非线性回归模型参数估计的区间分析方法

现有很多方法都属局部搜索方法,不能保证得到问题的全部全局最优解,而基于区间分析的区间全局优化算法则能在给定精度范围内求出问题的全部全局最优解,并能给出满足要求的包含最优解的任意小区间。基于此,给出了非线性回归模型参数估计的区间全局优化算法,论述了算法求解问题的基本思想、解算步骤、基本算法和加速工具等,并将其应用于非线性回归模型参数估计中,仿真实验结果验证了所给算法的可行性和有效性．     

一种遗传算法的声带模型参数反演方法

采用遗传算法进行声带模型参数反演能够有效地实现概率意义的全局搜索,但存在易陷入局部最优解和收敛性能弱等缺陷,针对这些问题,本文提出了一种改进遗传算法的声带模型参数反演方法,通过声门波形参数构建目标函数,引入精英保留策略,选择适应度高的精英个体保留至下一代种群。对普通种群进行双向邻域搜索,通过目标函数值进行模型参数反演操作,得到模型参数最优解。实验结果表明,反演后得到的特征相对误差不超过1.5％,改进后的加权平均相对误差比改进前减小了0.11％,说明改进后的遗传算法搜索性能好,收敛性能高,得到的特征参数精确度更高。     

基于更贪心策略的快速正交核匹配追踪算法

为了得到信号的稀疏表达结果,正交核匹配追踪采用贪婪算法,在逐步回归建模过程中,每步只寻求当前最优原子,这使得计算效率大大降低.针对此局限性,提出了一种新的更加贪心的策略:在每次回归时,选择超过阈值的一个或者多个原子.为了更好的提高算法精度和稀疏度,再利用原子相似度对所挑选的原子做进一步筛选.实验结果和计算复杂度的分析说明:较传统的方法,新的基于更贪心策略的方法不仅能够提高计算效率,而且所得到的模型具有稀疏性好,泛化能力高等优点.     

基于改进自适应遗传算法的MIMO 雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法.算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度.通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性.在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用.最后仿真实验结果进一步验证了本文改进算法的有效性.     

基于g-l-PSO算法的灰度图像增强方法

规则化Beta函数给出了灰度图像对比度变换函数的统一表达形式,但是Beta函数的参数需要根据具体图像而确定,难于找出合理的参数值.首先分析了传统PSO算法的不足,使用种群的局部最优解为遗传依据,全局最优解为变异依据,提出综合的g-l-PSO算法.将g-l-PSO算法用于确定Beta函数的参数,通过适应度评估,可以获取最适合当前图像的参数值.通过三幅Pout图像的增强效果分析,可知该灰度图像增强方法切实可行.     

一种改进的单参数水平集快速分割方法

针对传统水平集分割方法的参数多且速度较慢的问题,提出了一种新的基于单参数的快速水平集图像分割方法,改进了基于Mumford-Shah模型的Chan-Vese(C-V)模型,引入惩罚函数项、用水平集函数梯度的模取代Dirac函数,并且只保留长度项参数,构造出无须重新初始化且具有全局优化的新模型。此外,在算法实现中引入停止迭代判定式,实现自动分割同时得到单参数的取值规律。人工合成图像和医学图像分割的实验结果表明,该方法具有更快的速度和更好的鲁棒性。由于零水平集函数可以任意设定且便于调整单参数取值,新方法具有更广泛的适应性。     

基于回归算法的证件物品识别器参数辨识模型

证件物品管理识别器参数辨识存在局部最优现象,噪声干扰下辨识精度下降,提出基于回归算法的证件物品管理识别器参数辨识模型.将证件物品管理识别参数输出误差平方和,代入粒子群算法适应度函数,通过粒子群优化算法实时更新粒子个体最优值以及全局最优值,初步辨识证件物品管理识别器参数,并将所获取结果作为支持向量回归算法迭代初始值,利用...     

