控制系统状态方程的中心焦点判定——计算机辅助公式推导

控制系统状态方程的中心焦点判定＊——计算机辅助公式推导熊正大梁肇军（华中师范大学数学系，武汉４３００７９）关键词焦点量；积分因子；Ｔ－算子中图分类号Ｏ１７５．１２对于如下方程：ｘ＝－ｙ＋Ｘ（ｘ，ｙ），ｙ＝ｘ＋Ｙ（ｘ，ｙ），作变换ｚ＝ｘ＋ｉｙ，ｚ＝ｘ－...

基于CORDIC算法的干涉仪测向的FPGA实现方法

本文通过介绍干涉仪测向的基本原理、CORDIC算法用于平方根和反正切运算,综合实现了干涉仪测向中反正弦的运算,避免了除法运算。在Xilinx FPGA平台和MATLAB平台对运算过程进行仿真实现和分析,结果表明,该运算过程易于实现,运算速率快、精度高且能实现对较大的入射角的测量,适用于干涉仪测向的工程应用。

基于持续同调的高维数据聚类算法

针对复杂的高维数据,提出了基于持续同调的聚类(PHBC)算法.该算法从拓扑学的角度处理数据,通过使用单纯复形来计算不同种类样本的拓扑特征,将拓扑特征转化为持续同调信息,再将持续同调信息转化为向量形式作为聚类算法的输入,使得传统聚类算法能够处理高维度的数据.实验结果表明:PHBC算法能够应对并处理多种复杂的高维数据,与多个经典的聚类方法相比,在多种聚类指标上均有一定程度的提升,并且指标的标准差更小,即聚类结果的稳定性更高.

基于BM方法的字符串匹配复化算法

在分析经典的BM算法及其相关的改进算法的基础上,提出了一种基于BM算法的改进复化算法CBM.在字符串匹配过程中,CBM算法采用了与BM算法类似的字符比较方式,从模式的右端开始比较字符,但是,CBM算法利用前几轮的匹配信息生成了不同的模式前移距离表格,表格中的前移距离往往大于BM算法的相应前移距离,这样就可以使匹配过程中的模式前移速度加快,从而提高字符串匹配的效率.对于字母表较小的字符串匹配(如二进制搜索和DNA序列测试),CBM算法有较好的实际效果.

复杂网络局部特征分类

针对现有的图分类算法往往从网络全局出发、存在对大规模网络分类效果不好或计算开销过高等问题,提出了基于局部特征的复杂网络支持向量机分类(LF-SVM)算法.从网络局部拓扑结构出发,利用局部Ego-Net的特征对不同的复杂网络进行分类,使得对不同规模的网络都能较好地完成分类工作.实验结果表明:LF-SVM算法对于不同大类的网络及大类内部的不同子类网络,均能实现有效分类,分类速度明显快于现有的全局分类算法,且在部分指标上优于全局分类算法.