一类变系数非线性Schrodinger方程的对称群分类和容许变换

从对称群和容许变换的角度讨论一类变系数非线性Schrodinger方程,给出所考察方程的非平凡点对称群。     

基于泰勒分布线阵特殊旁瓣技术的研究

提出了基于泰勒加权分布线阵特殊旁瓣要求的设计方法,其波束图是由给定的旁瓣级要求来设计的泰勒分布波束图,在实际需要的特殊旁瓣要求上,设计满足了要求的最窄波束宽度波束图。给出了相应的参数设计,并证明该设计能在要求的最大旁瓣级上获得最大阵增益。借助计算机对线阵进行波束图设计。结果表明,使用该方法设计的波束图能满足特殊旁瓣要求和最大阵增益。     

基于量子免疫克隆聚类的SAR图像变化检测

传统的基于进化聚类方法在处理变化检测时耗时过长,在搜索最优聚类中心过程中容易陷入局部最优,对于SAR图像的变化检测存在边缘定位不够准确的缺点,提出了基于量子免疫克隆聚类的SAR图像变化检测方法.把图像的灰度值作为输入信息,通过量子比特定义聚类中心,通过量子免疫克隆算法来搜索最优聚类中心,从而得到更佳的全局阈值,最后根据...     

基于免疫优势的克隆选择聚类算法

 基于克隆选择原理和免疫优势理论,本文提出一种新的基于免疫优势的克隆选择聚类算法（Immunodomaince based Clonal Selection Clustering Algorithm,IDCSCA）,该算法通过在经典的克隆选择算法框架中,引入基于免疫优势理论的免疫优势算子实现了在线自适应动态获得先验知识和个体间的信息共享。新算法首先通过对群体中若干最优抗体的分析,提取免疫优势,然后将其推广到整个抗体群,通过在进化过程中利用积累的先验知识,在保证抗体种群多样性的基础上加快收敛速度。采用个5个数据集对算法性能进行了测试,与模糊C均值算法（Fuzzy C-means, FCM）、基于遗传算法的模糊聚类算法(Genetic Algorithm based Fuzzy C-means, GAFCM)以及基于克隆选择的模糊聚类算法（Clonal Selection Algorithm based Fuzzy C-means, CSAFCM）比较,结果表明IDCSCA能有效避免聚类中心迭代过程中陷入局部最优点的问题,而且聚类性能更稳定。     

基于线性最小二乘方法的多基地声呐定位算法

通过对多基地声呐发射站和接收各站的测量结果进行数据融合,提出了基于线性最小二乘方法的多基地声呐空间定位算法,并针对影响算法定位精度性能的各个因素进行了分析.仿真结果显示:基于线性最小二乘方法的定位算法充分利用了系统的冗余信息,在全域范围内具有较高的定位精度,较现有单纯利用三观测量的目标三维定位算法的定位性能更为优越.该...     

基于遗传模拟退火算法的矢量量化码书设计

首先介绍了遗传算法和模拟退火算法等全局优化算法,并针对遗传算法的早熟现象和容易陷入局部最优的缺点,将模拟退火算法引入到遗传算法中,提出了遗传模拟退火矢量量化码书设计(GSAKVQ)算法.此外,针对基于划分的染色体编码方式的特点,算法提出了新的有效的交叉算子和变异算子.同时,将算法从输入空间映射到特征空间,提出了相应的遗传模拟退火核矢量量化算法,改善了算法在某些数据集上的不足.最后,通过实验表明,GSAKVQ算法,在大部分的数据集上都能取得较好的结果,从而验证了算法在数据聚类问题上的有效性.     

免疫优势克隆算法

借鉴生物免疫学的有关理论,该文阐述了用于人工免疫系统的免疫优势概念,包括抗体免疫优势和抗原免疫优势。进一步地,构造了不同的免疫优势算子,并结合抗体克隆选择机理,提出了一种新的混合人工免疫系统算法一免疫优势克隆算法。0-1背包问题和复杂函数优化问题的仿真试验表明,新算法具有处理类似复杂问题的能力,且性能要优于相应的遗传算法。     

一类变系数非线性Schrǒdinger方程的对称群分类和容许变换(英文)

从对称群和容许变换的角度讨论一类变系数非线性Ｓｃｈｒｏｄｉｎｇｅｒ方程,给出所考察方程的非平凡点对称群     

一种免疫单克隆策略算法

本文系统地阐述了基于细胞克隆选择学说的单克隆算子.并将其应用于进化策略,提出了新的人工智能算法-一种免疫单克隆策略算法,该算法模拟免疫系统的自我调节、学习、自适应等机制,实现全局优化计算与局部优化计算机制的有机的结合,而且通过抗体与抗原间的亲合度计算,促进和抑制抗体的产生,自适应地调节抗体群的克隆规模.理论分析证明该算法以概率1收敛,同时利用4个标准函数对其进行全面测试,测试结果表明其收敛速度快、种群多样性好、并可有效抑制早熟现象.     

一种新的人工免疫网络算法及其在复杂数据分类中的应用

作为一种新的智能计算方法,人工免疫网络已被广泛的应用到模式识别以及数据分类中。现有的人工免疫网络分类算法大都存在两个缺陷:一是网络规模庞大、计算复杂;二是对抗原的一次递呈并不能保证获得全局最优分类器。该文提出了一种新的人工免疫网络分类算法,该算法利用每个类别对应单个B细胞的策略,简化网络规模并减少了同类别B细胞之间的抑制操作,同时引入了新的基于对训练样本正确识别率的亲合度评价函数,实现了基于抗原的优先级的选择策略。采用5组UCI的线性数据和4组混合特征数据以及1幅SAR图像对算法的性能进行了全面测试,结果表明,与模糊C均值算法,多值免疫(MVIN)算法和基于分类问题的克隆选择算法(CSA)相比,新算法在分类精度上具有一定的优势,鲁棒性更好。