基于遗传算法和MSWF的子空间拟合测向算法

针对传统算法在快时变环境性能不够理想,而在快时变环境性能较好的子空间拟合算法其多维非线性搜索运算量较大而且易于收敛于局部最优解的问题,本文采用基于MSWF的子空间快速分解及子空间维数的快速估计,避免了协方差矩阵的估计和特征值分解;同时用子空间拟合准则构造遗传算法的目标函数实现随机搜索功能,实现全局快速搜索。最后实验验证了遗传算法测向的有效性。     

变尺度搜索遗传算法在神经网络训练中的应用

为解决传统的BP学习算法因采用梯度搜索技术而具有的收敛速度慢、容易陷入局部极小等缺点，提出了一种基于多参数空间快速搜索遗传算法的网络权值优化方法.该方法采用误差均分的变尺度搜索技术来训练网络权值，将网络权值的训练转化为多参数空间的寻优问题.训练实例对比结果表明，由于采用了并行计算及变尺度搜索技术，该算法不仅收敛速度快，网络逼近精度高，而且能实现全局最优，克服了BP算法易于陷入局部极小的问题，说明了该方法的有效性.     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。     

基于实数编码的多父体杂交遗传算法

针对标准遗传算法（SGA）在实际应用中存在早熟收敛、精度较差及运算速度慢的缺点，文章提出了一种基于实数编码的多父体杂交遗传算法（MPGA）。该算法通过引入多父体杂交算子和新的变异算子，有效的增强了种群的多样性及算法跳出局部最优解的能力。实验结果表明该算法能够有效的提高全局搜索能力和局部快速搜索能力，对改进SGA的缺点是十分有效的。     

基于Grefenstette编码和2-opt优化的遗传算法

将Grefenstette编码和2-opt优化算法共同运用到遗传算法中,采用一定数目的城市坐标对路径搜索进行求解。仿真试验取得良好的效果,初始路径接近最优路径,且经过122次迭代后快速得到最优路径。证明本研究提出的搜索空间路径方案实现了遗传算法可以快速收敛到最优解,同时保持较强的搜索能力,实现全局最优,又可以防止陷入局部最优。     

遗传算法参数分析及其在故障诊断中的应用

针对BP神经网络收敛速度慢、易陷入局部极小的缺点,将具有全局搜索能力的遗传算法引入到神经网络的权值优化中.遗传算法优化神经网络模型时,参数选取直接关系到模型优化的效率,在给出一种遗传算法的基础上对相关参数进行了研究分析.并采用Matlab软件编程实现算法,把该算法应用到XOR问题求解中,显示出GA-BP算法的优越性,并通过磨机故障诊断实例验证了算法的有效性.     

改进的双链量子遗传算法在图像去噪中的应用

针对传统双链量子遗传算法收敛速度慢、搜索精度低、鲁棒性差等不足,提出一种F型双链量子遗传算法(F_DCQ-GA).对编码空间进行单值映射处理,在保证量子种群适应度值与相应幅角排序单调性的前提下,缩小算法的搜索空间,增加搜索密度;在量子更新时引入自适应步长因子,使步长随目标函数在搜索点处梯度的变化而变化,有效解决了传统寻优算法普遍存在的全局最优解搜索困难的问题;在染色体变异更新时提出了π/6门,克服了原来非门变异无法更新量子比特概率幅的缺点.将F_DCQGA优化算法应用于小波阈值去噪的阈值选择机制中,通过仿真证明F_DCQGA优化算法提高了小波阈值函数的收敛速度和搜索精度,在图像边缘特征提取中可以获得更小的均方误差(S_(ME))和更大的峰值信噪比(R_(PSN)),同时又保留了大部分高频信息.     

天线辅助设计IGA方法

为了高效设计高性能的天线,将免疫遗传算法引入天线辅助设计领域.在传统遗传算法的基础上增加抗原识别、记忆功能和浓度调节,同时引入一种新型的混合编码技术简化天线结构描述及交叉、变异等遗传操作,实现天线结构的快速优化设计.仿真结果表明,相比传统遗传算法,在天线结构设计中应用免疫遗传算法,迭代次数明显减少,收敛速度提高50%～60%,算法执行效率显著提高,在频率为8.47GHz时设计所得天线的最大平均增益和最小平均增益分别提高119.91%和258.89%,性能优异.免疫遗传算法克服了遗传算法由于交叉搜索而在局部搜索解空间时效率较差的缺点,有效地避免了未成熟收敛的问题,收敛稳定且速度明显加快,体现了免疫遗传算法在天线辅助设计中的优异性和高效性.     

