线性方程组行处理法分布式并行算法

利用行处理法分治策略^[1]给出基于MIMD树机模型的一个求解任意相容性线性方程组的分布式并行迭代算法并分析算法复杂度。     

布里渊散射谱参数提取问题的混合优化算法研究与应用

提出了一种将Particle Swarm Optimization(PSO)算法和Levenberg-Marquardt(LM)算法按概率混合优化的新算法,将其用于Pseudo-Voigt型布里渊散射谱以提高其拟合度和频移提取精度。新算法以PSO算法为主框架,首先用PSO算法进行全局搜索,在优化一定次数后每次优化随机产生一个概率rand(0,1),若rand(0,1)小于或等于事先设定的概率P,则把PSO算法得到的最优解作为LM算法的初值进行局部深度搜索,将LM算法得到的最优解替换先前PSO算法的最优解,继续使用PSO算法进行全局搜索;若rand(0,1)大于P则仍然用PSO算法搜索,等待下一次优化产生随机概率rand(0,1)进行判断,交替使用两种算法直至获得理想的全局最优解。仿真分析和实验表明,新算法克服了单一算法的缺点,提高了布里渊散射谱的拟合度和频移提取的精度,充分证明了新算法的实用性和可行性。     

高次方程的一个分布式并行迭代算法

本文给出一个基于分布式存储MIMD树机模型求解实系数高次方程全部实数根的并行迭代算法并分析算法的复杂度。     

带状方程组二叉树MIMD算法

利用行处理法和分治策略给出一个基于分布式存储MIMD二叉树随机模型求解任意带状方程组的并行迭代算法，证明算法对相容性带状方程组收敛并分析算法的通信复杂度。     

引入改进的K-means算法的电缆监测数据优化技术的研究

分布式光纤是一种新型在线监测技术,能极大程度提高电缆健康状态的监测效率。由于光纤处于复杂环境影响中,以及分布式节点实时产生庞大的数据群,这对监测数据的处理技术提出了更高的要求。基于传统的数字式平均法,引入一种改进的k-means聚类算法,实时对各节点产生的数据集处理,能准确的识别因噪声影响而产生的奇异数据,提高了数据反馈的效率和准确性,从而减少了监测系统的漏报和误报现象。现有的实验仿真表明改进的算法较传统算法在数据处理的准确性和快速性上都有明显的提升。     

线性方程组正交化行处理并行算法

针对求解任意线性代数方程组，本文利用正交化行处理法和分治策略给出一个基于分布式存储多指令多数据流1级q叉树树机模型的并行迭代算法并讨论算法的复杂度。     

带状方程组q叉树MIMD算法

利用行处理法贪心方法和分治策略给出一个基于分布式存储多指令流多数据流(multiple inslruction stream，multiple data stream．MIMD)一级q叉树树机模型求解任意带状方程组的并行迭代算法，证明算法对相容性带状方程组收敛并分析算法的通信复杂度。     

基于模糊技术的非线性系统目标跟踪融合算法

提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.     

线性方程组分级行处理法贪心方法

给出在分布式存储的MIMD树机模型上求解任意相容性线性方程组的分级行处理法贪心方法，证明算法收敛并分析算法的通信复杂度。     

基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取

针对布里渊光时域反射光纤传感系统散射谱的高精度特征提取的要求,提出了一种基于自适应变异果蝇优化算法和广义回归神经网络的布里渊散射谱特征提取算法。不仅利用了广义回归神经网络在逼近能力、学习速度、模型的泛化等方面具有的优势,而且采用搜索能力较强的自适应变异果蝇优化算法进一步增强了神经网络的学习能力,从而提高了布里渊散射谱的拟合度和频移提取的准确度。在布里渊散射谱中心频率为11.213 GHz,线宽为40～50,30～60和20～70 MHz的散射谱白噪声实验模型中,将新算法分别与基于有限元分析的Levenberg-Marquardt拟合法、粒子群优化和拉凡格式混合拟合法、最小二乘法进行预测比较,新算法获得的最大拟合频移误差为0.4 MHz,平均拟合度为0.991 2,均方根误差为0.024 1。仿真结果表明所提出的算法拟合度较好,绝对误差小。因此,将此算法用于基于布里渊光时域反射的分布式光纤传感系统,可有效提高布里渊散射谱的拟合度和频移提取的准确度。     

一种新的光纤布里渊传感散射谱拟合方法

讨论了应用于光纤分布式布里渊传感散射谱最优化拟合的Levenberg-Marquardt(L-M)非线性最小二乘算法。分析并推导了一种可较好地反映入纤脉冲宽度越来越窄所引起的光纤分布式布里渊传感散射谱形状变化的Pseu-do-Voigt分析拟合模型。由调制脉冲光和调制器泄漏连续光共同作用所产生的光纤分布式布里渊传感散射谱应为Lorentzian型谱和Gaussian型谱的线性权重组合。Gaussian型函数部分可视为Lorentzian型函数谱的近似修正处理。基于L-M算法对光纤布里渊传感散射谱采样数据进行了曲线拟合和最优化参数估计,所得到的结果与理论分析情况吻合。     

