以混合态为初态实现Deutsch-Josza量子算法

给出了一种以混合态为初态实现Deutsch-Josza（D-J）量子算法的方法。根据这种方法,需要引入一个辅助量子比特,而且不必制备纯态就可以实现D-J算法,并且读出结果时只需对辅助量子比特进行测量,这样其结果的读出过程比一般的D-J量子算法的读出过程简单,因此这种方法更容易在实验上实现。     

基于关系数据库的关联规则挖掘算法DB-growth

从大数据中挖掘隐藏的、多维的有价值的关联规则具有广泛的应用价值。关联规则挖掘经典算法Apriori存在重复扫描数据库并产生大量候选项集的瓶颈问题,FP-growth算法虽不产生候选集,但FP-tree不支持大数据的存储与遍历,不能有效支持大数据挖掘;另外,Apriori以及FP-growth算法实施增量挖掘都需要重构关联规则,不适用于增长型事务数据挖掘。针对这些问题,设计基于关系数据库表SourceIndex的DB-growth算法,采用模式组合生成模式串的方式,更新数据库构建频繁集,有效地提高了关联规则的挖掘效率,同时对增量挖掘及深度挖掘也能得到较好的支持。更多还原     

基于模式矩阵的P_Matrix算法

Apriori算法是关联规则挖掘中最经典的算法,该算法需多次扫描数据库并产生海量的候选项目集.利用模式矩阵对Apriori算法进行改进,提出一种P_Matrix算法,它使扫描数据库的次数降为一次,同时不产生候选项目集而直接产生频繁项目集,从而使算法的时间复杂度和空间复杂度大大降低.     

KeeLoq和SHACAL-1算法的差分故障攻击

研究了两个非平衡Feistel结构密码KeeLoq和SHACAL-1对差分故障攻击的免疫性.采用面向比特的差分故障攻击方法对KeeLoq算法进行分析,理论分析和实验结果表明平均需要诱导11个错误就可以恢复KeeLoq的1比特密钥信息;采用面向字的差分故障攻击方法对SHACAL-1算法进行分析,实验结果显示平均需要诱导6个错误即可恢复SHACAL-1的32比特密钥信息.这表明这两个分组密码算法对差分故障攻击是不免疫的.     

一种惯性交替极小化算法及其应用

提出一种惯性交替极小化算法求解具有线性等式约束的两块可分离凸极小化问题,其中一块是强凸的。我们证明所提出的算法收敛到原问题和对偶问题最优解。作为应用,将所提出的算法用于求解一类复合凸极小化问题,该问题在图像去噪中有着广泛应用。最后,通过对具有约束的全变分图像去噪模型进行数值实验,数值结果验证所提出算法的有效性和优越性。     

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.     

基于自适应演化算法的DS-CDMA多用户检测

提出了一种新的自适应演化算法，用来解决码分多址系统中的多用户检测问题．该算法采用最大似然判决来检测用户发送的比特序列，根据当前变异的成功概率来自适应调整子代种群规模．仿真结果表明，基于自适应演化算法的多用户检测器总能在指定的迭代次数内收敛到与最优多用户检测器相一致的结果．该算法与未采用自适应机制的进化规划相比，当用户数从10增加到20时，收敛所需的代数相应减少37．5％到47．8％．该算法的计算复杂度是与用户数相关的多项式复杂度，与最优多用户检测器的指数复杂度相比，具有较好的可行性和实用性．     

学生日常行为模式挖掘及差异性分析

针对学生日常行为与学业成绩关系问题展开研究.面向反映学生日常行为的手机上下文数据,提出了一种基于关联规则的行为模式挖掘及差异性计算方法.其特点是使用语义化处理方法将数值型数据转换成具有语义信息的数据,采用Apriori算法挖掘关联规则,通过定量计算特征关联规则集合之间的非相似性系数,区分出不同类型学生行为模式之间的差异,进而得出学生日常行为与学业成绩之间的关系和影响,并在公开数据集上对该方法的有效性进行了实验验证.     

非线性规划问题的一个内点势减算法的全局收敛性

结合经典阻尼牛顿方法和线性规划内点势减方法建立了一个求解一般非线性规划问题的内点势减算法.理论分析表明在一些假设条件下,这一方法产生的序列全局收敛于问题的KKT点.     

用于一般函数优化的蚁群算法

蚁群算法是一种新型的模拟进化算法,初步的研究表明该算法具有许多优良的性质,利用蚁群算法求解一般函数优化,通过实验收到良好的效果。     

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。     

试射法在求解二阶线性微分方程边值问题中的应用

对二阶线性微分方程的边值问题(第一类、第二类及第三类边值条件),通常可利用古典的差分方法进行求解,即通过对微分方程离散化而求解线性方程组得到原微分方程的解.通过数值实验说明试射法也可作为求解二阶线性微分方程的一种有效算法且能保证具有较高的精度.     

