简介：故障诊断是无线传感器网络（WSN）可靠运行的保证。针对WSN特点及故障诊断需求，文章提出一种基于克隆选择机理的无线传感网络故障诊断算法。该算法结合集中式算法和分布式算法，后台管理节点执行分簇算法和优化免疫算法训练和更新抗体库，簇头节点利用小包波法收集普通节点的状态特征、执行故障检测和分类。实验仿真表明：该算法在历史数据较少的情况下，诊断准确率较高，效率好，硬件资源开销小，并具有自学习特征。

简介：提出了一种利用修改的有序子集(MOS)方法改进空间交替广义期望最大(SAGE)算法收敛性的方法.新的可变有序子集算法(MOS-SAGE)通过修改投影数据的数目和子集的排列循序加速收敛速度.其中每一个子集中的投影数目按2,4,8,16,32,64来排列以便重建算法首先恢复高频部分信息,然后重建低频部分信息.另外新算法还使相邻子集尽可能分离以减少投影间的相关性,达到加速收敛的效果.实验中,运用MOS-SAGE算法对计算机仿真的PET投影数据和实际的临床数据进行重建.几种误差分析结果表明,MOS-SAGE算法的收敛性能比SAGE算法和有序子集期望最大算法(OSEM)要快,重建后的图像更接近仿真用的模板图像.

简介：提出一种基于ASM和ERT特征点定位算法的人脸比例特征信息提取方法。选用图像几何特征和人眼的位置特征,将人脸图像转化为用向量表示的数学符号,这些特征向量基本上可以反映出整张人脸图像的有效信息,其中人脸的比例特征和人眼的位置特征用到了现阶段的两个主流的特征点定位算法,即ASM和ERT,然后利用人脸的五官比例去量化得到8维的特征信息。文中还从时间性能和准确率方面对两种算法进行对比,结果表明算法精确度上ERT略优与ASM,算法时间上PC端测试ERT明显优于ASM。

简介：本文将文献[5]中的偏差估计公式推广到有任意多个目标函数和α∈（0，＋∞）的情形并给出约束参数集维数可任意的数值例子．

简介：太阳能电动汽车的复合能源系统优化匹配问题可以看成一个多目标优化问题,两个相互冲突的目标是极大化系统的峰值功率满足率和极小化系统的成本,前者关系到系统的可靠性后者涉及到样车能否量产,所以两个优化目标都很重要.本文提出了改进的粒子群算法优化配置太阳能电动汽车复合能源系统,这种改进的粒子群算法引进了遗传算法里的变异算子,并且打破常规算法里的加速因子为常数的惯例而使加速因子随时间改变.优化结果显示：改进的粒子群算法也能够很好地解决复合能源系统的多目标优化问题.

简介：将交互式多模型（IMM）算法应用到分布式多传感器融合跟踪系统中,代替原有系统的单模型Kalman滤波,推导出了分布式多传感器交互式多模型信息融合算法,并通过仿真实例验证了算法的效果。

简介：生命周期评估(LCA)是绿色产品设计的一项重要内容,影响评估是LCA的重要阶段.本文将各种排放物影响因子进行分类后,应用灰色系统理论,提出了影响评估灰类划分及其白化权函数,对各影响类别进行了灰色聚类分析,然后根据分析结果给出了分类影响指数的计算方法.根据各影响类别的作用范围,将影响类别按全球影响、区域影响、本地影响进行了分组,并给出了分组影响指数以及总体影响指数的计算方法.最后,以设计中的3种材料钢、铝、工程塑料为例,说明了以上方法在一类产品比较选择中的应用.

简介：将Solodov和Svaiter于2000年发表的Errorboundsforproximalpointsubproblemsandassociatedinexactproximalpointalgorithms一文中提出的方法进行推广，得到2类近似邻近点算法．这2类算法都是预测校正方法，预测点满足相同的非精确准则，不同之处在于校正步的下降方向．为了使每次迭代产生的迭代点更加靠近解点，在校正步均采用了最优步长的技巧．在一定条件下，可以证明这2种邻近点算法是全局收敛的．并且，从理论上证明了采用算法2每一步所产生的下降量的下界大于算法1的，所以算法2比算法1能更快地收敛到解点．数值试验也表明了这一点．

简介：基于决策类划分多变量决策树是一种新型的决策树算法,该算法对训练集分区进行多变量决策运算后,可能取得多个决策逻辑规则。最优逻辑约简法则使用逻辑运算及选择运算构造出一种择优运算方式,以取得最优的逻辑约简规则,是对该算法的一种有效补充。实验证明该算法在取得最优决策逻辑规则方面效果明显,但在现实情况中可依据实际情况不同对引用此法则进行取舍。

简介：为了改善冲压件加工质量,采用量子粒子群算法优化六杆压力机构并进行运动仿真.分析六杆压力机构工作过程,采用几何关系式推导冲头的位移方程式.确定设计参数,构造冲头速度优化目标函数,增加约束条件.采用量子粒子群算法优化目标函数,得出六杆最优运动参数.采用数学软件MATLAB对冲头速度进行仿真验证,输出冲头速度运动曲线.结果表明：优化后的六杆压力机构在冲压工件时,冲头速度跳动幅度较小,回程速度快.采用量子粒子群算法优化六杆压力机构设计参数,能够提高冲压件产品综合质量.

