一种简化的交互多模式算法

通过对交互多模式(IMM)算法在机动目标跟踪中的分析,发现该算法在实现过程中滤波模式的确定和模式间转移概率的确定,要求具有一定的经验知识,对不能获得准确先验知识的研究带来了一定的困难。针对这种情况,研究了一种简化的IMM算法跟踪模型,该模型通过检测目标是否发生机动,自适应调整Kalman滤波(KF)的部分参数,从而实现不受IMM算法中有限模式集合限制的机动目标跟踪。通过仿真实验,证明了该算法在机动目标跟踪性能方面与IMM算法具有相似的效果。

双向插值模式算法在拓扑优化中的应用

提出双向插值模式的插值处理算法,详细介绍该种优化算法的流程,对其进行验证。分别用只对敏度进行双向插值、同时对刚度和敏度进行双向插值、各向材料惩罚密度法模式算法对基本结构进行拓扑优化分析。结果表明第一种模式算法拓扑结构简单,更具全局收敛性。

光全散射法颗粒测量中的一种自适应非独立模式算法

光全散射颗粒测量法中需求解第一类Ｆｒｅｄｈｏｌｍ积分方程。在不知道被测颗粒的尺寸范围的情况下如何确定积分方程的上下限、即测量范围，迄今仍是个问题。本文针对此问题提出了一种自适应非独立模式算法。该算法可根据双参数颗粒分布函数的分布参数Ｋ自动确定积分的上下限．数值模拟和实验都证实了此算法。

模式算法研究

通过改进遗传算法的编码方式,设计了一种新的算法——模式算法,并通过数值模拟得出了一些有意义的结论。

基于遗传-模式算法的高效异步电机的优化设计

异步电机具有结构简单,制造、使用和维护方便,以及重量轻,成本低等优点,在各类电力拖动系统中广泛应用。与永磁电机相比,常规异步电机的效率较低,从而更加消耗能源。为提高电机的效率,提出基于遗传-模式搜索算法的异步电机多目标优化设计方案。对定子绕组采用低谐波绕组,再利用田口算法来合理选择电机优化参数,并以效率和功率因素作为优化目标,采用遗传-模式搜索算法对电机进行优化,最终得到优化后的电机参数。

基于频繁模式挖掘算法的中医问诊策略研究

目的研究中医问诊策略,实现快速捕捉患者的关键病情信息,推进中医问诊客观化的发展。方法采用基于关联分析中频繁模式挖掘算法的症状提问模型,并使用交叉合并的方法建立中医单系统症状提问与多系统综合症状提问的中医症状问诊策略,达到通过最短的时间、最高的效率来获取到患者关键病情信息。结果实现了从单系统问诊到五系统综合问诊的突破,通过单系统与五系统两种症状提问模式实现了高效获取患者病情信息的过程,且对比传统量表提问方式,系统减少了65%的提问次数就可获取到患者92%的症状信息,大大提高了对患者症状信息获取的效率。结论在两种不同的症状提问模式下,打破了中医基于量表来询问患者的传统问诊模式,缩短了对患者症状获取的时间,简化了问诊流程,减少了由于经验不足或人为主观造成的差异,能够用于中医临床辅助诊断中。

基于遗传-模式搜索算法的微尺度管控区域大气污染物PM2.5溯源

针对微尺度管控区域可能发生的大气污染提出有效的靶向诊断方法-结合高斯烟羽模型和遗传-模式搜索算法的大气污染物分布式溯源方法.将污染源反算模型得到的污染物理论质量浓度与传感器网络观测值的数据对应关系作为目标函数,使用模式搜索算法嵌入遗传算法加快反算模型的搜索过程,反算得到污染源强度和位置.依托杭州市亚运板球场馆大气感知器网络进行实验验证,监测2021年10月PM2.5质量浓度、气象数据,对所提出的混合式大气污染溯源方法进行实验验证.实验结果表明:改进遗传-模式搜索算法对于多维变量的搜索效果较好,能快速精准地反算污染源的位置和强度,可以为微尺度管控区域突发性气体污染防治提供应急决策参考.

