流约束通讯网络可靠度的一个新算法

提出了流约束通讯网络的一个快速有效算法，系统是可靠的当且仅当特殊指定的流能从源点传递到汇点，中算法与传统算法有所区别，将传统的两阶段算法转化为一阶段算法，算法Ⅰ以任何一个有效组为初始有效组，所有的有效组都可以从此初始有效组中生成，且由此生成的所有有效组彼此不交，算法Ⅱ是第一个算法的对偶算法，同时中给出一个反例表明[8]中算法会遗漏有效组。     

算法多样化的误区及其对策

算法多样化是一个教学系统，而不是一个教学点。所谓算法多样化，就是鼓励学生独立思考，鼓励学生尝试用自己的方法来计算，在一个群体中，就会出现不同的算法。算法多样化是一个生生互动、师生互动的探讨过程，是学生不断体验与感悟的过程。     

竞争区域追踪算法

匹配追踪算法是一种从一个极度冗余的词典中选择出某些基向量来叠加出一个特定的信号的算法，这种算法已经成功地用于视频压缩和其它领域中，但由于匹配追踪算法本质上是一种贪心算法，它的主要缺陷是无法分辨出信号中存在的双峰结构，本提出了一种改进算法，称为竞争匹配追踪算法，这种算法能够克服上述匹配追踪算法的缺陷，并且在同等情况下能达到更优的性能。     

一种新的全局优化前馈神经网络

将L-M算法与填充函数法相结合，提出一种训练前向网络的混合型全局优化新算法．L—M算法的收敛速度快，利用它先得到一个局部极小点，然后利用填充函数算法跳出局部最小，得到一个更低的局部极小点．重复计算即可得到全局最优点．经实验验证，该算法收敛速度很快，避免局部收敛，而且性能稳定．     

BP算法的改进及在模式识别中的应用

主要分析了BP算法的特点以及在模式识别应用中存在的一些缺陷，研究了遗传算法和BP算法相结合的相关技术，设计并实现了一个遗传算法和BP算法相结合的BP—GA算法，并用一个经典实例说明该算法在模式识别中的应用．实验结果表明，基于BP—GA的模式识别系统有较好的泛化能力，较好地克服了网络单纯利用BP算法训练网络陷入局部极小值，导致网络训练失败的缺陷．     

机动目标跟踪中IMM算法的性能分析

IMM算法是以混合状态系统的观点为基础，利用一个连续状态的微分方程来描述目标的运动。利用一个离散差分方程来描述目标的机动出现，从而建立更为准确的，本文对该滤波算法进行了进一步的研究，总结了该算法的性能特点，细致分析了影响该算法性能的因素．     

关于循环结构的分析与思考

1引言 在新课程中，算法作为新增内容之一，已成为广大教师积极讨论的对象．对于任何一个新事物只有发现其存在的问题，才能更好地把握该事物，算法对于一线的中学数学教师来说是一个新事物，为了更好地把握算法教学，有关算法学前学后的调查研究已有不少，但当前对算法中教学难点进行深入分析的文章并不多．本文通过分析《数学通报》上两篇有关算法调查研究的文章的结果，[第一段]     

算法多样化刍议

算法多样化体现了全新的教学理念，是《标准》中的一个亮点。什么是算法多样化，教学中应如何体现算法多样化，如何看待算法多样化与算法优化的关系，都是教师应明确和把握的问题。     

细思“算法多样化”的几个误区

算法多样化，是数学课程改革的一个亮点，是实践的一个难点。算法多样化鼓励学生独立思考，鼓励学生思维多样化，鼓励学生个性化的解决问题，追求的是学生个性化的发展。是以学生的发展和提高为基本目标的。算法多样化是解决问题策略的多样化，并且只有让学生在操作、表象、抽象层次逐步优化，让学生的算法从低层次思维向高层次思维优化才是真正的算法多样化。当前，算法多样化教学的重点是如何激发学生的个性法算法并有效地优化这些算法，使学生的个性思维得到发展，最终促进学生全体多向、多层次发展。     

