权值反馈的多干扰频域自适应滤波

针对多个不等强度的大功率窄带干扰,提出了一种权值反馈的频域自适应滤波算法。其优点是利用权值反馈不仅在权值迭代过程中实时调整更新步长,实现算法的快速收敛,同时达到有效地抑制多个强干扰的目的,使输出信号的平均功率更接近于扩频信号功率,改善了DSSS系统的性能。同时将算法的数学推导和分析与无权值反馈自适应滤波算法进行了比较,仿真结果验证了该算法在加快收敛速度以及改善系统性能方面的有效性。     

一种基于双曲函数的BP网络改进算法

提出了一种新的BP(Back Propagation)网络权值调整规则算法。该算法以双曲函数为基础,将BP网络输出层节点的实际输出值与期望输出值的差作为双曲函数的输入,输出为权值的变化量。实例仿真表明,该算法简单,容易实现,加快了网络的学习速度,提高了学习效率。     

基于改进的ICA和RBF神经网络的人脸识别

为了提高人脸识算法的训练识别速度以及准确率,提出一种改进的人脸识别算法。将独立成分分析(independent component analysis,ICA)与径向基函数(radial basis function,RBF)神经网络相结合,利用ICA算法对人脸图像进行特征提取,采用牛顿迭代法提升其迭代性能;引入松弛因子,在保证收敛速度的前提下,放宽对初始权值选取的局限性。将特征信息作为RBF神经网络学习输入,采用监督聚类方法对神经网络进行构建和初始化,利用线性最小二乘法调整输出层连接权值,梯度下降法调整隐含层中心以及高斯宽带,通过训练学习获得最终的人脸识别分类结果。对比实验结果表明,改进的人脸识别算法训练速度和识别速度更快,准确率更高。     

约束自适应粒子群优化算法及水厂调度

针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明, 该算法收敛速度快且结果可靠. 粒子群优化算法为解决工程约束优化问题提供了一条可行途径.     

基于频谱感知的权值优化算法研究

针对频谱资源短缺的现状,分析了传统的能量检测模型,并由此提出了一种优化权值的频谱感知算法.该算法实现对能量检测算法的优化,即在能量检测算法的基础上加入了加权控制和优化权值算法,然后将优化后的权值算法用于实际条件下进行模拟仿真得到结果.分析结果得知,权值进行优化后系统的虚警概率的确有所降低.并且,在信号与噪声比值不同的情况下,检测概率得到了改善,错误概率有所降低,从而系统的整体性能得到了有效提升.     

一种改进的双因子自适应FastICA算法

为解决快速独立分量分析算法（FastICA）对初值权值敏感的问题,提出了一种双收敛因子FastICA算法（Double Convergence Factor FastICA,DCF—FastICA）。该算法利用两个不同步长因子的FastICA算法进行组合,并通过梯度算法自适应调节两分离权值矩阵的组合系数,从而得到最优权值分离矩阵。理论分析与实验结果表明DCF—FastICA算法较之以往改进算法具有明显的优势,该算法不仅改善了初值权值敏感问题,而且可在几乎不损失分离精度的情况下,使平均分离速度较原算法提高近70%,迭代次数较原算法减少近80%。     

一种基于自适应大气光和加权引导滤波的夜间图像去雾算法

夜间图像去雾对于夜间场景下无人驾驶、交通安防等有重要的工程应用价值。针对暗通道先验算法在夜间雾天场景下的失效问题,提出一种基于自适应大气光和加权引导滤波的夜间图像去雾算法。该算法首先基于图像亮度和饱和度联合求取信道图,并将信道图作为引导图对原图像进行引导滤波得到大气光分布图,为解决暗通道先验在图像亮区域的失效问题,引入亮通道先验矫正亮区域的透射率,为优化亮、暗通道透射率的融合,建立一种基于分段伽马矫正的融合权值计算方法,用于亮区域透射率的权值计算,并利用该透射权值加权得到图像的初始透射率;然后利用加权聚合引导滤波代替引导滤波细化初始透射率,通过基于相似度为滤波中心像素的邻域像素赋予权值,并在滤波聚合阶段采用加权聚合代替均值聚合,解决引导滤波弱化细小纹理而引起的边缘模糊问题;最后将复原图像转换到HSV空间,对亮度分量V进行均衡化调整,并对均衡化前后的图像进行线性加权获得最终复原结果。实验结果表明,所提算法大气光分布图估值合理,可有效反映夜间多光源场景下的大气光分布情况,图像亮、暗区域透射率计算准确,复原图像去雾彻底、纹理清晰,与经典算法对比显示,复原结果的峰值信噪比、信息熵、平均梯度和方差的最大提升幅度分别为49.4%、18.3%、172.3%、115%,综合指标优于所对比的算法。     

基于网格划分加权的分布式离群点检测算法

分布式计算被广泛应用于离群点检测问题,但分布式环境中节点计算性能的差异带来了数据计算性能的下降问题。针对面向大尺度高维数据离群点分布式计算的负载均衡问题,该文提出了一种加权分布式离群点检测方法。首先根据数据节点的计算性能确定数据节点的权值,然后将数据空间划分为若干个网格,最后设计了一种基于网格划分的加权分配算法WGBA,将这些网格分配到数据节点中,实现并行计算。实验验证了该方法的有效性。     

BP神经网络学习算法的研究

文中针对BP算法收敛速度慢的问题,提出一种改进的BP算法．该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,所以对未被激发的神经元权值闽值进行调整．利用距离来度量训练样本与神经元权值之间的关系,可以找到未被激发的神经元．文中提出的算法是对局部神经元权值闽值的调整,通过实验表明该算法有助于加快网络的学习速度．     

