基于min-max准则与区域划分的I-k-means-+聚类算法

针对I-k-means-+算法聚类结果不稳定、求解精度较低的问题,提出一种基于min-max准则与区域划分的I-k-means-+聚类算法.首先,提出min-max准则,计算每个数据点到最近中心的距离,优先选择距离最大的数据点作为新的聚类中心,避免多个初始中心聚集在同一个簇中的情况;其次,将分裂簇中的数据点分割到不同区域,在每个区域中选取一个数据点作为候选中心,以增加候选中心的多样性;最后,对于配对失败的簇,通过增益重新选择新的分裂簇与原删除簇再次配对,以提高配对成功率,进一步降低目标函数值.实验结果表明,与I-k-means-+算法相比,本文算法在运行效率基本相当的前提下,求解精度平均提高6.47%,且聚类结果更稳定;与k-means、k-means++算法相比,本文算法的求解精度更高.

一种基于最小值和Min-Max方法修正的科研项目综合相似度计算方法

对于科研项目查重,常规方法为对科研项目的项目名称、申请书等项目组成部分分别进行相似度计算,加权处理得到综合相似度后再判断项目的相似度,不易区分客观上有一定相似度而实际上不相似的科研项目.提出一种基于最小值和Min-Max方法修正的科研项目综合相似度计算方法,先设定项目组成部分相似度最小值,低于最小值的项目组成部分不参与项目综合相似度计算,再基于Min-Max方法对项目组成部分相似度进行修正,经过修正的相似度加权处理后得到项目综合相似度.实验结果表明,基于最小值和Min-Max方法修正的计算方法能较大程度提高似相似实际不相似科研项目综合相似度的精确度.

无圈反向超图中Min-Max不相交反向超路算法设计

超图与反向超图是计算机网络和通信网络采用的一类重要的网络拓扑结构,为提高网络以及传输路径容错性,不相交路径设计与优化成为重要的研究课题。本文在有向无圈的反向超图中,当每一条反向超弧的尾节点数不超过给定常数λ时,对构建源点与汇点间两条点不相交反向超路(B超路)的Min-Max优化问题进行研究,使得两条反向超路中权值较大者的值能够达到全局最小。为解决该问题,首先构造并设计了基于原图的辅助图,该辅助图也是有向无圈的反向超图,并将原问题转化为辅助图的多权值函数B超路优化问题。从而设计了伪多项式算法得到该问题的最优解。基于该算法,进一步给出了近似算法的设计方案得到(1+ε)近似解,从而有效降低了计算复杂性。

基于MIN-MAX云重心推理的目标威胁评估方法

将云推理技术引入信息融合领域,提出一种新的基于MIN-MAX云重心推理的威胁评估方法。按照实际应用背景下目标的特点,构建分层式威胁评估属性集合;定义云群、云族、云三层隶属关系,对各属性进行云模型转换,并根据各属性的云模型设计前件云发生器;依据专家经验,构建推理规则库,并设计MIN-MAX云重心推理算法,将归一化属性值输入相应的前件云发生器,生成属性云滴,通过由下而上地逐级推理,得到威胁度云滴;最后,将经过多次重复推理得到的威胁度云滴输入逆向云发生器,输出值作为最终的威胁程度。以联合防空作战为背景,仿真实现了空中目标的威胁评估,验证了该方法的有效性。

应用min-max标准化分析法测定区域经济增长差异——以陕西省榆林地区为例

以陕西省榆林市为例,通过建立测算指标体系,利用min-max标准化分析法对相关经济数据进行标准化处理,测算经济增长的综合指数排名,分析经济增长差异的原因,提出缩小区域经济发展水平差异的战略。