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法（EGA）中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。     

基于中心对齐多核学习的稀疏多元逻辑回归算法

稀疏多元逻辑回归(SMLR)作为一种广义的线性模型被广泛地应用于各种多分类任务场景中。SMLR通过将拉普拉斯先验引入多元逻辑回归(MLR)中使其解具有稀疏性,这使得该分类器可以在进行分类的过程中嵌入特征选择。为了使分类器能够解决非线性数据分类的问题,该文通过核技巧对SMLR进行核化扩充后得到了核稀疏多元逻辑回归(KSMLR)。KSMLR能够将非线性特征数据通过核函数映射到高维甚至无穷维的特征空间中,使其特征能够充分地表达并最终能进行有效的分类。此外,该文还利用了基于中心对齐的多核学习算法,通过不同的核函数对数据进行不同维度的映射,并用中心对齐相似度来灵活地选取多核学习权重系数,使得分类器具有更好的泛化能力。实验结果表明,该文提出的基于中心对齐多核学习的稀疏多元逻辑回归算法在分类的准确率指标上都优于目前常规的分类算法。     

时间域电磁勘探数据的模拟退火法反演研究

地电模型的高度非线性和非惟一性限制了模拟退火法反演在电磁勘探领域中的应用。该文采用改进的模拟退火算法,实现了时间域电磁法数据的模拟退火法反演。首先通过双重数字滤波方法简化了正演计算过程,然后将非线性反演问题转化为最优化问题,采用模拟退火算法搜索全局最优解。改进的搜索策略能自适应地调整搜索步长,提高了最优解的搜索效率。与传统反演方法进行对比实验,结果表明该方法能有效获得全局最优解,得到更加准确的地电模型参数。     

尺度可调的混合核RBF网络

针对传统核模型中采用单一核函数的局限性,利用两个核函数的线性组合得到混合核.在RBF网络的训练中,采取正交最小二乘的方法进行逐步回归建模.在学习每个神经元参数时,首先,用全局K均值聚类法得到数据样本的聚类中心,然后对每一个聚类中心,利用群搜索优化器搜索出最佳的尺度和混合核调节参数,误差最小的参数组合即为径向基函数参数....     

A new link lifetime estimation method for greedy and contention-based routing in mobile ad hoc networks

Greedy and contention-based forwarding schemes were proposed for mobile ad hoc networks (MANETs) to perform data routing hop-by-hop, without prior discovery of the end-to-end route to the destination. Accordingly, the neighboring node that satisfies specific criteria is selected as the next forwarder of the packet. Both schemes require the nodes participating in the selection process to be within the area that confronts the location of the destination. Therefore, the lifetime of links for such schemes is not only dependent on the transmission range, but also on the location parameters (position, speed and direction) of the sending node and the neighboring node as well as the destination. In this paper, we propose a new link lifetime prediction method for greedy and contention-based routing which can also be utilized as a new stability metric. The evaluation of the proposed method is conducted by the use of stability-based greedy routing algorithm, which selects the next hop node having the highest link stability.     

凹凸范数比值正则化的快速图像盲去模糊

模糊图像可表示为清晰图像和模糊核函数的卷积,由模糊图像恢复出清晰图像,需要同时估计模糊核和清晰图像,因此是一个病态问题.优化含有先验项的代价函数是求解病态问题最有效方法之一.针对图像盲去模糊问题,本研究提出具有更强稀疏表达能力的凹凸范数比值正则化先验项,在用变量分裂法求解模型时,提出用L1范数保真项更新估计图像,在更新模糊核时,提出使用线性递增权重参数对模糊核按多尺度方法由粗到细逐步估计,当获得模糊核后,利用封闭阈值公式估计清晰图像.该方法能快速得到高质量的清晰图像,实验结果验证了模型的有效性和算法的快速性.     

