针对实际中未知稀疏度信号的重建问题,提出了一种自适应的弱选择压缩采样匹配追踪算法。该算法将自适应思想、弱选择思想与Co Sa MP算法相结合,在预选阶段后利用限制性弱选择策略对候选集进行二次筛选,通过双迭代阈值自适应地调整最终...针对实际中未知稀疏度信号的重建问题,提出了一种自适应的弱选择压缩采样匹配追踪算法。该算法将自适应思想、弱选择思想与Co Sa MP算法相结合,在预选阶段后利用限制性弱选择策略对候选集进行二次筛选,通过双迭代阈值自适应地调整最终支撑集的原子数,并结合若干可靠性验证条件,保证算法的正确有效进行。MATLAB仿真结果表明,在相同的实验条件下,本算法可以有效地重建稀疏信号,同时具有较低的运算量,整体性能较优。展开更多
研究了有限N种群博弈在策略突变、弱选择和Moran过程下的策略占优问题,主要讨论了创新性学习和模仿性学习两种机制下的两策略(A,B)演化博弈结果。我们发现,策略占优与博弈支付矩阵(a b c d)和种群数量相关:在创新性学习模型中,当且仅当1...研究了有限N种群博弈在策略突变、弱选择和Moran过程下的策略占优问题,主要讨论了创新性学习和模仿性学习两种机制下的两策略(A,B)演化博弈结果。我们发现,策略占优与博弈支付矩阵(a b c d)和种群数量相关:在创新性学习模型中,当且仅当1/2(a+b-c-d)N-a+d>0,策略A占优;当N>>0,当且仅当a+b>c+d,策略A冒险占优。在模仿性学习中,当(d-b)/(a-b-c+d)<1/3且N≥6时,A策略占优。展开更多
证明了:1)P_κλ上存在一个半正规,弱选择,但不是λ-生成的理想.2)若 I 是一个λ^(<κ)-生成的,κ-完全的,弱选择的理想,则对每一个 A∈I^+,都存在 B∈P(A)∩I^+,使得 I|B=I_κλ|B;若 I 是一个λ^(<κ)-生成的,κ-完全的,弱选择...证明了:1)P_κλ上存在一个半正规,弱选择,但不是λ-生成的理想.2)若 I 是一个λ^(<κ)-生成的,κ-完全的,弱选择的理想,则对每一个 A∈I^+,都存在 B∈P(A)∩I^+,使得 I|B=I_κλ|B;若 I 是一个λ^(<κ)-生成的,κ-完全的,弱选择的正规理想,则对每个 A∈I^+,都存在μ<κ,使得 I|A 不是(μ,λ)-可分的.3)若 Q_κλ上存在一个精细,■κ正规理想,则 P_κλ上存在一个精细,具有■κ性质的理想.展开更多
文摘针对实际中未知稀疏度信号的重建问题,提出了一种自适应的弱选择压缩采样匹配追踪算法。该算法将自适应思想、弱选择思想与Co Sa MP算法相结合,在预选阶段后利用限制性弱选择策略对候选集进行二次筛选,通过双迭代阈值自适应地调整最终支撑集的原子数,并结合若干可靠性验证条件,保证算法的正确有效进行。MATLAB仿真结果表明,在相同的实验条件下,本算法可以有效地重建稀疏信号,同时具有较低的运算量,整体性能较优。
文摘研究了有限N种群博弈在策略突变、弱选择和Moran过程下的策略占优问题,主要讨论了创新性学习和模仿性学习两种机制下的两策略(A,B)演化博弈结果。我们发现,策略占优与博弈支付矩阵(a b c d)和种群数量相关:在创新性学习模型中,当且仅当1/2(a+b-c-d)N-a+d>0,策略A占优;当N>>0,当且仅当a+b>c+d,策略A冒险占优。在模仿性学习中,当(d-b)/(a-b-c+d)<1/3且N≥6时,A策略占优。