正交频分复用系统中带比例公平的功率分配算法

针对传统多用户正交频分复用（OFDM）系统中比特和功率分配算法计算复杂度较高、实时性不强、无法保证用户间公平性等问题，提出了一种下行OFDM传输中高效率的线性比特和功率分配算法．该算法能在保证每个用户误比特率（BER）和数据速率要求下，按比例分配用户容量，使总发射功率最小．计算机仿真结果表明，该算法和传统资源分配算法相比，复杂度较小，系统容量在用户间分配得更加公平和合理．     

基于自适应步长布谷鸟搜索和粒子群融合算法的AUV水下三维路径规划

针对传统布谷鸟算法在处理自主式水下机器人（AUV）于复杂水下的三维路径规划研究时存在搜索目标不可达、寻径和避障能力弱和算法收敛速度慢等问题,提出AUV路径规划算法PSO-ASCS(particle swarm optimization-adaptive stepsize cuckoo search),将粒子群算法引入改进的自适应步长布谷鸟搜索,对布谷鸟算法进行优化。利用空间分层思想建立复杂水下三维模型对PSO-ASCS算法进行路径规划和避障实验;通过考虑路径长度、路径平滑性和路径危险性三个要素构造适应度函数,对PSO-ASCS算法进行测试并与自适应步长布谷鸟算法、标准布谷鸟算法和粒子群算法进行比较。实验表明,本文算法具有较强的全局搜索能力和寻优性能、算法收敛较好,使AUV具备高效的避障和路径规划的能力。     

基于蚁群算法的椭圆曲线密码安全曲线选择

针对椭圆曲线密码(ECC)体制的主要攻击威胁和安全曲线选择困难等问题,提出了一种半自动化的安全曲线选择优化算法,用统计学思想初始化蚁群预测矩阵,然后用蚁群预测矩阵来缩小搜索范围和明确预测方向.引入模拟退火算法对参数的选择进行优化,加入扰动因子(Vola)和传染因子(Infect)避免了算法搜索的早熟.实验结果表示该算法定位ECC安全曲线更加准确.     

一种改进的PCB图像匹配方法

为了解决传统图像匹配方法在PCB图像匹配过程中准确率低、耗时长的问题,提出一种基于SURF算法结合曲线拟合方法和K-means聚类算法的改进匹配方法。算法如下:首先利用SURF算法提取图像的特征点,并采用最近邻域法对生成特征描述子的特征点粗匹配得到特征点匹配对,然后通过曲线拟合方法滤除部分匹配对,减少匹配耗时,最后采用K-means聚类算法对匹配对聚类分析提取有效的匹配对,完成对特征点的精确匹配。实验结果表明该算法有效剔除了错误的匹配对,提高了PCB图像的匹配精确率,具有较好的稳定性和实时性。     

一种求解P*(κ)阵线性互补问题的宽邻域内点算法

基于线性规划宽邻域内点算法的基本思想,对P*(κ)阵线性互补问题提出了一种基于宽邻域N-∞(β)的势函数约减算法.该算法的每一次迭代都通过求解一个线性方程组得到迭代方向,并利用势函数来选取步长,使得迭代前后势函数按一固定量减少,从而使对偶间隙有固定的减少.证明了算法的迭代复杂性为O((κ 1)nt).     

自适应权重的GPSR压缩感知重构算法

在压缩感知信号重构的过程中,为使投影梯度稀疏重构算法（GPSR）在保持低复杂度的同时,能有效提高重构性能,引入了自适应思想,给重构模型添加具有惩罚意义的权重系数,以寻找算法复杂度和精度之间的最佳平衡点;根据解的收敛进程不断调整权重值,以加速收敛.仿真实验表明：在相同条件下,该算法的计算效率优于传统的GPSR算法和典型的OMP算法,能在较短的运行时间内大幅度提高重构精度.     

有限族非空闭凸集交上的投影算子迭代算法

梯度投影算法在信号与图像处理、机器学习和数据挖掘等很多领域中有着广泛的应用,如何有效的计算投影算子是该算法的关键。对于单一闭凸集上的投影算子的计算,特别是具有稀疏约束的集合,已有很多的研究者给出了不同的优化算法。对于多个非空闭凸集合交上的投影,需要根据集合的性质设计算法。本文给出在一般Hilbert空间中有限族非空闭凸集合交上投影算子计算的统一方法。首先,我们定义笛卡尔乘积空间,将有限族非空闭凸集的交转化为两个非空闭凸集的交,然后将Dykstra算法推广到这类问题的求解。同时,我们将有限族非空闭凸集交上投影问题转化为无约束优化问题,并基于Douglas-Rachford算子分裂和三算子分裂方法思想,建立求解该无约束优化问题的迭代算法及证明算法的收敛性。最后,应用所提算法求解具有非负约束的l1范数单位球上的投影问题,通过数值实验,结果表明所提算法能快速和准确的收敛到真实解。     

一种基于SSM的HMM训练算法

在Baum-Welch(BW)算法的基础上提出了一种基于态相关方法(State—Specific Method：SSM)的隐马尔可夫模型(Hidden Markov Mode：HMM)参数估计算法(简称SBW算法)．该算法在估计HMM不同状态的概率密度函数(probability density function：PDF)的参数时使用了与状态有关的维数较低的特征集合．与传统的BW算法相比，新算法避免了直接估计高维的PDF参数．仿真实验表明，在训练数据量不足的情况下，采用SBW算法的误识率明显低于BW算法．