简介：利用t向量来求周期三对角矩阵之逆。求逆的运算量为2n2＋O（n）乘除法及n2＋O（n）加减法。该算法计算量小且计算精度高。若对t向量进行截断、快速求逆,则求逆的计算量仅与n成正比。与现有快速算法相比,清除了电脑内存溢出的情况。文末列出了部分数值算例。

简介：在自适应RIO算法基础上提出了一种自适应队列管理算法（EnhanceAdaptiveRIO，EARIO），EARIO对具有不同目标速率的流区别对待，使得网络可以很好地保证各流聚集在共享带宽资源上的公平性，而且算法实现简单。仿真结果表明，EARIO能很好地保证流聚集之间的带宽共享公平性。

简介：针对复杂环境下,辐射源个体细微特征难于提取的问题,提出了一种改进多重分形维数辐射源个体特征提取算法。该算法对传统的多重分形维数算法进行了简化,取消了对传统多维特征进行求和的步骤,所得到的新的多重分形维数特征,对于辐射源个体特征的提取更具有针对性。仿真结果表明,提取到的多重分形维数特征可以较好地刻画辐射源个体特征,进而为后续分类器的设计打下良好的基础。

简介：推出正交函数Haar小波基所对应的乘积运算矩阵fm×m、乘积积分运算矩阵W及其性质,并应用到分布参数系统（DPS）最优控制问题的求解过程中。采用该方法可将偏微分方程描述的DPS问题转化为集总参数系统问题,避免了直接求解偏微分方程解析解的困难,简化了问题的求解,取得了较好的效果。与一般正交基函数逼近方法相比较,该方法具有计算量小、逼近精度高、算法简单等优点,为研究DPS的最优控制问题找到了一条新的途径。仿真结果说明了算法的有效性。

简介：提出一种应用于三相四线制有源电力滤波器（APF）的瞬时无功功率ip-iq谐波电流检测方法，用于解决传统检测方法提取精度低、收敛速度慢、稳定性较差等问题，采用自适应递推最小二乘法（RLS）算法取代低通滤波器。新方法以改进瞬时无功功率ip-iq法为电流检测依据，先减去电流中的零序分量，再利用坐标变换矩阵计算出电流有功、无功以及交直流分量。结果显示，该算法有效提高了直流分量的提取精度，在三相四线制APF中采用该方法是可行有效的。

简介：为提高入侵性杂草优化算法（IWO）的种群多样性,使算法在处理高维多峰问题时具有更好的全局收敛性。结合小生境思想提出一种小生境杂草优化算法（NIWO）。该算法根据种群内个体间的欧式距离对杂草种群进行分类,并采用自适应小生境数策略确定分类个数,对种群进行繁殖竞争等其他操作,从而增强种群的多样性,提高算法的全局寻优能力,保证算法的收敛精度。利用4个标准测试函数测试算法的寻优能力,仿真结果表明,无论对于低维还是高维多峰函数,NIWO算法的收敛精度和稳定性都优于标准IWO算法。

简介：将分支前馈神经网络（BFNN）运用于数字字符的模式识别问题中,其某些性能优于标准反向传播（BP）网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。

简介：针对机器人轨迹笛卡尔空间规划中需要精确规划出机器人路径曲线,且在需要精确跟踪轨迹场合却有很多曲线往往达不到精度要求的问题,利用改进性遗传算法,分段跟踪Bezier曲线的各部分,使机器人运行平稳,路径圆滑平顺。仿真实验表明,改进后算法收敛效果明显。

简介：将Hilbert-Huang变换（HHT）算法和Prony算法相结合进行电力系统低频振荡模式识别。利用HHT算法对实测信号进行经验模态分解,使之分解成处于不同频率的固有模态函数（IMF）;然后根据Hilbert变换,分析IMF分量的频率和相位,提取出含主导低频振荡模式的IMF;利用Prony算法对含低频振荡模式的IMF进行分析,提取出低频振荡模态参数,准确识别低频振荡模态。通过算例分析,证明了该方法可提高模态识别的精确性,验证了提取低频振荡模态参数的有效性。

