框式凸规划的原—对偶仿射尺度算法

文章对框式凸规划问题设计了一个原—对偶仿射尺度算法 ,证明该算法的迭代复杂性为多项式时间性     

一种新的凸二次规划的内点算法

提出了一个新的求解凸二次规划的内点算法 算法基于原始 -对偶仿射尺度算法的思想 ,每步迭代只须解一个线性方程组 ,通过适当选取步长 ,算法具有多项式计算复杂性     

原始对偶算法的一种改型

本文介绍的算法(下称“改型”)与通常的原始对偶算法就其原理来说是完全相同的,但计算方法却有所不同。通常的原始对偶算法,在求出受连带限制的原始问题后,接着就用单纯形方法求它的最优解,然后再根据最优值的情况(大于零或等于零)进行后面的步骤。这种方法无疑是有效的,一般也是较常用的。但是,在很多情况下,当我们求得受连带限制的原始问题以后,可以不用单纯形方法求最优解,而直接令y=0,使受连带限制的原始问题的目标函数值为     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.     

基于MatLab角点检测算法的改进

图像处理是计算机的常用技术之一,由于软件选择不当常会导致图像处理成效不理想,影响了用户计算机操作的顺利进行.为了满足用户图像处理的需要,本文分析了基于MatLa的角点检测算法改进的问题,并且以SUSAN算法为例进行深入地分析.     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

带包络约束的优化滤波器设计方法

对信道均衡、雷达或声纳脉冲压缩等应用领域中要求满足波形条件且使输出噪声增益最小化的滤波器设计问题进行了研究。用波形包络约束表达式和极值条件可以准确地描述滤波器的性能要求,从而将该设计问题转化为半无限二次凸规划问题进行分析。利用Lagrangian对偶理论和Carathéodory维度理论把半无限二次凸规划问题转化成等价的易于求解的有限维对偶优化问题,并给出了求解有限维对偶优化问题的迭代算法,设计实例表明了此方法的有效性。     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合,形成模拟退火—遗传算法以及模拟退火—粒子群优化算法,并作性能对比分析。研究结果表明,这两种算法都在进化代数和全局寻优能力方面有较大突破,在找寻最佳个体解的效率上,模拟退火—粒子群优化算法更突出。     

对偶线性规划问题性质探析

探讨对偶线性规划的原始问题与对偶问题的属性，阐述两者的区别和内在联系，用较简便的方法论证其重要性质，揭示可行解与目标函数、可行解与最优解的关系，指出线性规划问题最优解从约束条件较少的对偶问题寻求为另一较简便之方法。     

基于双十字TV模型的图像修复算法(英文)

当前的各种TV(total variation)算法均只利用待修复点及其邻域的4个点的信息进行修复,由于所提供的参考信息有限,使得修复后的图像精确度欠佳。该文提出的双十字TV算法利用原始的TV算法,将待修复点邻域中的8个点分为两组,分别利用每组4个点的参考信息计算待修复点的像素值,然后将这两个像素值进行加权平均得到最终的修复值。实例验证结果表明,在不增加时间复杂度的情况下,双十字TV算法有效提高了修复后图像的精确度。     

程序设计中的递归算法教学探讨

递归算法是程序设计中的常用算法之一 ,也是一种重要的编程方法。掌握递归方法十分重要 ,但递归算法是较难理解和掌握的。因此 ,有必要对如何讲好递归算法做一些探讨。分析了递归算法的特点 ,指出了在递归教学中存在的一些问题 ,并给出了一种有效的解决方法     

银行家算法的改进

利用现有的安全过程序列，减少不必要的安全性检测，改进了银行家算法，使其效率得到一定程度的提高。     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

改进的LDPC译码算法研究

基于LDPC码的BP译码简化算法,结合RMP调度和Offset最小和算法,提出了一种改进的LDPC译码算法。在相同的前提下,改进的译码算法在计算复杂度方面,与Offset最小和算法相比,改善了算法的收敛特性;采用优化的存储方式,降低了存储需求,适合硬件实现。仿真结果表明,改进的译码算法降低了平均迭代次数,减少了量化实现占用的存储单元。     

改进的分布式数据查询算法研究和实现

通过对数据库查询领域中SDD-1算法性能的分析，针对其在特定情况下存在的不足，引入人工智能领域的Ⅳ算法。将改进后的SDD-1算法与J2EE技术结合，应用到生产加工企业的材料供应链系统中。通过实验表明，新算法比SDD-1算法更具有适用性。     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

基于最速下降法的人工免疫算法

由于人工免疫算法受到收敛速度相对较慢,局部搜索能力较弱、求解全局最优解需要的群体规模相对较大等因素的影响,本文将最速下降法与人工免疫算法结合,提出了一种新的混合算法。数值实验结果表明,该算法能够找到更优的优化结果,并且在收敛速度上明显优于传统的人工免疫算法。     

基于禁忌搜索的启发式求解背包问题算法

设计了一种基于禁忌搜索的遗传算法,利用遗传算法提供的并行搜索主框架,结合禁忌算法的个体串行搜索方式,能扩大搜索空间,快速实现全局优化。把基于禁忌搜索的遗传算法与启发式方法相结合用来求解背包问题,经过计算机仿真,其优化性能指标及搜索效率均有大幅度的提高。     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来。这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现。通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。