基于多块模式决策的边信息生成方法

分布式视频编码中边信息的质量决定了系统的率失真性能,边信息质量越高,则率失真性能越好。针对视频序列中对象运动的不均匀特性,结合MCTI技术,本文提出了一种新的边信息生成算法。其基本思想是在编码端利用多块模式算法对帧中宏块进行划分,将宏块分为运动缓慢块和运动剧烈块;在解码端,对运动缓慢块直接由MCTI算法生成边信息,而运动剧烈块的边信息要经过后处理进行优化得到。仿真实验表明与直接由MCTI生成边信息方法相比,本文算法可以使生成边信息的峰值信噪比(PSNR)比原有的算法提高0.8dB-1.2dB左右,有效提高了边信息的质量。     

线性方程组行处理法贪心方法分布式并行算法

利用行处理法－贪心方法^[1]给出一个基于MIMD树机模型的求解任意相容性线性方程组的收敛性迭代解法并行迭代算法并分析算法复杂度。     

基于量子蚁群算法的旅行商问题求解及算法评估

量子蚁群算法是一种将量子理论与传统蚁群算法结合的高效生物进化算法,主要应用于故障诊断、路径规划、图像分割等问题的优化.基于传统蚁群算法的流程,介绍量子蚁群算法中的量子理论基础以及量子理论如何应用于蚁群算法.通过若干旅行商问题实例分析量子蚁群算法较传统蚁群算法的优势.针对目前研究多以离散指标来评估不同算法、难以直观显示不同算法综合差别的问题,提出一种综合评估算法搜索效率的方法,成功应用于量子蚁群算法和传统蚁群算法的对比,具有一定的实践意义.     

循环块三对角线性方程组的一种分布式并行算法

提出一种分布存储环境下求解循环状三对角方程组的并行算法,该算法以矩阵子块运算为基础,处实现调用BLAS3子程序;文中分析了算法的复杂性,给出一个保证算法不会在执行过程中中断的充分条件。     

量子算法简介

对量子算法作一个简单的介绍，并以Ｄｅｕｔｓｃｈ量子算法和ｓｈｏｒ量子算法为例介绍了得子算法的基本特性。     

相移技术中五步等步长Stoilov算法的性能分析

Stoilov算法是近几年提出的一种五步等步长相移算法。有关文献中的误差分析表明 ,该算法的性能优于四步等步长Carr啨算法闹懈隽耍樱簦铮椋欤铮鏊惴ǖ恼繁泶锸?,采用线性误差理论详细分析了算法的性能 ,尤其是算法性能对相移步长的依赖关系。分析表明 ,可以选择一个最佳的相移步长以有效减少位相测量误差 :相移步长为 5 2°时可有效抑制二次相移量误差的影响 ;相移步长为 90°时可极大地减少光强误差的影响。最后给出了Stoilov算法与Carr啨算法和Hariharan算法的比较。     

基于BP算法和ACO算法的故障诊断推理研究

BP算法在故障诊断领域已取得广泛应用,但其存在收敛速度慢且容易陷入局部最小值的缺陷,限制了其进一步的发展;ACO(Ant colony optimization)算法是一种模拟进化算法,已很好地应用于解决旅行商和资源两次分配等经典的优化问题,具有启发式收敛、正反馈以及分布式计算等优点;为此,将ACO算法引入BP算法故障诊断方法中,使用ACO算法对BP网络中的参数即权值、阈值以及学习率等进行优化,定义了一种结合ACO算法和BP算法能对故障进行诊断的新算法,并将其应用于具体的故障诊断实例中,最后,通过100组样本中的95组进行训练,并对剩余5组进行故障诊断,实验证明结合ACO算法和BP算法的新算法较传统的仅使用BP算法的诊断方法具有收敛速度快、诊断精确高以及训练性能好的优点。     

Monte-Carlo法模拟二维Ising模型 ——Metropolis、Swendsen-Wang与Wolff算法的对比

Ising模型是一种应用广泛的磁自旋相互作用模型,其二维情况严格求解极为复杂,实际应用中通常利用Wolff算法进行模拟.Wolff算法目前被认为是最好的聚类翻转Monte-Carlo算法.Metropolis和Swendsen-Wang算法同Wolff算法类似,理论上也适用于Ising模型的模拟,却未有文章将三者系统对比来说明Wolff算法的优越性,本科课程对于Monte-Carlo算法的介绍也较少.本文分别利用三种算法模拟了二维Ising模型,介绍了其算法原理、参数选择及实现方式,分析对比了三种算法的模拟效果和适用范围,从而总结说明在二维Ising模型的模拟中Wolff算法效果更好的原因.     

基于各类各向异性的EM-MAP-HMRF多源遥感图像融合算法

为提高目标识别率,在目标图像融合过程中引入Markov随机场建立类别的先验分布模型,针对模型中参量β的选取问题,提出了基于各类各向异性的期望最大化-最大后验概率-多层次马尔可夫随机场集中式与分布式两种图像融合算法.实验证明,两种融合算法都既可以提高分类准确度,又能够增大抗噪能力,且二者又有不同的特色,可以根据实际要求(如,运算速度、分类准确度、计算负荷等)进行应用选择,用以提高对特定目标进行自动检测与识别的准确性.