无线传感网络监测数据分类算法仿真分析

研究无线传感网络数据的准确分类问题。针对无线传感网络监测得到的数据属性呈现高冗余特征,用传统的BP神经网络进行分类易陷入局部最优解、泛化能力差、收敛速度慢与精度低等问题,造成数据很难被准确分类,提出用免疫算法优化BP神经网络的分类算法。该算法利用免疫算法所具有的全局收敛特性和个体多样性保持机制,全局搜索优化BP神经网络的权值,再用BP算法对其开展局部搜索工作。仿真实验结果证明,该算法能够有效克服训练经典BP神经网络时容易陷入局部极值的不足,加快了网络的收敛速度,传感器网络数据分类识别的准确率也得到了大幅度提高。     

基于最小二乘互相关算法的图像定位匹配研究

提出了一种基于最小二乘互相关的图像定位匹配算法。该算法将图像互相关信息和最小二乘法结合实现图像定位匹配,匹配精度可以达到亚像素甚至1/100像素级,同时利用金字塔分层来提高定位匹配速度;通过本算法在印刷品质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性。1     

不完全微分PID控制算法研究与仿真实验

阐述了不完全微分PID算法的原理,以及两种微分算法的数学推导算式与控制输出作用比较,并对其进行了相应的MATLAB仿真实验,取得了较好的控制效果。     

基于量子进化算法的高校排课方法设计

排课既是高校教学管理中一项重要而复杂的工作,又是一个多目标约束组合优化问题,为此使用量子进化算法来求解高校排课问题。首先研究了量子进化算法的关键技术,然后根据量子进化算法求解优化问题的思路设计了高校排课算法。通过实验表明,本文方法能够根据开课任务自动完成排课过程,排课的成功率和效率都比较好。     

光通信中卫星振动抑制的自适应复合控制

在星地光通信中为了获得较高的性能,需要捕获对准跟踪(APT)系统具有高精度,而卫星振动是影响APT精度的最主要因素。传统反馈控制对卫星振动的中高频抑制效果较差。针对这种情况,将自适应算法引入前馈控制,设计了最小均方(LMS)和递推最小二乘(RLS)两种自适应反馈复合控制算法。仿真验证了反馈控制、LMS复合控制以及RLS复合控制三种算法的性能,结果表明自适应前馈复合控制算法对中高频振动抑制效果明显,采用更快收敛速度以及更高稳态精度的自适应算法可以提高抑制效果。     

A~*算法在游戏寻路中的应用

寻路问题是游戏设计解决的基本问题,通常采用广度优先搜索算法完成。针对"连连看"游戏的路径搜索特点,详细地分析了A*算法在其中的应用,确认最初估价函数的构成,结合实际应用情况,给出了A*算法的改进及实现。     

低信噪比下两种点目标检测算法的研究

红外图像中点目标检测技术是近年来信息处理研究的热点和难点之一。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

PFA算法与RMA算法成像机理的比较

在ＳＰＯＴＬＩＧＨＴＳＡＲ的各种成像算法中,聚焦的准确性是影响ＳＡＲ成像质量的关键所在。在建立ＳＰＯＴＬＩＧＨＴＳＡＲ数据搜集及成像处理的数学模型基础上,比较了两种ＳＰＯＴＬＩＧＨＴＳＡＲ成像算法ＰＦＡ和ＲＭＡ的性能,并通过计算机仿真进行了分析和比较。     

量子遗传进化算法的收敛性研究

量子遗传算法建立在量子的态矢量表达基础上,染色体的编码用量子比特的几率幅表示,使得一条染色体表达多个态的叠加,再利用量子门实现染色体更新操作,从而达到目标的优化求解.它具有种群规模小而不影响算法性能,收敛速度快和全局优化能力强等特点.但是遗传算法的随机性不好把握,收敛方向不好控制,针对遗传算法的种种问题,通过多种方法来对收敛性进行研究.     

一种新混合粒子群算法及其在阵列天线方向图综合中的应用

针对传统粒子群算法(PSO)中存在的易陷入局部最优解和后期收敛速度慢的问题,首次提出一种新混合粒子群算法(NHPSO),采用杂交粒子群算法和固定惯性权重策略,并把简化的二次插值法融入杂交粒子群算法中。实验证明新算法大大提高了收敛速度,改善了解的质量。对阵列天线特殊主瓣形式的波束赋形和旁瓣电平优化结果取得了非常好的效果,计算机仿真证实该新算法应用于此类问题非常有效。