基于稀疏矩阵存储的状态表压缩算法

正则表达式匹配对于网络安全应用至关重要。将稀疏矩阵和索引表引入确定的有限自动机的状态转换表,提出了一种稀疏矩阵索引的状态压缩表算法,并给出了稀疏矩阵和索引表的构造方法。而后同字母压缩表算法结合,给出了该算法的优化策略。最后在实际规则集上进行评估,实验结果证明了算法的压缩效果,并进一步得出了算法的适用范围。     

基于BP神经网络的数据挖掘方法

神经网络的高度参数化特征使它特别灵活,以至于它可以精确的对数据进行分类,成为目前公认的高精度分类器。本文介绍一种基于BP神经网络的数据挖掘的分类方法,并提出了改进思想。     

A Recursive Orthogonal Least Squares Algorithm for Training RBF Networks

A recursive orthogonal least squares (ROLS) algorithm for multi-input, multi-output systems is developed in this paper and is applied to updating the weighting matrix of a radial basis function network. An illustrative example is given, to demonstrate the effectiveness of the algorithm for eliminating the effects of ill-conditioning in the training data, in an application of neural modelling of a multi-variable chemical process. Comparisons with results from using standard least squares algorithms, in batch and recursive form, show that the ROLS algorithm can significantly improve the neural modelling accuracy. The ROLS algorithm can also be applied to a large data set with much lower requirements on computer memory than the batch OLS algorithm.     

提高传感器输出特性线性化的神经网络方法

采用BP神经网络结构和LM网络学习规则对传感器系统的非线性误差进行线性校正和补偿,并对网络结构进行了适当的改进.用Matlab语言实现,计算比较了使用两种不同初始化规则和网络结构时对网络性能的影响.计算机仿真实验表明使用NW初始化规则并改进网络结构后,网络的收敛速度更快,拟合精度也有所改善.     

基于局部时空特征的人体行为软分类识别

针对全局运动特征难以准确提取的问题,本文采用局部时空特征对人体行为进行表征。针对传统词袋中硬分类的方法量化误差大的不足,本文借鉴模糊聚类的思想,提出软分类的方法。根据兴趣点检测算法从视频中提取出视觉词汇,用K means算法对其进行聚类,建立码本。在计算分类特征时,首先计算待分类视觉词汇到码本中各个码字的距离,根据距离计算这个视觉词汇隶属于各个码字的概率,最后统计得到每个视频中各码字出现的频率。在Weizmann和KTH数据库对本文提出的人体行为识别算法进行验证,Weizmann库的识别率比传统的词袋算法提高8%,KTH库的识别率比传统的词袋算法提高9%,因此本文提出的算法能更有效地对人体行为进行识别。     

数据缺失下学习贝叶斯网的SEM算法

针对SEM算法易收敛于局部最优的问题,提出一种改进SEM算法——DSEM-PACOB算法,采用PACOB算法提供的良好候选网络及合理的策略,估计节点变量缺失值,并使与待估节点变量紧密相关的若干节点变量直接参与估计。实验结果表明,与SEM算法相比,利用新算法获得的最终解的质量有所提高,且具有更好的稳定性。     

一种改进的ALOHA防碰撞算法

针对现有动态帧时隙ALOHA防碰撞算法在射频识别系统中的标签识别效率最高只能达36.8%的问题,利用标签码元序列的唯一性,改进经典的动态帧时隙ALOHA防碰撞算法中随机选择时隙的方式,提出一种基于标签码元的碰撞序列进行时隙选择的方法,有效降低了标签碰撞的概率,从而提高系统识别效率。仿真结果表明改进的ALOHA标签防碰撞算法识别效率最低为37.5%,随着实际标签数目与碰撞位序列所能确定的标签数目越接近,识别效率越高,最高能达到100%,明显优于现有的动态帧时隙ALOHA算法。     

基于PRONY模型的谐波检测

信号的去噪问题一直是信号检测的一大难题,而要检测的信号往往却存在不同的随机噪声。在分析周期信号的基础上,提出了一种基于PRONY模型的周期信号分析法。经过对周期短(窄)脉冲信号的实验,这种直接构造的PRONY算法在周期信号中能达到有效、准确的分析结果。