一种基于分层译码和Min-max的多进制LDPC码译码算法

该文在现有译码算法的基础上提出一种高效的非二进制低密度奇偶校验码(NB-LDPC)译码方法,充分利用了分层译码算法与Min-max算法的优点,不但译码复杂度低、需要的存储空间小,而且可将译码速度提高一倍。应用该算法,对一种定义在GF(25)上的(620,509)码进行了仿真。该码的仿真结果表明:在相同误码率下,该文译码算法所需最大迭代次数仅为Zhang的算法(2011)的45%。

平面上的min-max型点-线选址问题

本文研究两类平面选址问题; (1)求一直线到n个给定点的最大加权距离为 最小;(2)求一点到n条给定直线的最大加权距离为最小.对这两个非线性优化问题。我 们给出最优解的刻划及迭代次数为多项式的算法.

基于Min-Max方法和移动轨迹融合的车辆无线定位算法

针对无线信号易受外界因素干扰而造成定位突变的问题,提出一种融合Min-Max方法和移动轨迹方法的车辆无线电定位算法,并进行外场实验验证。结果表明,该算法的定位精度高于其它算法;超过90%的样本数据定位误差小于2m。

一类min-max-min问题的区间算法

讨论了一类由一阶连续可微函数构成的无约束min-max-min问题．通过构造目标函数的区间扩张、无解区域删除原则,建立了求解min-max-min问题的区间算法,证明了算法的收敛性,给出了数值算例．理论证明和数值结果表明方法是可靠和有效的．

多目标MIN-MAX度最小树问题及其求解

在多目标最小生成树问题和MIN-MAX度最小树问题的基础上,探讨使生成树最大顶点度数以及总权重都尽可能小的另类多目标MIN-MAX度最小生成树问题。分析了这一特殊的顶点度约束与Hamilton路的关联性质,在此基础上设计了先Hamilton路再MIN-MAX度最小树的独特求解方案。根据初始条件不同,当网络图不存在Hamilton路时,引入改进的蚁群优化算法,将转移概率由基本的指数形式改进为线性形式,在不影响求解质量的前提下,提高计算效率。针对以上策略,设计了相应的求解方案,并在计算机上用Delphi编程实现。大量数值算例验证表明,算法能快速有效地求解多目标情形下的MIN-MAX度最小生成树问题。

平移不变空间中信号的min-max插值重建方法

在一般平移不变子空间框架下讨论信号的有限非一致采样重建的问题.基于信号的子空间表示,本文给出一般信号在min-max插值准则下的最优插值方法以及相应的非迭代算法.该方法可以导出著名带限信号的Yen插值.数值实验表明所给方法能十分有效地重建信号.

一类带约束min-max-min问题的区间算法

建立了一类带约束Min-Max-Min问题的数值方法,其中目标函数和约束条件均为Lipschitz连续函数。利用区间分析方法,基于罚函数法和区域二分原则,针对问题及目标函数约束条件的不可微的特点,构造了罚函数的区间扩张和无解区域删除原则,建立了区间算法,证明了该算法的收敛性。对算法进行了数值实验,并给出了数值算例,结果表明:该方法可以同时求出问题的最优值和全部全局最优解,是有效和可靠的。

无线传感器网络节点自定位中Min-max+LI算法研究

无线传感器网络是由大量随机分布的,集成有传感器、数据处理单元和通信模块的微小节点通过自组织的方式构成的网络。实现节点的自身定位是无线传感器网络进行目标识别、监控、跟踪等众多应用的前提,节点自定位问题的研究已经成为无线传感器网络研究领域非常重要的一个研究方向。确知节点的位置信息是大多数无线传感器网络有效应用的前提条件,因为只可表明发生位置的监测信息才能确保其可用性。因此,即使所采用的节点位置计算方法具有严密的算法逻辑,节点的定位结果也会不可避免地含有很大误差。为了在一定的节点硬件条件下改善定位误差较大的状况,综合考量,提出了一个算法组合Min-max+LI,用于节点的初始位置计算。

不确定时滞系统的Min-Max预测控制

对于状态和输入有约束的离散不确定时滞系统,提出Min-Max预测控制方法,将有限预测时域以后的鲁棒性能指标用终端惩罚近似,而终端惩罚用线性矩阵不等式(LMI)离线求解,因此无限时域的代价转化为有限时域代价,使得Min-Max优化问题求解简单,保留原有的鲁棒稳定性.给出了该方法稳定性的充分条件,通过仿真验证了此方法的有效性.

