基于EMD-SD光谱的玉米叶片叶绿素含量GA-BP模型反演

叶绿素是作物进行光合作用所需的主要色素,BP神经网络(BPNN)是较为新颖的反演叶绿素含量的方法。为研究反演精度更高的叶绿素含量反演模型,将经验模态分解(EMD)与光谱微分(SD)结合来提高输入因子与叶绿素含量的相关性,并使用遗传算法(GA)优化BPNN得到GA-BP模型以获得最优初始权值阈值。将光谱数据EMD后进行一阶微分变换得到EMD-SD光谱,选择与叶绿素含量相关系数超过0.6的5个波段处的EMD-SD值作为GA-BP模型的输入因子,隐含层节点数为7,多次训练取最优个体适应度值最低的GA-BP模型来反演玉米叶片叶绿素含量。GA-BP模型反演得到的预测值与实测值之间的判定系数(R2)最高,达到0.818,均方根误差(RMSE)仅为2.442,平均相对误差(e)为5.436%。研究表明,EMD-SD光谱作为GA-BP模型的输入因子,与线性模型MLR和未优化的BP模型相比反演精度最高,验证了基于EMD-SD光谱的GA-BP模型提高玉米叶片叶绿素含量反演精度的可行性。

演绎对象数据库SD-DOOD系统更新的设计与实现

SD-DOOD是一个演绎对象数据库实验系统。论文主要是设计并实现了系统的动态更新数据库功能,文中首先给出了详细的实现更新的算法,进而对算法进行了简单分析,最后通过举例说明了这个功能。系统中采用自底向上和自顶向下相结合的更新方式,增强了系统的安全性。

SD:一种适用于基于mesh拓扑的片上网络路由算法

本文提出了一种确定性和适应性相结合的路由算法SD。SD路由算法相对于维序路由算法能更好的适应基于mesh拓扑的NoC中的热点或拥塞条件,而相对于完全适应性路由算法,SD路由算法在实现和成本上有很好的优势。实验结果表明,对于mesh拓扑的NoC,当网络出现拥塞或热点时,SD路由算法相对于维序路由算法有着明显的时延和吞吐等方面的性能优势。

基于SD-GA的外卖餐饮安全影响因素分析及对策研究

我国外卖消费人群已达到4.6亿人,庞大的市场突显出外卖食品消费的不透明性、信息不对称性等一系列问题。从全面质量管理角度分析外卖食品供应过程中决定食品安全水平的影响因素,构建出“人、机、料、管、环”5个水平变量的系统动力学模型,以资金投入作为系统安全水平的主要控制因素,通过遗传算法筛选出资金投入的最优配比,计算状态变量变化曲线的回归系数,比较“最优投入比”“均分投入比”“无投入”3种资金投入方式的差异,从而为保障外卖餐饮安全性提供理论支撑和决策依据。研究表明:5个子系统的资金投入比例约为0.35:0.35:0.01:0.04:0.25时系统安全状态最优,在第12个月时达到及格水平,并且得出机因子系统对资金投入的敏感度最强。

一种基于RawFS的网络摄像机SD卡录像算法

针对网络摄像机掉电易造成文件系统损坏的情况,提出了一种基于原始文件系统RawFS的网络摄像机SD卡存储算法。该算法通过直接针对SD卡操作有效地解决了文件系统掉电损坏问题,并减少SD卡的磨损程度,延长SD卡的使用寿命。

基于导频的SD-method信道估计算法研究

简要介绍SD-method调制方法及其与一般OFDM方法的关系,描述了基于导频信道估计的系统模型,分析并仿真验证了多径衰落信道模型下,SD-method系统的信道估计算法,对LS估计算法和MMSE估计算法的性能进行了对比,仿真结果验证了理论分析的正确性。

扩展SD{0-1}KP背包问题的建模及其遗传算法求解

在SD{0-1}KP的基础上对项集中的物品数由两个扩展为三个,提出扩展SD{0-1}KP问题。在扩展问题中,各项集中物品组合选择情况采取三元组进行编码表示,建立扩展SD{0-1}KP模型,再将贪心策略与遗传算法融合构造求解模型的算法。为验证算法的求解效果,随机生成四种扩展SD{0-1}KP大规模数据实例。求解结果表明:该算法适合求解扩展SD{0-1}KP大规模数据,且效果较好。