基于自适应遗传的E-CID定位算法研究

针对LTE系统NLOS（非视距）环境下基于传统遗传的E-CID（增强小区识别）定位算法过早收敛于某局部最优解而非全局最优,文章提出了一种改进的自适应遗传E-CID定位算法,该算法通过对LTE终端位置数据进行加权最小二乘估算,利用遗传算法进行非线性最优解全局搜索,自适应的改变交叉及变异概率,避免了传统遗传算法过早收敛于局部最优解缺点。仿真结果表明：自适应遗传法比传统遗传算法优势更明显,定位精度更准确。     

基于正交设计的免疫克隆遗传算法

针对遗传算法存在＂早熟＂及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度。对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加。     

太阳能集热器驱动的吸收式制冷系统性能分析

为了合理利用太阳能,增强制冷系统的季节适应性,提出一种中温太阳能驱动的氨水吸收式制冷系统。以抛物面槽式太阳能集热器(parabolic trough solar collector, PTSC)驱动的氨水单效吸收式制冷系统为对象,根据热力学定律和能量平衡方程,在工程求解器(engineering equation solver, EES)下,分别建立太阳能集热器模型和制冷系统模型,并对系统的关键参数进行计算。从制冷量、精馏热和系统能效比(COP)三方面分析了系统高压、系统低压、蒸发器出口温度和精馏器出口质量分数对系统的影响。结果表明:制冷量随系统低压的升高而降低;精馏热及COP随系统低压的升高而增加;蒸发器的出口温度升高时,制冷量和COP均有增加;当精馏器出口氨的质量分数为0.977~0.999, COP在氨水质量分数为0.992时出现最大值。研究结果为太阳能驱动单级吸收式制冷循环的可行性提供了理论依据。     

一种基于TOA的UWB直接-Taylor复合定位算法

通过比较直接算法和Chan算法的优缺点,针对Chan算法作为Taylor初值算法运算比较复杂的问题,分析了基于TOA到达时间的UWB(超宽带)定位算法,即直接-Taylor复合定位算法,将直接算法作为Taylor序列展开法的初值算法,并根据初值判断定位基站是否为视距(LOS)传播及修正基站到定位体的距离测量值,有利于Taylor序列展开法的收敛.仿真表明该算法定位性能优越,在非视距传播(NLOS)的影响下有效地提高定位精度,定位误差达到厘米级,计算速度也有较大的提高.     

大规模有限阵列结构快速算法

提出了一种简单有效的计算大型二维阵列雷达散射截面的新方法．利用分域全域基(SED)构建基函数,采用前后向迭代过程(FBM)解矩阵方程,并利用离散傅里叶变换(DFT)在谱域降低了矩阵向量积计算量．与广泛应用的多层快速多极子(MLFMM)方法相比,对于阵列未知量个数为N的问题,此方法在保证结果准确的前提下,使总的计算量和内存要求均由O(NlogN)降为O(N),可用于快速分析大规模的任意形状单元有限阵列．     

基于图像信息的彩色PDP动态子场编码优化方法

为改善累积发光驱动方法显示静态图像时的灰度级轮廓,提出了一种基于有效灰度级均匀分割采样的动态子场编码(DSC)算法。首先对输入图像中的孤立灰度区间进行灰度采样,然后对剩余灰度级均匀分割,选择各灰度区间概率密度较大的灰度级作为采样灰度级,相邻采样灰度级之差即为子场编码权值,从而使采样灰度级均匀分布在输入图像的有效灰度区间,并使采样灰度级和子场编码权值随图像变化。仿真和实验结果表明,该算法不仅能真实再现大面积的背景,而且使图像细节信息尽可能保留,显著减小了静态图像的轮廓。     