简介：提出了一种室内轨道机器人的导航方法，该方法利用了一种基于不同到达时间（TDOA）算法的主动定位系统。一种主动式的导航信标系统被使用在该系统中，这种信标包括一个射频通讯模块和超声波发射模块。某一个信标的位置可以通过信标和两个固定在轨道机器人上的超声波接收模块之间的距离关系来确定。当信标上的射频通讯模块接收到机器人的同步命令后．超声波发射模块就会发射超声波信号，根据超声波和射频信号在空气中不同的传播速度可以计算出信标到两个超声波接收模块的距离。然后在利用TDOA算法可以在机器人坐标系中得到信标的位置坐标．再利用坐标转换就可以得到机器人在室内全局坐标系的位置。同时，一种基于计算几何精度因子（GDOP）的信标选择策略也被提出，用于选择信标。通过实验证明了方法在实际应用中的可行性。

简介：针对三角网格简化,设计了求解顶点覆盖问题的贪心算法,通过贪心选择最小的顶点集去＂覆盖＂边集,同时保留被简化网格的特征信息,自动实现最大程度简化。给出的实例也表明简化后的网格质量良好,算法既降低了时间复杂度又保持了原形状的特征信息。

简介：针对白芍饮片溯源系统的需求,通过分析比较SNM算法、SMURF算法、DSMURF算法,剔除不适合的SNM算法。利用SMURF算法中数据完整性条件和DSMURF算法中改进的多标签数据动态性条件,设计了适用于白芍饮片溯源系统中多标签数据清洗工作的MDSMURF算法。并通过仿真实验对于MDSMURF算法的多标签动态数据读取的阅读率和冗余数据的清洗效果进行验证。结果证明:改进后的MDSMURF算法提高了多标签动态的阅读效率、冗余数据的清洗效果。

简介：提出了一种新的多数据流聚类算法.该算法可以有效地对有相似行为但存在一定时间延迟的多数据流进行聚类.算法采用自回归模型技术度量数据流间的延迟相关,利用频谱估计来抽取数据流的特征.每一个数据流用其谱分量的和来表示,从而来计算每对数据流间的相关关系.每个谱分量用振幅、相位、衰减率、频率4个参数来描述.算法计算谱分量对之间的ε-延时相关关系,并以此为基础来得到聚类分析中数据流间距离的度量.此外,算法采用滑动窗口技术对多数据流进行聚类,实时地得出聚类结果且动态地调节聚类的个数.在人工数据集和实际数据集上的实验结果表明,所提出的算法比其他类似的算法具有更快的速度和更好的聚类效果.

简介：为了提高AES算法中IP核数据的吞吐量并同时减小硬件资源的占用,以达到速度和面积的折中实现,采用混合流水线结构和可重构技术完成了IP核的设计.该设计包括在同一个混合流水线结构的流程中实现了AES算法的加密和解密过程;根据有限域的性质,对AES算法中的Sbox盒进行了优化;结合可重构技术,完成了对AES轮变换的主要构件ShiftRow和MixColumn的优化.本设计在XilinxVirtex2pxc2vp20-7FPGA器件上完成,其数据吞吐量达到2.58Gbit/s,所需组合逻辑仅为3233块,通过与同型号器件上的其他设计进行对比,实现了速度和面积的折中,在吞吐量和面积上都得到了比较理想的结果.

简介：在文献[3]的基础上对信赖域算法作了进一步研究，在借助Minimax问题的伪方向导数，构造出其信赖域二次模型的基础上，结合非单调策略，证明了求解Minimax问题的简单易行的信赖域算法的有效性与可行性。

简介：许多文献讨论了模糊综合评判取大取小算法问题，文献中指出了文献中的错误所在．通过研究发现模糊综合评判取大取小算法是一种以点表示面的片面评判，不是综合评判，因此模糊综合评判取大取小算法是不合理的，并指出文献中对取大取小算法的改进是错误的．

简介：针对传统的单核SVM已经无法满足多个不同数据源的复杂问题，提出了支持向量机多核学习的改进方法。多核支持向量机的学习能力、泛化能力、决策能力在很大程度上取决于参数的选择以及多核权值系数的优化。对此，本文使用遗传算法对多核权值系数寻优，设计多核支持向量机故障诊断系统，此系统在某型飞机的垂直陀螺故障诊断中进行了验证，验证分别利用单核支持向量机和多核支持向量机分类精度对比，结果表明遗传算法寻优得到的权值系数使多核支持向量机分类精度明显提高。

简介：最小二乘参数估计的递推算法是系统参数辨识中最基本、最成熟的方法。文章首先介绍了最小二乘法的递推算法原理和本识别系统的框架流程图，然后针对文章的算法分别阐述了服从N（0，1）正态分布自相关随机噪声v（k）的产生方法。文章着重介绍了利用C语言编程对一个简单系统的参数辨识实现最小二乘参数估计的递推算法，详细说明了本系统各个环节的C语言实现，并通过matlab仿真对数据进行了详细的分析。从仿真实验结果可以看出，试验数据符合试验要求，系统的参数辨识实现最小二乘参数估计的递推算法的效果令人满意。

简介：针对基于时间感知的测试用例优先排序问题,提出了整数线性规划与遗传算法相结合的混合求解算法.首先,基于整数线性规划,选择待测程序实体的覆盖量最大且满足时间约束的测试用例集;然后,根据程序实体覆盖矩阵对个体进行编码,以程序实体覆盖速率作为适应度函数,利用遗传算法对测试用例集进行排序.选择5个经典的基准开源项目进行实验,以分支和方法作为程序实体,时间约束分别为25％和75％．实验结果表明,混合算法收敛速度快、稳定性好,优于传统整数线性规划方法．该算法有助于尽早发现软件缺陷,降低回归测试成本.