大规模MIMO-TRDMA系统中的改进SOR信号检测算法

在大规模多输入多输出时间反演多址(MIMO-TRDMA,multiple-input multiple-output time-reversal division multiple access)系统中,传统的线性最小均方误差(MMSE,minimum mean square error)算法可获得近似最佳的检测性能。但是,MMSE检测算法所需的矩阵求逆计算复杂度过高,无法确保信号检测的实时处理。针对这一问题,提出一种改进的连续超松弛(SOR,successive over-relaxation)信号检测算法。所提算法通过更新求解线性方程组,避免复杂的矩阵求逆计算;同时,采用最陡下降的思想提高SOR更新的搜索效率,以加快收敛速度和提高检测性能。仿真结果表明,所提算法能以较少的更新次数获得与传统MMSE算法相当的近似最佳性能,而计算复杂度数量级从O(M3)降低到O(M2)。

基于非线性频偏的频控阵波束控制研究

与相控阵波束指向只具有角度相关性不同,频控阵波束图是时间、角度及距离的函数.这一特性在抑制距离相关性干扰等方面有着巨大的应用价值,但其方向图所固有的距离-角度耦合会带来新的频控阵波束控制问题.如何消除距离-角度耦合关系是实现波束精确控制及目标精确定位的前提.针对这一问题,提出一种基于可变加载约束的最速下降-线性约束最小方差(SD-LCMV)算法计算最优权矢量,同时将对数、三角函数、指数函数及倒数4种非线性频偏增量方式引入一维均匀线性频控阵(ULA-FDA)阵列,仿真验证应用4种不同非线性频偏的ULAFDA阵列发射方向图的解耦性能.之后,采用多信号分类(MUSIC)算法仿真得到不同频偏情况下的MUSIC谱函数,对比分析4种频偏增量方式下的目标距离-角度二维联合估计性能.此外,仿真分析了sin-FDA阵列的接收机结构方向图特性及基于sin-FDA收发共形阵列的3种接收信号处理机制,从而验证了非线性频偏频控阵(FDA)阵列结构的有效性.

用于块匹配运动估值的正方形-菱形搜索算法

运动估值在视频图像编码中占有重要地位 ,该文首先研究了运动估值中的经典搜索算法并重点分析了菱形 (DS)算法 ;然后设计了一种新的综合模板 (SDP) ,它体现了粗定位和准确定位并行处理的思想 ,在此基础上提出了一种新的用于块匹配的运动估值搜索算法——正方形 -菱形搜索 (SDS)算法 .最后通过实验验证了该算法的有效性 .

结合最小均方误差的改进球形译码检测算法

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的检测性能最接近最大似然算法,但传统球形译码算法运算复杂度较高。为降低球形译码算法复杂度,提出一种新型的球形译码检测算法。新算法由改进的快速球形译码算法与最小均方误差算法相结合而成。改进的快速球形译码算法通过在球形半径收缩时乘上一个常量参数来提高半径收缩速度,减少算法搜索的信号点数,从而达到降低复杂度的目的。最小均方误差算法则能够通过减小噪声对接收信号的干扰来降低因搜索噪声点而产生的复杂度。将最小均方误差算法的信道矩阵应用在改进的快速球形译码算法中,将两种算法有效地结合,能够进一步降低算法复杂度。仿真结果表明,当信噪比(SNR)低于10 dB时,新算法相比于原始球形译码算法,检测性能平均提高了9%左右。

基于SVM的空间数据库的层次聚类分析

支持向量机用于两类问题的识别研究 .本算法引入了 SVM,构造二叉树对多类问题进行层次聚类分析 .该算法采用 SVM对两类问题进行识别 ,通过合并逐步由底向上构造二叉树 ,最终二叉树的数目即为聚类数 .它适合任意形状的聚类问题 ,而且可以确定最优聚类的结果 ,并适于高维数据的分析 .

电源线/地线网络开路电阻单故障分析方法

随着集成电路工艺进入纳米时代,供电电压波动严重影响电路性能.制造中通孔对位不准,及运行中铜导线电迁移现象,都会在电源线/地线网络(P/G网)中产生大量潜在的开路故障,并使供电电压发生明显波动.为了在测试中对大量的开路故障进行快速测试,迫切需要提高故障分析的算法效率.为此,首次提出了单故障连续过松弛算法(SD-SOR),对发生单开路电阻故障的P/G网节点电压分布进行快速分析.基于无故障P/G网节点电压分布,SD-SOR仅对开路电阻周围受故障影响比较大的少数节点进行松弛计算.与传统的全局SOR方法相比,SD-SOR具有如下3个优点:1)局部松弛.由于电路中只有一个电阻q发生开路故障,SD-SOR不是采用全局电路节点的顺序松弛方法,而是采用从故障q所连的节点不断向周围节点进行松弛的波状松弛方法,当某些节点的IR电压降变化小于一个极小的设定值时,这些节点就不再向外进行松弛计算.2)高效.与传统的全局SOR方法相比,SD-SOR不仅参与松弛的节点非常少,而且松弛次数也有明显减少.3)高精度.与传统的全局SOR方法相比,由于距离故障比较远,电路中绝大多数节点电压变化非常小,所以SD-SOR只需对距离故障比较近的节点进行松弛计算,就能够保持较高的分析精度.大量的实验数据表明:与预条件全局SOR求解方法相比,SD-SOR在保持较高精度(误差小于0.95%)的前提下,速度可以提高57倍.

