荐质量。本文提出了一种改进的Slope One算法,它将用户相似度纳入考虑并且对评分偏差计算公式进行了修正。基于项目的 Slope One算法结合基于用户的协同过滤算法,提出新的混合推荐算法US-Slope One。在Movie Lens数据集上的实验结果表明,该算法与原Slope One算法相比具有更好的预测准确度和推荐质量。     

分布式多业务系统信道分配算法

信道决策是认知无线电中的关键技术之一,近年来得到了广泛的研究。集中式算法是最常用的算法形式,但在认知无线电网络这种分布式系统中,集中式算法不易实现。基于Gale和Shapley的大学入学匹配理论,针对认知无线电信道的决策场景以及分布式组网特性,将多用户、多业务系统的信道分配问题建模为多对一匹配博弈,提出一种基于效用矩阵的分布式多用户多业务信道匹配算法。仿真表明,该算法收敛时间短,获得的效用与最优集中式算法接近,远优于随机接入算法。     

毫米波微波网络基于匹配算法的小区关联方法

由于毫米波网络具有间歇性及较高的路径损耗,对于毫米波与微波基站联合组网系统,传统的小区关联方法会导致严重的负载失衡问题。为此,提出一种分布式双连接小区关联算法。该算法基于效用函数,采用匹配算法求解系统效用最大化下的最优关联,并保证产生帕累托最优和双向稳定解。同时为基站设置最小配额约束,以平衡毫米波与微波基站负载。此外,在匹配算法基础上选择边缘用户进行双连接,减少干扰并降低频繁切换导致的链路失误率。仿真结果表明,最小配额分配算法下全网和速率较传统最大信干噪比算法平均提升25.9%,双连接时全网和速率较单连接时提升明显。     

基于动态阈值的时空众包在线分配算法

为提升时空众包动态现实场景中任务分配总效用,提出一种基于在线随机森林的动态阈值算法（DTRF）。首先,根据众包平台中工人和任务的历史匹配数据初始化在线随机森林;然后,通过在线随机森林预测每位工人期望的任务回报率作为阈值,按阈值为每个工人选取候选匹配集;最后,从候选匹配集中选取当前效用总和最高的匹配,同时用分配结果更新在线随机森林。实验结果表明,所提算法在提升总效用的同时有效地提高了工人的平均收益。与贪心算法相比,所提算法的任务分配率提升了4.1%,总效用提升了18.2%,工人平均收益提升了11.2%。与随机阈值算法相比,所提算法在任务分配率、总效用、工人平均收益等方面都有较好的提升,且稳定性更好。     

一种改进的基于图割的立体匹配算法

为了提高立体匹配算法的精确度,提出了一种结合图割与Mean Shift图像分割的立体匹配算法。首先用Mean Shift算法对参考图像进行图像分割,得到分割后的标记图,然后将分割信息结合到图割算法的能量函数中,最后用改进的能量函数和图割算法得出致密的视差图。实验结果表明,提出的算法具有更高的精确度和更好的边缘特征。     

信任驱动的网格调度算法

针对目前网格资源管理中任务与资源匹配问题的不足,基于信任效益函数与匹配概念,提出了信任驱动的网格调度匹配算法。在调度中同时还考虑了任务和资源效益值,对已经提出的两种信任驱动的网格调度算法进行改进。结果证明:该算法较传统基于的信任驱动调度算法而言,信任效益值,资源效益值,负载平衡和失效服务数等方面有较好的综合性能。     

Graph matching based on spectral embedding with missing value

This paper proposes an efficient algorithm for inexact graph matching based on spectral embedding with missing value. We commence by building an association graph model based on initial matching algorithm. Then, by dot product representation of graph with missing value, a new embedding method (co-embedding), where the correspondences between unmatched nodes are treated as missing data in an association graph, is presented. At last, a new graph matching algorithm which alternates between the co-embedding and point pattern matching is proposed. Convictive experimental results on both synthetic and real-world data demonstrate the effectiveness of the proposed graph matching algorithm.     

电子中介中的交易匹配研究

研究电子中介中的匹配问题,提出了电子中介处理多属性商品交易时双方的满意度函数.以最大化双方满意度为目标,建立了多个买家和多个卖家各交易一件同类商品的多目标匹配优化模型,提出一种求解单目标的优先贪婪算法.3种算法的仿真实验表明,优先贪婪算法比精确算法损失匹配数量约8.0%,节约时间约31.6%;比标准贪婪算法提高匹配数量约2.7%,节约时间约36.3%.     

时空众包环境下时效均衡的在线任务分配算法

针对时空众包任务分配研究中单一考虑任务分配总效用或任务等待时间，导致总体分配效果不佳的问题，提出一种基于分配时间因子的动态阈值算法。首先，基于预估等待分配时间和已等待分配时间计算任务的分配时间因子；其次，综合考虑任务的回报值和分配时间因子进行任务分配排序；然后，在初始值的基础上增加动态调整项为每一项任务设置阈值；最后，根据阈值条件为每一项任务设置候选匹配集，并从候选匹配集中选择匹配系数最大的候选匹配对加入结果集，完成任务分配。通过实验证明，该算法在任务分配率达到95.8%的情况下，与贪心算法相比，在分配总效用方面提升20.4%；与随机阈值算法相比，在分配总效用方面提升17.8%，在任务平均等待时间方面缩短13.2%；与基于两阶段框架模型的在线微任务分配改进（TGOA-Greedy）算法相比，在分配总效用方面提升13.9%。实验结果表明，该算法能够在提升任务分配总效用的同时缩短任务的平均等待时间，实现分配总效用与任务等待时间两者间的均衡。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。