简介：针对TCP协议在无线多跳网络中性能下降的问题，模拟实现了5种典型的退避算法，分析和比较了退避算法和TCP协议在无线多跳网络环境下的交互性能。仿真结果表明，退避算法严重影响了TCP的丢包率和吞吐量性能。

简介：设计了一个32bit分组长度、64bit密钥长度的分组密码BeeCipher。该算法基于国际数据加密算法（IDEA）和Lai-Massey结构,对IDEA算法的32bit版本的轮函数进行了改进,添加了正交置换,使得其具有可证明安全性;修改了密钥调度过程,使得目前已有的对IDEA算法的攻击都对BeeCipher无效。BeeCipher的软件和硬件实现都很简单,其速度较目前已有的大多数32bit分组长度算法要快很多,是32bit分组长度轻量级分组密码中有力的候选算法。

简介：针对无线传感器节点能耗不均的问题,研究了一种多特征组合加权的K一means聚类算法.改进了传统K一means算法中聚类中心随机选择的问题,并针对各维度特征对聚类影响的不同,赋予不同特征不同的权值.采用新的算法,并为其构建对应的算法性能衡量指标,与已有算法相比,新算法效果较好,能够明显提高数据聚类效果.

简介：定义了一种称为四维"复数"的概念来表示彩色图像象素,并由此定义彩色图像的"亮度矩".它以原图像的"亮度矩"与二值化后的图像"亮度矩"保持不变为基础,用于彩色图像的二值分割中.这种称为矩-四维聚类的两级阈值化算法不仅简单实用,而且效果较好.是彩色图像的二值分割的一种有效方法.

简介：单神经元(PSD)控制器利用神经元的自学习、自组织能力,根据被控对象的变化情况对控制器的权值进行在线调整,达到了在线调整PID参数的目的;且设计时无需精确对象模型,克服了常规PID因负载、模型参数的变化及非线性因素等影响PID精确调节的缺点.采用遗传算法对单神经元PID参数进行寻优,在搜索空间内获得全局最优点.仿真结果表明:采用遗传算法改进的单神经元PID控制器能获得较好的控制效果.

简介：对K-means算法加以改进,使用减法聚类确定聚类中心数量;以相距最远的两个样本作为聚类中心的边界,改进的K-means算法将K个初始中心分散到含有输入样本点的各个区域中,使其能够反映样本之间的关系和分布特征;初始中心确定后,使用点对称距离方法调整聚类中心。利用改进的K-means算法将历史日聚类分成4种天气类型,取相似日作为训练样本,对4种天气类型分别建立基于改进K-means算法的RBF神经网络功率预测模型。采用上海某光伏电站实测数据验证,结果表明提出的的预测方法精度提高,实用性较强。

简介：将BP算法与HYBRID算法分别用于一个典型非线性系统的自适应神经模糊推理系统(ANFIS)建模,通过比较发现,HYBRID学习算法的精度比BP算法高得多.

简介：针对传统智能算法在无限脉冲响应（IIR）数字滤波器设计面临的收敛速度较慢和容易陷入局部极值等问题，提出了一种基于猫群优化算法的IIR数字滤波器设计方法。猫群优化算法分为搜寻模式和跟踪模式，通过对猫群行为的观察，改进猫群的行为模式并利用该算法设计IIR数字滤波器，经过与利用粒子群算法与自由搜索算法设计的滤波器进行比较，证明用本文算法设计的数字滤波器有更好的效果。

简介：提出一种新的基于任意多面体剖分的并行碰撞检测算法,该算法根据任意多面体的剖分算法,将两个复杂的多面体间的碰撞检测转化为多个四面体间的并行碰撞检测,并通过实验数据与其他碰撞检测算法进行性能分析与比较,结果表明并行算法极大提高了检测速度。

简介：针对现有的电动机测试系统存在的负载加载可控性较差、数据采集速度慢、可模拟的负载种类少等问题,借助于工控机与可编程逻辑控制器（PLC）构成两级控制装置,引入改进的比例-积分-微分（PID）控制算法,研究开发了一套完整的电动机智能测试系统.该系统可以提高电动机测试的自动化程度,由于在测试中采用了分离元件“拼装组合”的方式,保证了整套测试系统的可靠性和可替换性.