空间参数曲线的双目标能量极小化方法及其应用

能量极小化方法已广泛用于平面曲线的构造,而在空间曲线构造方面的应用尚少。首先介绍了空间参数曲线的弯曲能和扭曲能,然后提出了一种以弯曲能和扭曲能同时极小为目标的空间参数曲线构造方法,最后以空间三次Bézier曲线为例,探讨了该方法在曲线的构造、延拓、平滑等问题中的应用。所提出的方法更符合空间参数曲线既需考虑弯曲又需考虑扭曲的特点。     

非线性非凸L_1－极小化的最优性充分条件

讨论一类特殊的非线性非凸Ｌ１－极小化问题：其中一阶连续可微，ｉ＝１，…，ｍ当恒为常数，恒为线性时，（ｐ）退化为校时离散线性Ｌ１－逼近问题．当（Ｘ）但为零时，（Ｐ）为凸复合Ｌ１极小化问题．这两类问题在８０年代已有广泛讨论．在通常情况下，要给出非光滑Ｌ１－极小化的充分条件是困难的，本文利用（Ｐ）的特殊结构给出其极小化的一个最优性充分条件，此可作为排除“伪极小”的一个依据．     

关于离散min—max问题的一种对偶新算法

本文利用Wolfe对偶将一个不可微规划问题转化为一个可微的约束非线性规划问题,并证明了相应的等价性定理,给出了实用算法5,初步数值结果表明,算法是可行的。     

约束非光滑极小化的随机拟次梯度法

用随机拟次梯度法处理非随机非光滑问题是极小化领域的新方法．本文利用Ｌａｇｒａｎｇｅ对偶理论把一般混合约束问题归化为非约束凸规划问题，并用随机次梯度法求解后者，相应的算法有合理的停机准则，并在适当条件下几乎处处收敛．     

一种网格参数化的优化算法

网格参数化是数字几何处理(Digital Geometry Processing)中的一个基本问题.作者利用Floater的具有保形权或均值权的凸线性组合参数化引入一种新的参数化的扭曲度量--点密度,以及网格上的最短切割路径来优化原来的参数化.切割路径由网格上的一内点和网格上的一边界点连接而成,内点位于参数区域上最密集区域,也是扭曲最严重的区域.具有最短切割路径的网格模型,被重新参数化成为一个具有较小扭曲的参数化.最后给出实例说明了此方法是可行和有效的,并且是优于原来的参数化的.     

平面图团覆盖问题的核心化和参数化算法

团覆盖问题是经典的理论计算问题,本文从参数理论角度考虑平面图团覆盖问题,提出了核心化简化规则,通过这些简化规则可以得到平面图团覆盖问题的核心,其规模为4k-4.根据该问题核心设计了参数化算法,可以用O（20k＋n2）复杂度求得平面图团覆盖问题的精确解.通过实验与现有的求解团覆盖的算法进行了比较.     

有约束极大极小优化问题的修正Lagrangian算法

对于有不等式约束的极大极小优化问题,本文构造了一个修正的Lagrangian函数并分析了其在一般条件下的性质,建立了与之对应的修正Lagrangian算法.最后对文献中的几个问题给出了数值计算结果验证了算法.     

基于L2,1范数正则化矩阵分解的图像结构化噪声平滑算法

图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该缺陷,本文引入L_2,1范数将结构化噪声情形下的图像去噪问题建模为一类L_2,1范数正则化矩阵分解问题,并由此提出一种基于L_2,1范数正则化矩阵分解的图像结构化噪声平滑算法（L21NRMD）。仿真实验结果表明,在基本保持椒盐噪声去除效果的前提下,该算法可有效去除不同比例的结构化噪声,PSNR性能指标值介于69-80dB之间,差错率为0.06-0.14,较现有算法具有更好的适应性和更广的应用范围。 更多还原     

比特化敏捷减枝的KVABS算法

借助于课题实验环境的医疗云平台,利用比特化敏捷减枝方法改进Apriori算法,得到更简单快速的KVABS算法,对医学干预数据进行分析,挖掘出H型高血压病理成因的主要影响因子。实验结果表明,基于比特化敏捷减枝的KVABS算法性能较经典Apriori算法有明显提升,降低了算法的时间复杂度。     

多域最小负载算法——Internet环境中的一种任务调度算法

提出了一种基于Ｉｎｔｅｒｎｅｔ环境的任务调度算法——多域最小负载算法．该算法使用多层调度策略实现可扩展性,以对应Ｉｎｔｅｒｎｅｔ数目巨大的网络和计算机,同时针对Ｉｎｔｅｒｎｅｔ环境下任务远程执行的通讯开销不能再被忽略以及存在消息传递的延迟等问题,提出了相应的解决办法．仿真的结果表明相对其它算法,多域最小负载算法有较佳的性能．     

一种改进的神经网络BP算法

提出同时对神经元温度常数Ｔ、位置常数θ、联接权值Ｗ进行调整的观点,并推导出相应的学习算法公式．对比试验表明：所给出的改进算法能有效地减少节点数、加速训练进程和识别精度     

一种新的NBP网络增强组合算法

研究分析了已有NBP网络学习算法样本学习速度慢以及样本个体误差较大的原因,并在此基础上提出了一种基于训练集递减的自适应增强组合算法.通过对个体样本误差分布、泛化特性等方面的实例分析表明,该算法具有良好的泛化特性,既提高了样本学习速度,又改善了样本个体误差.     

