混合指数分布定数结尾时参数估计的Monte Carlo EM加速算法

应用Monte Carlo EM加速算法对于单参数混合指数分布在定数结尾场合的参数估计问题做了较深入的探讨,做出了模拟试验。     

基于IRT的二项分布模型参数估计方法的改进

介绍了基于IRT的MASI反应模型（二项分布模型）及其常用参数估计方法，并采用MMLE/EM算法对该模型进行参数估计。     

非高斯噪声下系统参数M估计及其递推算法

讨论了单输入单输出ARMAX系统在非高斯噪声环境下的参数估计问题。提出了一种基于M估计理论的系统参数动态递推辨识算法,利用函数逼近原理以及矩阵等价变换知识,给出了算法的详细推导过程,分析了M估计用于系统建模的原理,给出了适合在线计算的参数估计递推算法。最后进行了数值仿真,结果表明本文提出的算法具有较强的抗噪能力和良好的收敛性。     

大学学报

一种模式空间中的快速DOA估计算法A fast approach to DOA estimation within mode space在均匀圆阵模式空间中,提出一种基于ESPRIT的快速波达方向估计算法,该算法将均匀圆阵转化成为模式空间的虚拟阵列后,通过利用虚拟阵列的协方差矩阵的近似Toeplitz特性,可以直接得到噪声的方差分量σ2n,因此避免了ESPRIT算法中的第一次特征分解,即只用一次特征分解完成参数估计。分析表明,该算法运算量小,而且能有效估计参数。     

EM算法在混合正态分布模型参数估计中的应用研究

有限混合分布可以作为众多随机现象的统计模型。很多随机现象在样本量足够大时都可以用正态分布近似,并且混合正态分布模型具有灵活、高效的拟合能力,因此混合正态分布模型被广泛应用。本文利用EM算法对混合正态分布模型进行了参数估计。该算法利用数据扩张,将比较复杂的似然函数最优化问题化成一系列比较简单的函数优化问题,得到相应的迭代公式。最后通过R软件对EM算法进行数值模拟,验证了EM算法的收敛性和有效性。     

基于CARIMA模型GPC算法的感应电机直接转矩控制

针对感应电机直接转矩控制在低速时转矩脉动大等缺点,本文首次提出了一种基于CARIMA模型的广义控制算法,并使其应用于感应电机的直接转矩控制.该算法直接作用于直接转矩控制中的转速控制,不依赖于电机的具体模型,通过系统辨识与参数估计获得算法模型参数,具有在线辨、滚动优化和对模型的要求不高等优点.通过仿真表明,此算法提高了感应电机直接转矩控制的控制精度和低速性能.     

一种采用中间链表对双向Dijkstra算法优化的实现

本文在分析现有双向Dijkstra算法基础上,通过调整搜索规则,提出了一种改进的用中间链表加速的双向Dijkstra算法,保证了前向和后向搜索在中间相遇,大大地节省了算法的运行时间。     

一类广义隐马尔科夫模型的建模与参数估计

隐马尔科夫模型在很多方面已有广泛应用.讨论了一类更为一般的模型,这类模型由Wojciech Pieczynski首次提出,并且给出了在图像识别中的应用.这里首次给出在离散观测和离散状态下该模型的精确数学描述,其中包括建模、状态估计和参数估计,这些算法都是首次被提出的.     

频域徙动运动参数闭频繁项集挖掘算法

高速多目标运动状态监测过程,运动参数的频域徙动导致参数估计和挖掘困难,传统方法对高速频率徙动运动目标参数的挖掘采用MapReduce框架的并行FP-Growth算法,算法需要对运动目标的速度和加速度进行预估计,实现困难。基于多普勒扩散的项集期望支持数模型,提出一种改进的基于闭频繁项集挖掘的高速多目标的运动参数挖掘算法,构建高速多目标运动参数信号模型,采用普勒频率模糊数搜索的方法完成高速多目标的频域徙动动态平滑,准确挖掘出运动参数的相位、时延、速度和频率等相关信息。研究结果表明,该算法能准确拟合时延、速度等运动参数,拟合值与真实值相同,对高速运动目标的运动参数估计精确,在高速运动目标参数挖掘和精确制导等方面具有较高的应用价值。     

危险品运输车流方位—速度参数联合估计算法

危险品运输车流在动态移位中产生动态差分毗邻干扰,卫星定位信号对车流进行监控过程中受到车流位置数据动态差分更新影响较大,对车流的方位估计较为困难。传统方法采用MUSIC参数估计方法估计车流参数,导致车流快拍数动态变化时对车流方位和速度估计不准。为解决这一问题,提出一种基于均匀矩形阵列危险品运输车流建模方法,采用改进的MUSIC算法实现对车流的方位-速度联合估计,达到车流监控的目的。仿真实验表明,采用改进的方位估计算法监控危险物品运输车流,速度和方位参数估计精度提高明显,能为车流监控系统提供准确的数据参考。     

一种GA-BP算法的研究及性能分析

遗传算法具有搜索全局最优解的能力,并且有很强的鲁棒性,而BP算法具有很好的泛化能力和非线性映射能力,基于两种算法的特点,设计了一种GA-BP算法,该算法将遗传算法应用到神经网络中权值和阈值的优化中,将最优解的分布范围缩小,然后通过BP算法进行再次优化和精确求解,以防止神经网络陷入局部极小点,从而达到加速收敛、减少训练次数的目的;并且通过对比实验给出该算法的可行性和有效性分析,进一步验证了该算法在收敛速度和误差精度上的优越性。     

