利用重要度评价矩阵确定复杂网络关键节点

为了对复杂网络节点重要度进行评估,针对节点删除法、节点收缩法和介数法的不足,通过定义节点效率和节点重要度评价矩阵, 提出了一种利用重要度评价矩阵来确定复杂网络关键节点的方法.该方法综合考虑了节点效率、节点度值和相邻节点的重要度贡献,用节点度值和效率值来表征其对相邻节点的重要度贡献,其优化算法的时间复杂度为O(Rn²). 实验分析表明该方法可行有效,对于大型复杂网络可以获得理想的计算能力.     

基于神经模糊网络的自适应α-β-γ目标跟踪算法

针对传统α-β-γ滤波器噪声统计特性未知时,受色噪声的影响精度严重降低,甚至出现发散等现象,设计了一种基于神经模糊网络的自适应的α-β-γ滤波跟踪器。该滤波器通过利用神经模糊网络作为误差估计器,估计出α-β-γ滤波器的估计误差,从而对α-β-γ滤波跟踪器的预测结果进行修正,得到更优的预测值。通过计算机仿真以及在图像目标跟踪平台验证结果表明,该算法可以克服传统算法的局限性,有效地防止滤波器发散,缩小实际的滤波误差,提高滤波精度,实现对跟踪结果的在线改进。