混沌系统不稳定周期轨道的搜索算法

对混沌系统不稳定周期轨道(unstableperiodicorbits,UPO's)的搜索算法进行了深入研究.首先分析了传统的Newton＿Raphson算法(NR算法)及Schmelcher＿Diakonos算法(SD算法)各自的优点和缺点.然后提出了一种新的UPO's搜索算法,称之为NR＿SD算法.该方法集中了NR算法和SD算法各自的优点,能够在保证收敛全局性的条件下,极大地提高UPO's的搜索效率.此外,NR＿SD算法采用了一种全新的初始点确定策略,该策略能够保证搜索到所有的长周期UPO's.最后借助于实例模拟验证了NR＿SD算法的有效性,同时论证了周期p与p周期UPO's数目之间的关系.

降低高条件数信道下的球形译码算法复杂度的方法

MIMO系统中,球形译码可以在保证接近ML检测性能的前提下大大降低检测复杂度。但当信道矩阵条件数很高时,球形译码的复杂度仍然会很高。在分析了这一现象的原因后,本文提出了在高层对权值进行合并的一种球形译码算法,因为其减小了译码搜索过程中对树的高层节点的访问的概率,由此降低了搜索复杂度。仿真结果表明,这种算法在低信噪比、高条件数时可以节约20%的浮点运算操作次数。

系统动力学模型关键参数的遗传算法估计

基于遗传算法 (GA)的理论与方法 ,提出了系统动力学 (SD)模型关键参数估计的遗传算法 ,并阐述了该方法的原理 ,给出了具体估计工作的流程 .最后 ,构造了一个 2种种群相互竞争的 SD模型 ,在无任何辅助信息的条件下 ,对其关键参数——种群间的竞争力系数用 GA进行估计 ,并与定性理论分析结果相比较 。

基于遗传算法的卵黄高磷蛋白提取工艺优化

为了对提取鸡蛋黄中卵黄高磷蛋白的工艺参数进行优化,在单因素的基础上采用二次通用旋转组合设计试验;考察了有机溶剂比例(正己烷/乙醇)和用量对卵黄高磷蛋白提取效果的影响,并基于遗传算法优化出了提取卵黄高磷蛋白的最佳工艺参数;采用十二烷基硫酸钠-聚丙烯酰胺凝胶电泳法(简称SDS-PAGE)测定卵黄高磷蛋白的分子量。结果表明:当有机溶剂比例(正己烷/乙醇)为3.4/1、有机溶剂用量为148mL时,卵黄高磷蛋白的纯度高达81.62%;SDS-PAGE凝胶电泳结果表明:提取出的卵黄高磷蛋白的分子质量在35kD左右。

MIMO系统中信道估计与序列联合检测

提出了MIMO系统中基于EM(Expectation Maximization)-SD(Sphere Decoding)相结合的信道估计和检测的联合处理算法。在采用EM-SD算法进行联合处理时,首先通过观测数据、训练序列及以前估计的符号对信道信息进行更新,随后把更新后的信道信息及观测数据重新送入SD算法中进行最小距离搜索,从而可以估计发送符号。仿真显示:这种联合估计及检测算法的性能属于次优算法,但是其复杂度会随着搜索而下降。在比较少的迭代次数下,可以获得理想的信道估计和检测结果。

电子产品废弃量预测及优化处置量

电子废物回收处置问题逐年显现,只有精确地预测出未来电子产品的废弃量,才能使政府制定最佳应对战略进而改善超量电子产品废弃及回收的问题.用系统动力学的方法预测了电子产品废弃量,并引入产品使用寿命及成长极限的概念,以时间动态的方式预测未来20年洗衣机的废弃量.在不同因素的相互影响下,洗衣机废弃量也将不同于传统回归分析的结果.最后采用情境分析方法模拟出3种最可能发生的电子废物产出情形,并以启发式算法求解了最佳扩充或减缩回收厂处置容量的处置能力和时间点,以解决即将到来的过剩电子废物问题,并为政府部门制定政策提供依据.

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形-菱形运动估计算法(SEA-SDS)。实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法。