求解基因排序问题的Arnoldi-型算法的改进

考虑利用Arnoldi型算法求解GeneRank问题。根据Arnoldi型算法的特点和基因排序问题本身具有的性质,对求解基因排序问题的Arnoldi型算法中存在的缺点进行优化,给出了一个新的算法。最后给出了数值实验,证实了新方法较原方法更有效。     

一种求解厌恶型p-中位问题的混合进化算法

厌恶型p-中位问题是一个NP-困难问题.提出了一种求解厌恶型p-中位问题的混合进化算法.首先,通过贪心随机自适应搜索方法和随机构造方法产生初始种群.然后,利用搜索过程中收集到的全局信息和局部信息构造新解,期间注意提高搜索的多样性,避免早熟.最后,针对厌恶型p-中位问题的特点,构造基于约束交换邻域的局部搜索算法,提高了算法的局部搜索能力.通过求解72个标准测试例子以检验算法的性能,发现该算法在较短时间内得到了高质量解,优于现有算法.     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入,将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值,通过网络优化,最小化损失函数,得到最优网络参数。最后用数值算例验证了算法的可行性,数值结果表明,本文算法能捕捉激波,分辨率高,且未产生伪振荡。     

求解线性不等式组的一个统一算法

本文给出了求解线性不等式组的一个统一算法,此算法包含了松弛方法、Cimmo-型方法:Richardson-型方法、同时投影方法和替代约束方法,同时也讨论了这一算法的分组顺序迭代和平行迭代的实现.     

基于差分演化算法的双曲型方程参数识别

差分演化算法在求解复杂优化问题时具有简单、高效的优点.本文将差分演化算法用于求解一类双曲型偏微分方程的参数识别问题,并根据所求问题的特点对算法进行了若干改进:包括基于帽子函数的参数表示和个体编码方法,用于增强算法性能的一般反向学习机制和平滑算子,以及将Tikhonov正则化和全变差正则化相结合的个体适应度计算方法.数值模拟显示,本文的算法可有效求解一维双曲型偏微分方程的参数识别问题.该算法不仅获得了高质量的近似解,而且还具有较快的收敛速度.     

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。     

基于高频心电图的缺血型心脏疾病分类算法

现阶段高频心电图(high-frequency electrocardiogram,HFECG)分类算法多为心梗(myocardial infarction,MI)与非心梗的二类分类或心梗类别分类算法,无法在心梗早期的心肌缺血阶段发现病例.基于此,本文提出了一种基于高频心电图的缺血型心脏疾病分类算法.该算法选取并改进了...     

基于Gauss分布和Gram-Schmidt正交化的朴素贝叶斯分类算法

朴素贝叶斯分类算法是一种简单实用的分类方法，人们对它的属性间条件独立性假设做了许多研究，致力于消除冗余属性、减少属性间的关联性，以获得一些新属性来使用朴素贝叶斯算法，但新属性间的独立性却不易度量，因而改进之处的理论支撑有所不足，改进后的朴素贝叶斯算法的效果更多的是由数据实验进行佐证。本文定义了Gauss分布型数据，提出了经Gram-Schmidt正交化方法改进的朴素贝叶斯算法，使其可以方便地使用于Gauss分布型数据的分类。该改进方法不同以往显式的构造新属性集或属性变换矩阵，而是直接正交化属性的样本数据，并证明了正交后的属性数据所对应的抽象新属性的独立性。这说明对于Gauss分布型数据的分类，原朴素贝叶斯算法中的条件独立性的假设不会给算法的使用造成障碍，经Gram-Schmidt正交化后即可满足这个约束条件。     

带法向约束的3次均匀B样条曲线插值

基于3次均匀B样条曲线段的端点性质,及其与控制顶点构成的三角形的几何关系,提出了一种插值给定顶点与法向约束的3次均匀B样条曲线构造算法.与以往B样条曲线的顶点法向插值算法不同的是,本算法结合由控制顶点构成的三角形的几何性质求解新添加的控制顶点,可生成严格插值型值点并且在型值点处法向与给定法向无偏移的B样条曲线.     