多主体汇聚问题离散算法的稳定性

针对多主体汇聚问题，提出了一种基于最近邻法则的分布式离散形式算法，对其全局稳定性进行了分析.在给出了多主体最终收敛到全局中心的等价条件基础上,从公共Lyapunov函数理论出发，证明了确保动态切换系统稳定的充分条件，给出了算法中调整因子的取值范围，以及公共Lyapunov函数.仿真实验以10个移动自治主体的汇聚为例，采用分布式离散算法，并根据充分性条件定理选择3个不同的调整因子值， 实验结果表明,该多主体系统的汇聚过程分别表现出全局渐近稳定、Lyapunov意义下稳定和不稳定情形，这与稳定性定理是相吻合的     

改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

赋予图均衡方向的欧拉图构造法和圈树分解法

提出了2种赋予任意一个图均衡方向的方法：欧拉图构造法和圈树分解法,第一种方法是欧拉图构造法：若给定的图是欧拉图,先找到欧拉环游后再顺着欧拉环游的方向给边赋予方向．若不是欧拉图,可以通过给此非欧拉图补充边得到欧拉图赋予边方向后,再删除添加的边即可得到均衡有向图．第二种方法是圈树分解法,分两步进行：先假设图G是一棵树,运用树的特殊结构给出了赋予树G均衡方向的算法,因为森林是多棵树的并,所以若G是森林,此算法也能赋予G均衡方向．最后结合圈上每个顶点的度都是偶数,给出了总算法并证明了此算法能给任意一个图赋予均衡方向．     

基于子图归并的全局优化调度算法

为解决调度序列的多目标优化问题，基于数据流图中特定子图调度结果相互独立的原理，提出了一种基于图的分解与合并的构造调度算法.借助弹力引导列表调度（FDLS）的调度结果得出子图调度长度上界，并据此在归并过程中去除不可行的局部序列.把数据流图分解为若干个汇聚节点和独立子图，对独立子图进行调度，按层次逐渐把下层部分结果归并到上层部分结果中，从而得到完整调度结果.结果显示，由于在每次归并部分调度序列时尽可能地对搜索空间进行了裁剪，算法的速度较快，并且能够同时得到多组全局最优解，可以利用功耗、寄存器需求等条件对结果进行进一步筛选.     

基于层次聚类法的网络延迟监测点放置

针对Internet网络延迟监测点的放置问题,将其转化为网络拓扑图聚类问题。根据网络层次结构特性,使用层次聚类法对网络节点进行聚类。利用网络节点的差异性,提出使用递归去除1度异常节点算法,在保证网络拓扑结构基本不变的前提下减少异常节点对聚类结果的影响。提出在聚类结果的每个类中选取度数最大的节点作为对应的类中心,监测点被放置在类中心位置上。实验结果表明,层次聚类法中最长距离法更适合对网络节点进行聚类,递归去除1度异常节点算法能够进一步提高聚类效果,有效地解决了监测点的放置问题。     

一种快速的渐进边增长算法

提出了一种构造低密度校验码的渐进边生长算法的快速实现方法．该方法使用平衡搜索树对校验节点进行排序,并且在边生长过程中对Tanner图的变化进行跟踪．平衡搜索树使对特定校验节点的查找具有对数复杂度,且通过跟踪Tanner图的变化可大大减少对Tanner图进行树形展开操作的次数．相对于基于标志位的实现方法,基于平衡搜索树的渐进边增长算法有效地降低了计算复杂度．以构造一个码长为10⁴的低密度校验码为例,基于平衡搜索树的快速渐进边增长算法的用时为基于标志位方法的1/5．     

Clustering in mobile ad hoc network based on neural network

1 INTRODUCTION Multi-hop wireless network is an ideal technology to establish an instant communication infrastructure for civilian and military applications. Its applications include collaborative, distributed mobile computing, disaster recovery, law enforcement (crowd control, search and rescue), digital battlefield communications, and so on[1]. Such situations demand a network where all the nodes including the base stations are potentially mobile, and communication must be supported unwi…     

双有限异质社交网络仿真建模及实证分析

提出了一种双有限异质社交网络结构,即网络规模有限性、节点出/入度有限性以及网络节点属性的异质性。仿真结果及实证分析表明,与小世界网络、无标度网络等相比,双有限异质社交网络模型可以更好地模拟实际社交网络,不仅其网络整体结构兼具小世界特性和无标度特性,在微观上还可以真实反映出不同属性类型的节点在网络中的影响力和控制力。     

小波技术对LMS算法的提高与分析

变步长LMS（Least Mean Square）算法在同时兼顾快速收敛与降低稳态失调误差的问题上做出了很多改进,但仍有较大的提升空间. 本文利用小波技术对变步长LMS算法提出改进. 小波技术具有数学“显微镜”功能,步长因子的变化速度可以通过拉伸窗口来实时调整. 本文将失调误差与收敛速度之间的比值做为小波窗口调整参数,根据两者之间的相对变化实时调整步长因子的变化速度,可实时准确地调整收敛速度,更好地兼顾快速收敛与降低稳态失调误差问题. 仿真证明本文提出的算法比现有技术具有更高的收敛速度和更低的稳态失调误差.     

严格有向图Hamilton性质的研究

对图的邻接矩阵赋予U-轨道的定义和严格有向二部图的定义,利用U-轨道的定义和Hamilton路的定义论证了严格有向图含有向Hamilton路的充要条件和严格有向二部图为Hamilton图的充分条件.