变步长CMA和DD-LMS双模式切换盲均衡算法

针对经典盲均衡算法收敛速度较慢和稳态误差较大的问题,提出了一种基于变步长恒模算法(Constant Modulus Algorithm, CMA)和判决引导的最小均方(Decision Directed Least Mean Square, DD-LMS)算法的双模式切换盲均衡算法。在算法收敛初期采用CMA算法,以确保算法可以较快收敛。在收敛之后切换至DD-LMS算法,以进一步降低稳态误差。通过设定阈值来切换算法,取相邻多次迭代误差的平均值作为算法的切换值,以确保算法切换时机的合理性。另外,引入Softsign变步长函数并加入3个参数对该函数进行改进,使得Softsign变步长函数可以依据不同信道环境设定最佳参数,同时提高算法的收敛速度。仿真结果表明,在卫星通用信道条件下,所提算法的收敛迭代次数约为1 000次,稳态误差为-12 dB,在信噪比为15 dB时,误码率为1×10~(-6)。与相关算法对比,所提算法的收敛速度较高,误码率和稳态误差较低。

算法分发模式下的主流文化认同建构——逻辑进路、实践困境与突围策略

随着传播媒介的迭代与传播理念的革新,主流文化传播由传统的编辑筛选模式与社交过滤模式发展至算法分发模式。以算法推荐技术为信息分发模式的社交媒体平台、门户网站、聚合新闻资讯平台打造的全媒体传播矩阵,通过个性化推送类、排序精选类、检索过滤类等算法技术实现主流文化与用户之间的智能化、个性化、精准化、高效化匹配,对主流文化认同具有极强的建构和引导优势。但受资本趋利性的驱动,平台算法的“个性化”推荐、“碎片化”叙事、“流量为王”分发逻辑导致了主流文化传播面临“能见度”被遮蔽、整体性与系统性被割裂、权威性被削弱的遭遇和挑战,使得主流文化认同建构陷入认知认同弱化、情感认同稀释、价值认同扭曲的困境。为此,需要破除算法分发模式造成的公众认知舒适“茧房”和“感官陷阱”,推进算法推荐技术的“流量纠偏”,特别是规避算法的资本逻辑后果,从而全方位破除算法分发模式造成的公众认知和情感认同困境,建构主流文化的价值性和权威性共识。

混合模式搜索差分进化算法研究及其在高压容器概率优化中的应用

为求解高压容器的概率优化问题,提升差分进化算法的收敛速度,提出一种基于模式搜索算法的混合差分进化算法。该算法在差分进化算法的后期,引入模式搜索算子,以当前群体最优点作为模式搜索算子的基点进行模式搜索。仿真结果表明该混合算法收敛速度明显要优于差分进化算法。最后建立高压容器的概率优化设计模型,利用混合算法求解高压容器优化问题的确定型优化模型及概率优化模型,结果表明概率优化模型的优化结果更合理可靠。

基于藏文音节结构的单模式匹配算法

字符比较次数和失配后的跳转长度是影响模式(字符串)匹配算法效率的两个关键因素。BM算法是最经典的单模式字符串匹配算法之一。在长度为m的模式串中,其失配后的最大跳转长度为m,但是在应用于藏文环境时无意义字符比较次数较多、最大跳转长度还可增加。针对以上两点不足并结合藏文的文字特征,提出一种基于藏文音节点的单模式匹配算法:BM-Tibetan算法。算法采用“先对齐,再匹配”的思想以减少匹配次数,失配后的最大跳转距离为m+k(2≤k≤8)。实验结果表明,BM-Tibetan算法的字符比较次数和模式串的移动次数均少于BM算法,算法性能有一定优势。

基于增量聚类的道路网络中移动对象聚集模式检测算法设计

随着位置获取技术的发展,人们采集了大量的移动对象轨迹数据,为了使交通管理精细化,利用这些数据来精确提取道路网中的拥堵或热点区域就变得越来越重要。提出一种基于增量聚类的移动对象聚集模式检测算法,以精确提取道路网络中的拥堵或热点区域。算法通过初始聚类和增量聚类更新聚类特征,并利用聚类特征计算聚类半径进行热点检测,通过实测数据和合成数据验证了算法有效性。结果表明,该算法能有效检测聚集模式并计算其生命周期,为道路网络拥堵和热点区域检测提供新方法。

算法推荐模式下网络服务提供者的版权侵权与规制

文章从算法推荐的技术原理出发,通过探讨算法推荐模式下网络服务提供者版权侵权风险形成机理,梳理算法推荐模式下网络服务提供者版权侵权归责路径,检视算法推荐模式下网络服务提供者版权侵权免责事由,最终提出法院应适用更严格的注意义务并且设立版权过滤义务,以防范使用算法推荐内容带来的版权侵权风险。