求解广义鞍点问题的SOR类型迭代算法

研究一类广义鞍点问题的数值求解方法。基于矩阵的SOR型分裂,给出了求解广义鞍点问题的一个数值求解算法,同时研究了新算法的收敛性。最后,给出了几个数值算例,数值实验结果显示出新方法比现有的PIU算法更有效。     

改进的静止图像小波零树编码

在深入研究尺度小波变换和嵌入式小波零树压缩编码算法的基础上，探讨了一种改进的小波零树编码算法。通过采用基于嵌入式零树预测扫描算法的改进小波变换编码方法，对小波分解的低频子带图像采用DPCM预测编码，高频子带图像采用了改进的取消重要系数排序的零树预测扫描算法进行压缩编码，使之既具有原零树算法良好的压缩品质，同时也简化了的压缩算法，提高了该算法 的适应性，与JPEG压缩相比，它消除了JPEG图像在高压缩比下的方块效应，取得了令人满意的实验效果。     

基于分级的MRF视频运动检测算法及其实现

在阐述马尔可夫随机场（MRF）视频运动检测算法理论的基础上，采用分级的方法，形成图像序列的时空多分辨率结构，大大优化了单一分辨率MRF算法 的初始化过程，并通过软件进行了实现，有效改进了单一分辨率算法检测的结果。该算法应用于数字视频监控系统，可明显提高检测精度，具有较好的应用前景。     

多层前向神经网络的自适应遗传算法训练

提出了一种改进的自适应遗传算法 Ｉ Ａ Ｇ Ａ,它利用网络结构的特点,采用前向自适应技术,实现对神经网络的有效训练．实验表明,该算法优于 Ｂ Ｐ算法、标准遗传算法 Ｂ Ｇ Ａ 和普通自适应遗传算法 Ａ Ｇ Ａ,网络训练质量和效率都有很大提高     

基于Cholesky分解的混合信赖域算法

为解决非二次性太强、曲率变化剧烈的非线性函数优化问题，把锥模型信赖域算法和基于广义正定Cholesky分解的Gill-Murray改进牛顿算法相融合，建立了基于Cholesky分解的混合信赖域算法，该算法具有计算速度快且收敛性能好的特点，证明了算法的收敛性。     

一种求解不等式约束下函数优化问题的新算法

提出了一种求解不等式约束下的函数优化问题的新算法． 算法设计思想来源于演化计算的群体搜索技术,但又不同于现存的任何一种演化算法． 对一些典型的约束优化问题测试结果表明：新算法结构的简单性,搜索的高效性,收敛的全局性,应用的广泛性,算法的鲁棒性及结果的精确性,都优于现存的演化算法．     

模拟退火-改进遗传算法及其应用

论述了遗传算法在全局搜索中的优势和模拟退火算法在局部寻优中的能力,进而提出了两者相结合的算法：模拟退火一改进遗传算法。通过比较,说明模拟退火一改时遗传算法的优化性能更好、更完善,并在实际应用中取得了良好的应用效果。     

基于智能优化算法的车间调度问题研究

车间的生产调度是一个非常复杂的问题,本文主要介绍车间调度问题模型以及蚁群算法、遗传算法、模拟退火算法等智能优化算法的研究情况,有效的生产调度方法和智能优化算法的应用,在很大程度上可以提高企业的效益.     

共轭梯度子空间基追踪算法及其相关结果

压缩感知可以在低于Nyqiust采样率条件下实现稀疏信号的精确恢复. 重构算法是压缩感知的主要研究内容之一. 本文基于子空间基追踪算法的回溯思想与共轭梯度法, 提出了共轭梯度子空间基追踪算法. 通过仿真实验验证了算法的有效性, 并讨论了该算法利用几种常见测量矩阵对稀疏信号的重构效果. 结果显示, 当测量矩阵为部分Fourier矩阵时, 该算法具有最优的重构效果.     

一种非线性RED算法的研究

定量分析了平均队列长度与网络性能的关系，在介绍了尾丢弃和RED算法之后，提出了一种非线性RED算法，并将非线性RED算法与RED算法进行了定量的比较，指出采用非线性RED算法，路由器可以避免在平均队列长度到达最大阈值前过多地丢弃分组，而且可以提高路由器的缓冲区利用率。     

基于多样本的在线支持向量回归算法

提出一种针对多样本的在线支持向量回归（SVR）算法,以解决目前SVR在线训练算法每次只能处理1个样本的问题．算法以拉格朗日乘数法和库恩一塔克（KKT）条件为基础,逐步改变样本的系数,并在每次迭代中保持原来的样本满足KKT奈件,最终使所有训练样本满足KKT条件．实验表明,该方法可有效更新SVR模型,且计算效率相比于基于单样本的在线回归算法有较大的优势．