最速下降算法的改进研究

最速下降算法在最优化理论中一个重要的算法,最速下降算法更是共轭梯度算法中不可或缺的重要组成部分,所以研究最速下降算法的改进,对改进共轭梯度算法,以至与之相关的一些最优化算法,都有一定的研究价值.本文主要针对最速下降算法的一些不足之处,进行改进.理论证明,该改进方法确实能抑制最速下降算法的锯齿现象,并大大提升了原算法的收敛速度.     

数据结构中最短路径算法的实现

最短路径算法种类繁多,比较有名的算法包括:Dijkstra算法、Ford算法、Floyd算法、Moore算法、A*算法、K值算法,而即使同一种算法也有多种不同的实现方式。本文介绍了求最短路径的Dijkstra算法的设计思路及Visual C 语言编程实现。实验表明:该算法能高效地求出一个顶点到其它各顶点的所有最短路径。     

BM算法与WM算法的比较

模式匹配算法比较成熟,但是传统的模式匹配算法对提高Snort检测性能的效果不是十分有效。Snort采用的BM算法是一种单模式匹配算法,目前研究者对Snort模式匹配算法的研究和改进主要是采用多模式匹配算法来替换原有的BM算法。本文主要介绍了BM算法和WM算法,分析了这两种算法的基本原理并进行了一些相关的比较。     

基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

一种改进的基于K-Means的蚁群聚类算法

聚类分析被广泛用于数据挖掘等领域,基于蚁群算法的聚类算法也得以应用。针对K-Means算法和蚁群聚类算法出现的缺点,利用了K-Means算法快速确定聚类中心和精英适应保留值的策略,提出了一种改进的基于K-Means的蚁群聚类算法。仿真实验表明,改进算法的性能得到有效提高。     

银行家算法的改进及其在操作系统上的推广

文章对避免死锁算法━━Dijkstra银行家算法进行研究 ,得出结论 .在证明结论的基础上对传统算法进行改进 ,给出了改进后的银行家算法采用分组技术在单处理机操作系统上推广的算法 ,及其在多处理机操作系统上推广的算法     

基于传递闭包的First集合的求解算法

介绍了求解First集合的传统算法和求解传递闭包的Warshall算法.针对Warshall算法进行改进,减少了整个运算过程的赋值环节.并把改进后的Warshall算法应用到First集合的求解算法中.与传统的First集合的求解算法相比,降低了时间复杂度,提高了运算效率.     

基于事务压缩的Apriori算法的改进

在数据挖掘算法中，Apriori算法是关联规则的经典算法。文章在分析经典Apriori算法的基础上，提出了改进型的Apriori算法。改进后的算法对事务数据库进行两次压缩，减少事务数据库的平均长度，提高了数据挖掘的效率，具有一定的实用性。     

几种改进的萤火虫算法性能比较及应用

萤火虫算法（FA）是继粒子群算法、遗传算法、模拟退火算法等经典智能算法之后,由剑桥学者YangXin-she提出的一种模仿自然界萤火虫捕食、求偶行为的新颖的群体智能随机优化算法。该算法近年来逐渐在不同优化领域得以成功应用,但也存在易陷入局部最优、算法过早收敛等问题,为此许多学者对萤火虫算法进行了改进。针对基于惯性权重的萤火虫算法、基于混沌算法的萤火虫算法这两种改进算法,通过几种标准检验函数对各算法的性能进行详细的仿真、比较,得出具体试验结果。在控制系统PID参数优化中应用改进后的萤火虫算法,仿真结果表明改进后的萤火虫算法寻优精度和搜索速度均优于基本粒子群算法。     

分布式实时系统的调度算法研究

分布式实时系统作为一种典型的实时系统应用受到了关注,目前提出了许多分布式实时系统的调度策略。本文针对诸如静态分配调度算法,动态算法,预测算法,容错调度算法,反射式动态调度算法等系列算法进行了综合的分析。     

基于高斯混合模型的k均值初始化EM算法的研究

EM算法是一种非常流行的极大似然估计方法,是一种当观测数据为不完全数据时求解最大似然估计的迭代算法,也是估计有限混合模型参数十分有效的算法.然而,EM算法是一个局部最优算法,常常容易陷入局部最优解,使得它的初始值对算法的结果有着极其重要的影响.因此采用k均值算法来初始化EM算法并将聚类结果同直接用EM算法得到的聚类结果相比较.数值试验表明经过初始化的EM算法的聚类效果要明显好于原始EM算法的效果.     