基于多模板的深度核相关滤波跟踪

针对跟踪过程中出现的遮挡、尺度变化、光照变化等问题,文章基于多模板提出深度核相关滤波算法。首先,多模板算法选取最佳滤波参数优化分类器训练样本的能力,多特征算法利用多种特征优化目标外观模型提高了跟踪过程的鲁棒性;其次,利用深度图信息计算跟踪过程中目标重叠率,判断目标的遮挡情况,遮挡时重新定义目标搜索区域,并判断是否重新跟踪目标,降低遮挡情况下的算法漂移问题;最后,根据目标遮挡情况判断是否更新分类器参数和目标外观模型,提高模板更新的可靠性。利用Princeton数据库测试算法,成功率和精度分别达到85.1和98.6,比第二名算法分别提高了7.04%和4.67%。实验从成功率、精确度方面说明基于多模板的深度核相关滤波算法优于传统算法,有一定研究价值。     

Optimal Advertising Campaign Generation for Multiple Brands Using MOGA

The paper proposes a new modified multiobjective genetic algorithm (MOGA) for the problem of optimal television (TV) advertising campaign generation for multiple brands. This NP-hard combinatorial optimization problem with numerous constraints is one of the key issues for an advertising agency when producing the optimal TV mediaplan. The classical approach to the solution of this problem is the greedy heuristic, which relies on the strength of the preceding commercial breaks when selecting the next break to add to the campaign. While the greedy heuristic is capable of generating only a group of solutions that are closely related in the objective space, the proposed modified MOGA produces a Pareto-optimal set of chromosomes that: 1) outperform the greedy heuristic; and 2) let the mediaplanner choose from a variety of uniformly distributed tradeoff solutions. To achieve these results, the special problem-specific solution encoding, genetic operators, and original local optimization routine were developed for the algorithm. These techniques allow the algorithm to manipulate with only feasible individuals, thus, significantly improving its performance that is complicated by the problem constraints. The efficiency of the developed optimization method is verified using the real data sets from the Canadian advertising industry.     

A faster converging snake algorithm to locate object boundaries.

A different contour search algorithm is presented in this paper that provides a faster convergence to the object contours than both the greedy snake algorithm (GSA) and the fast greedy snake (FGSA) algorithm. This new algorithm performs the search in an alternate skipping way between the even and odd nodes (snaxels) of a snake with different step sizes such that the snake moves to a likely local minimum in a twisting way. The alternative step sizes are adjusted so that the snake is less likely to be trapped at a pseudo-local minimum. The iteration process is based on a coarse-to-fine approach to improve the convergence. The proposed algorithm is compared with the FGSA algorithm that employs two alternating search patterns without altering the search step size. The algorithm is also applied in conjunction with the subband decomposition to extract face profiles in a hierarchical way.     

无标度网络的局部搜索策略

基于最小聚类系数搜索和贪婪算法在搜索中的优点,根据BA无标度网络的结构特性,以最小聚类系数和度量距离两个影响搜索性能的参数,设计出最小聚类系数最小距离搜索策略。并通过仿真实验对最小聚类系数最小距离搜索策略、最小聚类系数搜索策略、贪婪算法和随机游走搜索策略的性能进行对比。理论分析与仿真结果均表明,最小聚类系数最小距离搜索策略在BA无标度网络模型上能取得较好地搜索效果。     

A note on the convergence of asynchronous greedy algorithm withrelaxation in a multiclass queueing environment

In this letter, we consider the convergence of an asynchronous greedy algorithm with relaxation for Nash equilibrium in a noncooperative multiclass queueing environment. The process of an asynchronous greedy algorithm is equivalent to the iteration of the Jacobi method in solving a linear system. However, it has been proved that the algorithm converges only for some particular range of queueing parameters. Here we propose the asynchronous greedy algorithm with relaxation, which is in principle equivalent to solving a linear system by the Jacobi method with relaxation. We propose also some relaxation parameters such that our algorithm converges very fast     

VLSI电路划分问题的分散搜索算法

电路划分是超大规模集成电路(VLSI)设计自动化中的一个关键阶段,是NP困难的组合优化问题.本文把基于顶点移动的Fiduccia-Mattheyses(FM)算法结合到分散搜索算法框架中,提出了电路划分的分散搜索算法.算法利用FM算法进行局部搜索,利用分散搜索的策略进行全局搜索.为满足该方法对初始解的质量和多样性的要求,采用贪心随机自适应搜索过程(GRASP)和聚类相结合的方法产生初始解.实验结果表明,算法可以求解较大规模的电路划分实例,且与基于多级框架的划分算法hMetis相比,划分的质量有明显的提高.