一种适用于WiMAX系统的调度算法

针对WiMAX系统中混合业务的特点,提出一种新的调度算法来满足QoS要求．新算法采用动量机制分配带宽资源,并为满足实时业务时延要求,采取动量机制设置队列延时分配权值来保证实时业务的调度优先权;同时设置随信道条件动态变化的分配权值,提高WiMAX系统吞吐量．仿真结果表明：算法能够保证实时业务的最大时延要求,并提高系统吞吐量．     

Goertzel算法的一种改进计算结构

针对Goertzel算法的计算结构硬件实现效率低等问题,提出了利用两个FIR滤波器实现Goerztel算法,并且将改进后的计算结构由原来的AR（2）过程推广到一般的AR（p）过程.改进后的计算结构避免了递推运算,能够预确定数据的动态范围进行定标,充分利用了DSP等信号处理器的硬件结构,适合定点处理器的编程.通过在定点DSP处理器TMS320C5510上进行软件仿真,测试结果表明改进计算结构后算法的效率是改进前算法效率的3.7倍.     

一种动态自适应的网格负载平衡调度算法

根据计算机网络固有的层次结构特性，提出了基于层次结构的动态自适应的网格负载平衡调度算法，在下层结点上采用便于管理的集中式算法；而在高层结点上采用高效稳定的分布式渗透算法．该算法由于在结点的重载和轻载状态之间增加了一个缓冲状态——适度，使得系统的负载状态刻画得更为精确，从而使网格系统趋于平衡稳定；另外在负载迁移时也尽量地采取就近迁移的原则，使得系统开销和网络通讯量得以减少．     

一种改进的指针安全分析算法

指针的安全性是C语言程序中的常见问题,它严重影响到系统的安全性.针对指针静态分析中的精度问题,比较分析了目前常见的5种指针分析算法的优缺点,提出了一种基于流不敏感的改进指针静态分析算法.该算法是在Steensgaard算法的基础上,对程序的控制流图进行改进,通过该算法可以得到比常见的数据流不敏感算法更为精确的指针分析结果.在实验室开发的国内首款商用编译器中实现了该算法,实验结果表明该算法可以提高指针分析的精度.     

一种遥感数字图像匹配的合成算法

分析了传统的基于灰度和基于特征的匹配算法,提出了一种基于边缘特征和相关系数的新匹配算法.该算法首先对潜在匹配图像和模板图像利用高斯拉普拉斯(LOG)算子和梯度算子提取影像的边缘,然后提取二值化图像,最后再利用相关系数法对二值化后的边缘影像进行匹配运算,得到正确的匹配结果.该算法融合了传统算法的优点.利用该算法对上海的SPOT 5 m分辨率不同波段的卫星影像进行了匹配试验,获取了比较好的匹配效果.     

一种非线性自适应粒子群优化算法

针对粒子群优化算法中出现早熟和不收敛问题,分析了基本PSO算法搜索速度对其优化性能的影响,提出了一种根据速度信息非线性自适应调整参数的粒子群优化算法.在算法迭代过程中,粒子随迭代次数和递减指数确定的非线性变化的理想速度自适应调整参数进行搜索,提高了粒子群算法的性能.提出的算法经过测试函数的模拟实验验证,并与其他已有算法进行了比较.实验结果表明,该算法在搜索精度和收敛速度等方面有明显优势,特别是高维、多峰等复杂非线性优化问题时,算法的优势更明显.     

一种新的混合智能算法及其在属性约简中的应用

属性约简是粗糙集理论的核心部分.受细菌觅食过程的启发,本文将细菌觅食算法的思想应用于粒子群算法,提出了一种细菌觅食粒子群算法.细菌觅食过程的趋向操作可以指导粒子朝着更优方向进化,而粒子群算法又能提高细菌觅食算法的收敛速度和寻优能力.将该算法应用到属性约简中,数值实验结果表明,本文提出的细菌觅食粒子群优化的约简算法在寻优能力方面均优于Hu算法,粒子群约简算法和细菌觅食约简算法,能得到更好的最小属性约简.     

一种现场勘查电子记录可信化模型

公安的各项警务工作已经进入了数字化时代,在犯罪现场勘查过程中采集的现场记录数据已大部分电子化,原有工作规范流程的弊病突显,使得现场电子记录的可信性受到质疑。本文结合实际工作需要,提出一种现场电子记录的可信化模型,通过该模型协议可以实现现场电子记录采集的同时自动进行可信化处理,保证现场电子数据的内容、采集时间、采集点和采集人员是可信的。通过理论证明,该协议构建的电子证据链是可信性,任何篡改都会在验证过程中被发现。模型的实施不但提升了现场勘查的效率,也保证了现场勘查数据的安全性和准确性。