网络入侵检测系统中的多模式匹配算法设计

为提高网络入侵检测系统多模式匹配算法性能,解决传统模式处理模式串数量较低的问题,文章将对多模式匹配算法进行优化设计,通过改进BMH的方式提高系统信息处理能力,对比改进BMH与传统BM算法进行验证。结果表明:改进算法对模式串的处理能力明显提高。

数据结构中串的模式匹配算法演示系统的研究

本文研究了数据结构中的朴素模式匹配算法(BF)和快速模式匹配算法(KMP),并将其算法程序、中间变量、结果展示结合到一起,使用JavaSwing等进行相关图形界面开发,使得在同一界面上,不仅能展示BF算法和KMP算法的代码,并且能够显示字符串模式匹配算法执行过程中每一步的操作流程,还可以随时进行暂停、回退、继续等。该演示系统不仅可以帮助学生快速学习理解字符串模式匹配的原理,还可以有效地提高学生的实践能力,所见即所得地快速上手编程。

基于改进序列模式挖掘算法的告警关联模型

在电力故障发生时,会产生大量的电力故障告警信息数据,如何从电力故障告警信息中挖掘出可靠的关联规则,对后续电力的调度运维有着重要的影响。广义序列模式(Generalized Sequential Pattern,GSP)算法通过增加时间上的约束条件提高算法的效率,适合应用于电力故障告警信息挖掘的场景。针对GSP算法中的关键参数多和不同的参数组合影响算法的准确性和可靠性的问题,将遗传算法与GSP算法相结合,自适应地得到一组较好的参数,将参数代入GSP算法,从而得到更加可靠的关联规则,以此来解决在电力故障告警信息应用中很难为不同的数据集找到合适的参数组合的问题。通过实例验证,电力故障告警信息数据应用遗传算法结合GSP算法能够有效地得到更加准确和可靠的计算结果。

基于频繁模式挖掘算法的医保信息智能审核方法研究

传统医保信息智能审核方法易受样本支持向量距离影响,导致智能审核覆盖度较低,为此提出基于频繁模式挖掘算法的医保信息智能审核方法。首先采用频繁模式挖掘算法压缩医保信息,其次生成医保信息智能审核协议,最后进行实验分析。实验结果表明,该方法的审核效果较好,优于对照组。

基于贝叶斯算法优化的多阈值图像分割仿真

在多阈值图像分割过程中,若分割精度较低,会直接影响图像的分割效果。为提升图像的分割精度,提出基于贝叶斯算法优化的多阈值图像分割方法。通过确定贝叶斯算法优化时存在的影响因素,建立对应的适应度函数实时更新算法中种群个体适应度值;利用最小爬山法对算法中的变量展开独立性测试,建立算法的优化框架,利用蚁群算法学习贝叶斯网络结构,寻找算法种群的高阶优良模式,从而实现贝叶斯算法的优化;基于贝叶斯优化算法对图像灰度级的发生概率均值展开计算,获取图像类间方差,确定最佳分割阈值完成多阈值图像的分割处理。实验结果表明,所提方法在图像分割时,概率兰德系数(PRI)值接近1,全局一致性误差指数(GCE)与信息变化指数(VOI)值小,表明所提方法性能高、图像分割效果好。

基于误差函数的双模式混合盲均衡算法

针对基于统计量和瞬时量盲均衡算法的特点,在分析双模式算法切换方式的基础上,提出了一种基于误差函数的双模式混合盲均衡算法.该算法针对修正的常数模算法(MCMA)和判决导引算法(DD)特点,利用2种算法误差函数间的互相关性,提出了新的加权因子选取方法,动态控制双模式混合下2种算法的权重比例,更为准确地控制切换时机,即使在误判决的情况下也能因其动态特性切换回合适的权重比例.水声信道仿真实验进一步说明了该算法在收敛速度上的优越性.

采用瞬时梯度变化率判决的双模式盲均衡算法

为进一步提高恒模盲均衡算法的性能,提出了一种采用瞬时梯度变化率判决的双模式盲均衡算法。利用两次相邻均衡迭代前后的归一化权值变化量定义瞬时梯度变化率,并依此设置判据实现均衡迭代过程中的恒模算法和判决引导算法的适时切换,实现双模式盲均衡算法。可以有效结合恒模算法稳健和判决引导算法快速收敛和收敛精度高的优点,提高盲均衡算法的性能,计算机仿真结果证明了算法的有效性。