基于条件数与行范数的有限逼近算法

针对一类系数矩阵行数远大于列数的大型线性方程组,根据有限截断理论以及矩阵的相关性质,提出一种基于条件数和行范数的有限逼近算法。利用该算法截断原方程,以截断方程的解代替原解。实验数据表明,该算法不仅简化了计算的复杂度,而且提高了解决实际问题的可行性。     

一种高效的全局K-均值算法

针对全局K-均值算法时间复杂度大的问题,提出一种增量选择初始聚类中心的新方法。选择数据集中周围分布最密集的样本作为第一个初始聚类中心,选择最小化目标函数贡献大,并且和已有聚类中心距离远的样本作为下一个初始聚类中心。改进算法减少了增量选取初始聚类中心时的计算量,降低了时间复杂度。实验证明,改进算法与全局K-均值算法、快速全局K-均值算法相比,在不影响聚类效果的基础上,减少了聚类时间,与优化初始聚类中心的算法相比,聚类效果更优。     

基于加权处罚的K-均值优化算法

在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造加权准则函数,把样本分给加权距离最小的簇中。限制簇集中出现平均误差较大的簇,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在含有噪音的数据集中,表现出更好的抗噪性能,聚类效果更好。     

基于Hash算法的DNA序列k-mer index问题的数学建模

针对查找DNA序列的相似序列问题,给出了建立索引和查找索引的数学模型,基于Hash算法,建立了依赖于k值大小的顺序索引模型和散列索引模型,特别对较大k值选用了DJBHash函数,有效的避免了Hash冲突问题。最后在硬件平台CPU为2.6GHz、内存为8G、操作系统为64位Windows 7的条件下,对100万条长度为100的DNA序列进行了测试,给出了不同k值下建立和查询索引的用时和占用内存情况,有效的解决了DNA序列的k-mer index问题。     

多元优化算法在马斯京根模型参数优化中的应用

以2个实例为研究对象,利用一种新型群体智能算法——多元优化(MVO)算法优化马斯京根模型参数,并与相关文献中加速遗传算法等多种方法的优化结果进行对比。结果表明:MVO算法优化结果优于其他算法,利用MVO算法优化马斯京根模型参数,可以获得比相关文献更高的模拟精度,不但为精确估计马斯京根模型参数提供了有效方法,而且拓展了MVO算法在水文模型参数优化中的应用。     

H桥级联STATCOM自适应死区补偿方法

为消除死区效应对H桥级联静止同步补偿器(STATCOM)输出电压及电流的影响,提出一种新的死区补偿方法.根据离散扰动观测器的工作原理,设计相应的观测器,对由于死区效应引起的STATCOM输出电压与参考电压的差值进行实时在线观测,并将观测到的差值作为补偿量,引入到无差拍控制系统中,实现对死区的自适应补偿.仿真与实验结果表明,该方法可以有效地提高死区补偿效果,消除零点电流箝位现象,降低STATCOM输出电流的谐波含量.     

仿射投影算法收敛特性随机统计特性的研究

仿射投影算法利用多个输入向量估计自适应滤波器的迭代方向,获得了比较快的收敛速度。在不考虑系统测量噪声的条件下,参数迭代步长等于1,仿射投影算法获得了最快的收敛速度。在此条件下,研究了仿射投影算法收敛性的随机统计特性,分析了仿射投影算法权值误差和权值均方误差的递归迭代方程,获得了仿射投影算法稳定状态的误差。     

冷连轧过程控制中轧制力和前滑模型的综合自适应

为了提高冷连轧过程控制系统中轧制力模型的设定精度,提出了一种轧制力和前滑模型的综合自适应算法.通过建立综合自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,并采用Rosenbrock算法求解目标函数,可以同时得到满足轧制力模型和前滑模型计算精度的自适应系数.该模型自适应算法可成功应用于某1 450 mm冷连轧机组.结果表明,采用该模型的综合自适应算法后,轧制力设定精度显著提高,且满足在线控制要求.     

面向矿井突水避险的双向搜索多最优路径算法

为节省煤矿水灾状况下的逃生时间,提高应急救援效率,在传统的Dijkstra算法基础上提出一种基于双向搜索的K则最短路径算法.首先综合考虑煤矿特殊巷道分布,提出井巷长度当量权值,然后利用灰色理论模型预测特定时间段内每条巷道的人流量,进而根据人流量对行走速度的影响关系式得到每条巷道的通行时间值,最终通过双方搜索策略改进算法,实现事故点到逃生井口的多条最佳逃生路线.根据井下巷道拓扑结构提取构建一个无向带权网络图,在MATLAB环境下利用上述优化算法进行仿真验证.结果显示,该改进算法具有更好的准确率和实用性.     

基于模拟退火算法的三维人脸匹配方法

基于模拟退火算法,利用深度信息对三维人脸进行匹配和识别。通过具有全局优化能力的模拟退火算法搜索获取全局极值,选择合适的适应度函数MLESAC和SIM控制匹配过程获得识别结果。基于“由粗到细”的思想,分3步匹配三维人脸,并对精准匹配阶段进行改进,通过选择合适的区域和分类器能够更好地应对表情的影响。实验结果表明,模拟退火算法跳出了局部最优解而获得了全局优化解,同时通过选择MLESAC和SIM作为不同匹配阶段的适应度函数能够有效控制匹配过程,提高了识别精准率。