合作、礼貌原则与口译

旨在从语用学角度对口译实践进行研究。Grice的合作原则和Leech的礼貌原则是语用学中的两个重要理论,共同对口译起指导作用。礼貌原则是对合作原则的补充。一般说来,译员应该在口译过程中遵循合作原则的四条准则,但必要时可以为遵守礼貌原则而违反合作原则。将这两个原则应用于口译实践,能够有效促进交际双方的成功合作。     

互高阶累积量对离散系统辨识的应用原理

采用互高阶累积量（互四阶累积量）的一维对角切片为统计量,证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声,并在建立互高阶累积量的Ｙｕｌｅ－Ｗａｌｋｅｒ方程的基础上,对离散系统（ＡＲ过程）的结构进行了分析。结果表明,该方法具有良好的谱估计的分辨率和谱估计的稳定性。与其它方法比较,该方法抗干扰性更强,其信噪比工作辩 限更低,有很好的应用前景。     

新一代互联网服务质量管理体系架构的研究

在分析目前互联网服务质量体系结构研究状况的基础上,借鉴ITU-T分组网络的通用QoS体系结构框架,提出了一种可提供差异性服务的服务质量控制和管理体系架构及服务质量管理系统的解决方案.该方案通过实施互联网的服务质量控制和管理,可达到对用户业务的不同服务质量保障.     

结合PCA和ICA的脑磁信号消噪研究

基于二阶统计特性的主分量分解(PCA)和基于高阶统计特性的独立成分分析(ICA)是盲源分离信号处理中两种最为典型的方法．针对多通道脑磁信号的消噪问题,提出一种基于PCA与ICA相结合的信号消噪新算法．首先通过对脑磁信号进行主分量分解来降低信号维数,去掉其中包含的冗余成分,使计算时间缩短到原来的10％;进而利用自适应最大熵独立成分分析算法对降维后的数据进行二次分解,提取出脑磁信号中含有的干扰分量,使信噪比从10dB提高到80dB,达到对信号进行消噪的目的．     

基于WVHT 的合成孔径雷达运动目标检测与成像

目的针对合成孔径雷达（ＳＡＲ）的运动目标检测和成像提出了一种通用、完整的ＷｉｇｎｅｒＶｉｌｅＨｏｕｇｈ变换（ＷＶＨＴ）．方法基于线积分,将ＷＶＤ和Ｈｏｕｇｈ变换结合起来,推导出ＷＶＨ变换,并利用计算机仿真的ＳＡＲ回波数据对该新ＷＶＨ变换作了验证．结果与结论计算机仿真结果证明了该变换的正确性和有效性．和传统的ＷＶＤＨＴ方法相比,这种基于ＷＶＨＴ的ＳＡＲ运动目标检测和成像的新方法,可以将多目标回波的ｃｈｉｒｐ信号从时间域直接转换到参数域,同时完成了ＷＶＤＨＴ方法中的交叉项抑制和运动参数的估计,进而对多目标成像,简化了处理过程．这种新ＷＶＨ变换还可以应用于其它场合的ｃｈｉｒｐ信号检测中．     

基于模式识别和集成CNN-LSTM的阵发性房颤预测模型

为了适用于长期心电监护和ICU等实时性、数据密集型应用场合,提出可在8 Hz采样频率的1 min心电图（ECG）片段上提前45 min预测阵发性房颤（PAF）发作的实时预测模型. 采用概率符号化模式识别方法,在降采样后的ECG序列上提取出1 min窗口内的模式转移特征,降低模型的计算量和对存储空间的需求,确保实时预测的效果. 提出卷积神经网络（CNN）和长短-期记忆网络（LSTM）的混合模型（CNN-LSTM）,用于提取模式转移特征内隐含的局部空间特征和时间依赖特征. 为了提升模型泛化能力,构建基于CNN-LSTM的集成分类器. 采用Spark Streaming技术完成对ECG流式数据的读、写和计算,实现数据和模型之间的低延迟通信. 所提模型在公开数据集上的准确率、灵敏度和特异度分别为91.26%、82.21%、95.79%. 模型处理总延迟平均为2 s,满足实时PAF预测需求.