银行家算法的探讨

银行家算法是避免死锁的算法中最具代表性的一个算法。本文从死锁的基本概念及其产生的必要条件和处理方法入手,着重介绍银行家算法的基本原理、数据结构及算法基本流程。     

改进的基于光线跟踪的图形反走样算法

光线跟踪算法是一种高度真实感的图形绘制技术,由于其算法简单,容易实现而备受人们的重视。但同时光线跟踪算法是一种点采样算法,因而不可避免地产生图形走样,本文在实验的基础上,提出一种改进的基于光线跟踪的图形反走样算法,即像素细分技术和滤波技术向结合的算法,该算法反走样效果非常好,真实感强,并且性能好。     

提高医学图像边缘定位结果的组合型定位算法研究

通过专业比较若干种图像边缘提取算法的基础上,本文提出了一种图像边缘算法的组合型算法,该算法是在中值滤波的基础上,再进行prewitt算法和canny算法的一种特殊的定位组合型算法,仿真结果表明该组合型算法对图像边缘提取效果更清晰,有一定的实用价值。     

贪心算法与动态规划的比较

介绍了计算机算法设计的两种常用算法思想:贪心算法与动态规划算法。通过介绍两种算法思想的基本原理,比较两种算法的联系和区别。通过背包问题对比了两种算法的使用特点和使用范围。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法.算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中.新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强.     

一种基于遗传算法的聚类算法

提出了一种基于郭涛算法的聚类算法,在WEKA平台上通过使用Iris数据集和Glass数据集对基于郭涛算法的聚类算法和K-means算法进行对比实验,验证了基于郭涛算法的聚类算法的有效性。     

基于改进TDOA算法的设计与仿真

为减弱信号传播中非视距等因素的影响,提高定位精度,提出改进到达时间差(TDOA)算法,给出了算法实现方案的流程和仿真对比结果。该算法在TDOA算法的基础上,融入了速度和区域约束,以此判断目标是否超出移动距离阈值或者区域边界,对定位结果进行优化。建模后对TDOA算法、速度受限定位算法、区域受限算法和改进TDOA算法进行了分析比较。结果表明:当测量目标的定位精度、最大移动速度和采样频率分别发生改变时,改进TDOA算法的定位精度较TDOA算法明显提高。该算法与其衍生算法(速度受限定位算法和区域受限定位算法)相比,成功融合了两种算法的优势,更好地提高了定位精度,实现了对非视距等定位误差的优化。     

改进的单纯形模拟退火算法

SMSA(单纯形模拟退火)算法针对单纯形和模拟退火算法的优缺点,将两种算法有机地结合起来,充分利用单纯形算法收敛速度快以及模拟退火算法的随机突跳,不易陷入局部极小点的特性.两种算法结合,互相补充不足,大大提高算法的效率,并削弱了对参数选择的苛刻性.     

算法透明度的理论反思与制度建构

算法透明度在整个算法治理实践中蕴藏着丰富的固有价值和工具性价值。当前基于信息的算法透明度模式在理论渊源上源自传统基于信息的透明度理论,该理论虽发挥了一定作用,但因忽视算法决策的复杂性和动态性,难以满足利益相关者的多元化透明需求,忽视了普通公众的算法理解力而面临着严重的实践困境。基于此,在理论层面上,宜对算法透明度进行合理的理论更新,倡导算法透明度的“关系”转向,由传统静态的基于信息的算法透明度模式迈向动态的基于关系的算法透明度模式。在具体制度建构上,宜以关系透明度理论为指导,遵循“透明度设计”理念,基于算法透明度的个体和系统双重维度优化、完善算法透明度的基础性制度,并基于双阶透明度探索建构具有实践理性的算法透明具体机制,以增强算法透明度制度的回应性和有效性,切实发挥算法透明度在算法问责和算法治理中的功能。