一种基于蚁群算法的多目标跟踪数据关联方法

针对多目标跟踪问题,提出基于蚁群算法的数据关联方法.首先将多目标跟踪问题描述为组合优化问题.利用蚁群算法解决组合优化问题的优势,在对其路径和路径长度概念重新定义的基础上,将其应用于选择多目标跟踪中的轨迹-观测关联集合.详细介绍了蚁群算法应用于数据关联问题的具体方法,建立了基于蚁群算法的数据关联模型.实验结果表明,论文提出的基于蚁群算法的数据关联方法是行之有效的.

数据挖掘:建模、算法、应用和系统

数据挖掘是20世纪末逐渐形成的一个多学科交叉领域,目前已经广泛成功地应用在金融、零售、医药、通讯、电子工程、航空、旅馆等有大量数据和深度分析需求的领域。文中对数据挖掘的建模、算法、应用和软件工具进行了综述,给出了数据挖掘的定义、范畴和特点,以及数据挖掘的数据集的各种实际情况;总结了数据挖掘在实际应用时的基本步骤和过程;对数据挖掘在各种应用问题上的任务和建模进行了讨论;列举了目前数据挖掘领域中主要流行的算法,并对算法设计需要考虑的问题进行了简要的分析;综述了目前数据挖掘算法在一些领域的应用;较全面地叙述了目前数据挖掘软件工具性能及其开发商情况;最后,对数据挖掘的发展前景和方向进行了展望。

传感器非线性输入输出信号反演处理中的“归十”算法

介绍一种传感器中非线性输入输出信号反演的所谓"归十"算法.其要点是将最大和最小输出信号分别作为坐标轴的十和零.其它输出信号按比例位于其中.输入信号可表示成"归十"的输出信号的五阶反演多项式,即五阶交错级数.该多项式的一阶和二阶项系数的近似值可从两组样本值解其联立方程而得到.其它高阶项系数可从它们可能的最小值到最大值逐步代入多项式,多次迭代后使各计算值接近相应样本值而得到.这些高阶项系数最小值至最大值的范围可从大多数试验的各种可能数据分布情况利用规范化多项式拟合法估计得到,以使寻找最佳系数的范围缩小.最后又进行输出信号的"去十"化处理,得到输入与此输出信号的五阶反演多项式.以酒精敏感器件的输入输出信号反演为例加以说明.输入信号是等量的酒精,输出信号是敏感元件的电阻或其上的电压降.输出信号经微处理器处理后,酒精量便以反演结果而被显示.反演的精度为酒精量的±1.5%.

基于0-1背包问题的讨论

简单介绍了贪婪算法、启发式贪婪算法和模拟退火算法(SAA),并使用这三种算法解决了0-1背包问题,给出了具体的算法描述和求解过程。对三种方法解决此问题,进行了仿真模拟和算法分析,指出了在不同规模下各种方法的优缺点,最后分析了解的质量和CPU时间,发现模拟退火算法是相对最优的算法。

基于实神经网络代数算法的改进测向定位方法

针对BP算法在测向定位中收敛速度、隐层神经元个数的选取以及定位精度等方面的缺点,将实神经网络代数算法首次应用到测向定位中。给出了隐层神经元个数的准确公式,快速准确的获取训练权值,建立了基于代数算法的三站定位模型。通过仿真实验,新方法在定位精度和时间效率方面都远高于BP算法。

一种基于并行策略的BP改进算法

介绍了BP神经网络的基本结构及原理,分析了其收敛慢的原因。为加快其收敛速度,结合带动量梯度下降法提出一种新的算法(PBBP),用多个学习速率不同但结构相同的网络进行并行训练,在每次迭代后都根据误差找出处于最佳状态的网络,并使其它网络的训练参数作适当变化再进行下一次迭代,直到整个网络的误差减小到允许范围内或达到训练次数要求,加快了其收敛速度,能够很好地脱离平坦区。通过在Matlab里编程进行仿真实验证明,该算法是可行的。

基于自适应遗传算法的侦察资源优化

提出基于地理信息系统的侦察资源优化模型,在地形分析结果基础上利用自适应遗传算法进行求解。算法采用多参数映射编码,通过启发式初始化方法和专门的遗传算子保证初始个体的有效,此外交叉概率和遗传概率的适应性策略,可以确保适应度函数对算法进化的正确引导。仿真结果证明该方法对侦察资源优化具有一定参考价值。

蚁群算法在无线传感器网络中的应用研究

针对蚁群算法（Ant ColoW System，ACS）在无线传感器网络路由中对网络拥塞问题和能量控制方面的不足，提出了一种改进的蚁群算法。该算法将蚁群的信息素与网络节点的能量结合起来，在蚁群算法收敛的同时，通过动态地调整信息素来减少其最优路径上的信息素浓度．通过采用最优、最差路径信息素全局更新策略加快搜索速度，避免了网络拥塞和个别节点能量消耗过快的问题。从而延长了整个网络的生命周期。通过实验验证了该方法的可行性，并给出了实验结果。