一类带约束min-max-min问题的区间算法

构造了求解一类带不等式约束的min-max-min问题的区间算法,其中目标函数和约束函数都是一阶连续可微函数,证明了方法的收敛性,给出了数值算例.该方法可以同时求出问题的最优值和全部全局最优解,是有效和可靠的.

Min-Max节点定位算法的分析与改进

无线传感器网络中RSSI测距是一项低成本的估算节点间相对距离的技术,而Min-Max算法是适合该技术并能满足网络低功耗要求的节点定位应用。首先在建立RSSI测距模型的基础上分析了Min-Max算法的性能,并针对该算法在室内环境中对靠近边缘区域未知节点的定位误差较大的问题,提出了一种有矩形边缘越界检测法,改进方法能通过检测重合矩形区域是否越界并做出相应的算法修正,仿真结果表明能有效提高定位边缘区域未知节点的定位精度。该改进算法在大规模多个节点的网络环境下,依然可以有效降低网络节点的平均定位误差。

混合三群粒子群优化算法求解min-max-min问题

针对标准粒子群算法求解复杂优化问题时容易出现过早收敛的问题,提出了混合三群协同粒子群算法(HTSPSO),将粒子群分为3个协同优化的子群,保持迭代后期粒子群的多样性。在4个经典测试函数上的仿真实验表明,新算法较传统PSO算法收敛更快,精度更高。将粒子群算法应用于求解一类min-max-min问题,并给出了数值算例。

云环境下的基于Min-Max的节能资源调度算法的研究

针对云计算环境下的高能耗问题,从系统节能的角度提出一种节能资源调度算法(energy-saving scheduling algorithm based on min-max,ESSAMM)。在Min-Max算法的基础上综合考虑了用户对于任务期望的完成时间和能量消耗两个因素,以节省任务执行过程中产生的能量消耗,并提高用户的时间QoS满意度,实现负载均衡。将任务集合中各任务按照长度从小到大排序,并根据时间QoS为该集合中长度最大和最小的任务选出符合用户期望的物理资源;根据能量估算模型,计算出这两个任务在各物理机上的执行能耗;选择最小能耗对应的物理机来执行该任务;将这两个任务在任务集合中删除,并重复上述过程,直到任务集合为空。仿真结果表明,相比于Min-Max和Min-Min资源调度算法,该算法能够有效降低系统执行任务产生的总能耗,提高用户时间服务质量,并实现调度系统负载均衡。

无师General Fuzzy Min-Max人工神经网络

针对一般模糊极小极大(generalfuzzymin max,GFMM)神经网络不能够完全无师聚类和自适应在线学习的问题,提出了一种无师训练的一般模糊极小极大(generalfuzzymin max,GFMM)人工神经网络。它继承了GFMM网络的优点,可以输入n维模糊量,尤其是新增加了无师学习的功能,弥补了GFMM网络不能自适应在线学习新类的缺陷。实验测试结果与分析表明,该网络在自动目标识别的实际应用中具有广泛的适用性。

带阈值的Min-max模糊Hopfield网络的稳定性与容错性分析

本文讨论了带阈值的Min-max模糊Hopfield网络的性质，并研究了该网络的一致稳定性与平衡态的Lyapunov稳定性。给出了一个模糊模式成为该网络吸引子的等价条件。然后在一定的条件下，得到了这个网络吸引子的一个非退化的吸引域，从而我们所建立的模糊神经网络模型具有较强的容错性。最后的例子证实了这一点。