能源消费影响因素分解方法的比较研究

在能源消费研究中经常要将其变化分解为各种因素,通过各种因素的影响程度来分析影响能源消费的变化原因.自20世纪70年代以来,已经发展了多种分解方法,这些方法的假设前提与算法都有较大差异.本文从能源消费变化量与能源强度两个角度介绍了各种分解算法,对其进行了对比,并运用中国制造业的相关数据比较了分解的结果.能源消费变化量的分解方法中,Shapley算法与M-E算法分解结果相同,但是Shapley算法按照各因素的贡献加权来计算各因素对能源消费量的影响,更适合多因素分解;Se-Hark Park算法与AWT-PDM算法能较好地体现经济结构对能源消费量的影响,但AWT-PDM算法由于权数的确定问题,使得该算法存在不能分解的剩余项.能源强度变化的分解方法分为乘法分解和加法分解两大类,乘法分解反映的是能源强度变化率,加法分解反映的是能源强度变化量.Fisher算法与LMDI算法均是对能源强度的完全分解,而Laspeyres算法与AMDI算法均存在剩余项;方法是对AMDI算法的改进.研究者在研究能源问题或环境问题时,应根据研究要求及所掌握的数据选择恰当的分解方法.     

分布式查询优化算法及对SDD-1算法的改进

针对分布式数据库系统的查询优化，讲述三个典型的算法：INGRES算法、System R*算法、SDD-1算法，并进行对比、优化、总结。最后对SDD-1算法进行改进。INGRES算法是应用于分布的INGRES系统中，而分布的INGRES是美国加州大学伯克利分校研制的INGRES的分布式后继；System R*算法是IBM圣约瑟研究实验室研制的System R的分布式后继，它主要应用于所研究的这个系统中；SDD-1算法采用半连接程序处理连接操作，无连接与分片，以现有的Datacomputer数据库管理系统为基础。     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

A split-list approach for relevance feedback in information retrieval

In this paper we present a new algorithm for relevance feedback (RF) in information retrieval. Unlike conventional RF algorithms which use the top ranked documents for feedback, our proposed algorithm is a kind of active feedback algorithm which actively chooses documents for the user to judge. The objectives are (a) to increase the number of judged relevant documents and (b) to increase the diversity of judged documents during the RF process. The algorithm uses document-contexts by splitting the retrieval list into sub-lists according to the query term patterns that exist in the top ranked documents. Query term patterns include a single query term, a pair of query terms that occur in a phrase and query terms that occur in proximity. The algorithm is an iterative algorithm which takes one document for feedback in each of the iterations. We experiment with the algorithm using the TREC-6, -7, -8, -2005 and GOV2 data collections and we simulate user feedback using the TREC relevance judgements. From the experimental results, we show that our proposed split-list algorithm is better than the conventional RF algorithm and that our algorithm is more reliable than a similar algorithm using maximal marginal relevance.     

基于聚集密度的协同进化多目标优化算法

为了改善协同进化多目标优化算法性能,引入了聚集密度对超级个体集合进行更新。其基本思想是：首先计算种群中各个体的聚集密度,再定义一个偏序集,然后根据一定的比例依次从偏序集中选择个体更新。根据数值试验和量化指标测试了新算法的收敛性与分布性。结果表明,新算法在收敛性方面与常规协同进化多目标算法相当,但其分布性获得了一定程度的改善。     

A fast string-searching algorithm for multiple patterns

The string-searching problem is to find all occurrences of pattern(s) in a text string. The Aho-Corasick string searching algorithm simultaneously finds all occurrences of multiple patterns in one pass through the text. On the other hand, the Boyer-Moore algorithm is understood to be the fastest algorithm for a single pattern. By combining the ideas of these two algorithms, we present an efficient string searching algorithm for multiple patterns. The algorithm runs in sublinear time, on the average, as the BM algorithm achieves, and its preprocessing time is linear proportional to the sum of the lengths of the patterns like the AC algorithm.     

基于遗传禁忌的数据库多连接查询优化算法

针对数据库多连接查询优化问题,提出一种基于遗传禁忌算法的数据库多连接查询优化策略。把遗传算法作为查询优化的主框架,禁忌搜索作为遗传算法的变异算子,增加种群多样性,克服遗传算法收敛慢、局部搜索能力差等缺陷。仿真结果表明,遗传禁忌算法加快了求解数据库多连接查询优化问题的速度,而且提高了查询优化效率,得到较满意的查询优化结果。     

算法的知识产权保护路径选择

算法的知识产权保护是激励算法创新、规制算法风险的有力途径。知识产权保护的算法是以计算机语言编译,以代码化指令序列为表现形式,由计算机运行并产生独立理性价值结果的程序算法。文章梳理得出,知识产权保护程序算法的传统路径存在以下弊端：程序算法与著作权法体系冲突;商业秘密路径与程序算法治理背离;程序算法难以被认定为是方法发明,也无法适用方法发明权利规则。文章提出,智能社会程序算法知识产权保护的最优路径为：参考国际上管制性排他权的理念,构建新型程序算法准专利权,并基于算法自身技术特性搭配公开审查制、同等侵权和分级保护期制度。     

Gradient-based iterative identification method for multivariate equation-error autoregressive moving average systems using the decomposition technique

This paper studies the parameter estimation problems of multivariate equation-error autoregressive moving average systems. Firstly, a gradient-based iterative algorithm is presented as a comparison. In order to improve the computational efficiency and the parameter estimation accuracy, a decomposition-based gradient iterative algorithm is presented by using the decomposition technique. The key is to transform an original system into two subsystems and to estimate the parameters of each subsystem, respectively. Compared with the gradient-based iterative algorithm, the decomposition-based algorithm requires less computational efforts, and the simulation results indicate that this algorithm is effective.