模拟退火算法的改进及其应用

针对贷款组合优化决策模型的求解问题，以模拟退火算法为基础，利用设置记忆器和在算法后链接一个局部搜索过程的方法，对原有算法进行了改进，该算法可兼顾解的质量和运行时间，快速找到最优解，克服了原有算法的随机性。数值计算的结果表明，该算法具有很强的适用性。     

论算法的逻辑特征及其方法论意义

本文认为算法在科学研究中具有普遍意义，解决科学研究中的问题需要一定的方法，但“方法”这一概念含义广泛而不具体，而算法与一般方法相比，则更具体，更精确，因为它是能行的、可操作的。能解决某个科学上的问题，实质上就是意味着掌握了或找到了某种算法，某一问题的可解性意味着能够找到一个适当的算法，而某一问题的不可解性则意味着不可能找到一个适当的算法，或证明这样的算法不存在，在科学史上，很多研究工作的任务和目的，就是要寻找解决某个问题的算法。     

实用图象数据压缩算法

本针对灰度图象数据的压缩存储问题进行了探讨，给出了一个无损压缩算法和一个有损压缩算法。     

一个遗传神经网络预测模型

BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型．     

科学优化促进发展

算法多样化是《数学课程标准》所倡导的教学理念，对其认识的不同，使其成为当前小学数学课程改革中一个争论的焦点。本文所说算法，泛指解决数学问题的策略。算法多样化后该不该优化？如何优化？笔者就此谈谈自己的看法。这里所指的多样化的算法都是正确的算法，不正确的算法已摒弃。     

“算法”型应用题例析

教育部2003年颁布的《高中数学课程标准》第一次把算法列为必修内容，其中写道：“算法是一个全新的课题，已经成为计算科学的重要基础，它在科学技术和社会发展中起着越来越重要的作用，在必修课程中将学习算法的基本思想和初步知识，算法思想将贯穿高中数学课程的相关部分。”其实，算法并不神秘，     

数据挖掘领域中的聚类分析及应用

聚类是统计学的一种方法，也作为数据挖掘的一个功能被广泛地应用。本文介绍了聚类的概念、应用，主要的聚类算法。最后，针对现实中的一个具体问题，设计了一个层次型的聚类算法，其结果对相关部门具有一定的指导作用。     

新课程标准下的算法课程设计

算法已经成为高中数学新课程的核心内容，算法思想是信息时代公民的基本素养之一，它对于中学数学教育来讲是一个全新的课题。而准确把握算法思想，培养学生的数学思维能力，是进行算法课程设计、教科书编写和教学实施的必要前提和重要基础。由此从算法思想的内涵和课程设计方面进行探究，试图给高中算法课程改革提供清晰的设计思路。     

跳频多址系统盲空时干扰消除算法研究

提出了适合无中心控制的对等网络的盲空时自适应干扰消除算法．本算法利用检测信号功率恒定的特点，采用了两个滤波器组，当其中一个工作时，另一个开始调整权系数，从而提高了收敛速度，避免了跳频频率变化带来的波束估计误差．仿真结果表明，提出的盲自适应算法可以明显提高输出信号SINR增益．     

广义强非线性拟变分不等式分歧值的迭代解

给出一个求广义强非线性拟变分不等式分歧值近似解的迭代算法，谊算法不同于文[1]中的算法，进一步证明近似解序列强收敛于精确解。     

一个K-均值文档聚类的改进算法

k均值算法是一个常用的局部搜索算法，它的主要缺陷是容易陷入局部极小，并且该局部极小解与全局最优解往往有很大的偏差。本文提出一个基于K-均值的迭代局部搜索文档聚类算法。该算法以k均值算法所得到的解作为初始解，从该初始解开始作局部搜索。在搜索过程中接受部分劣解。当解无法改进时，算法对所得到的局部极小解做适当强度的扰动后进行下一次的迭代，以跳出局部极小，从而拓展了搜索的范围。实验结果表明该算法对文档数据集聚类的正确性迭99％以上。