基于约束反赫布算法的自适应二维FIR滤波器实现

提出了一种用神经网络来实现自适应二维FIR滤波器的新方法,主要是运用约束反赫布学习算法,训练一个神经网络,实现了基于TLS准则的自适应二维FIR滤波器,计算机仿真结果表明该滤波器在收敛性能和精度上均优于基于LMS准则的自适应二维FIR滤波器。

反垄断约束的企业联盟利益分配

企业联盟一方面可以提升成员企业的收益,另一方面,随着市场份额与影响力的日益扩大,它们又能够通过一定程度的垄断来破坏市场竞争。针对后者,不少国家都通过出台相关反垄断法律、法规与政策来对其加以监管与控制。文章全面探讨企业联盟及其利益分配方法,分析反垄断与典型的市场集中度指标,通过算例对Shapley值方法的应用进行说明与验证。研究表明,联盟规模的扩大虽可提升联盟整体与个体的收益,但亦会进一步提高市场集中度,从而导致可能违反相关的反垄断规制。因此,在实际制定联盟及其利益分配方案时,应充分考虑相关反垄断约束。理论上的最优方案在实际中不一定可行,应根据相关法律法规的要求进行合理修改与调整。

一类带反凸约束的非线性比式和问题的全局优化算法

本文针对一类带有反凸约束的非线性比式和分式规划问题,提出一种求其全局最优解的单纯形分支和对偶定界算法.该算法利用Lagrange对偶理论将其中关键的定界问题转化为一系列易于求解的线性规划问题.收敛性分析和数值算例均表明提出的算法是可行的.

带有多个反凸约束的线性规划

讨论带有多个反凸约束的线性规划。这类问题由于其内在困难性（可行域一般为非凸不连通集）而难以求解．提出了一个切平面算法，并对Ｈｉｌｌｅｓｔａｄ的例子执行了算法。

带一个反凸约束的凸规划问题

讨论带一个反凸约束的凸规划问题－ 给出了整体最优解的特性，利用此特性借助分枝定界方法，构造出求该问题整体最优解的算法，并进行了收敛性分析－

基于特征约束的起重机零部件模型反求方法

从起重机零部件工程设计的实际出发,按照特征识别—测量数据—特征约束—建立优化数学模型定义关系—找到满足最优特征约束的目标函数等进行反求,目的是使模型接近零件原型。

带有反凸约束凸规划的锥分解算法

将凹规划问题的锥剖分方法应用于带有一个反凸约束的凸规则，得到了一个锥分解算法，并证明了算法的收敛性。

带有两个反凸约束凹极小

针对线性的约束再加两个反凸约束条件下，求解凹函数全局极小问题，提出一个新的锥分解算法。

一类带有一个反凸约束全局规划的收敛算法

讨论一类带有一个反凸约束的全局规划（Ｐ）：ｇｌｏｂａｌｍｉｎｆ（ｘ）＝ＣＴｘ，ｓ．ｔ．ｘ∈Ｄ＝｛ｘ｜ｈ（ｘ）≤０｝和ｇ（ｘ）≥ｏ，其中Ｃ≤Ｒｎ，ｇ（ｘ），ｈ（ｘ）是Ｒｎ上的有限凸函数。我们给出这类问题的一个外切型算法。在不需要稳定性假定的一般意义下，证明了算法有限终止于（Ｐ）的全局解，或者算法产生一个收敛到全局解的点列。

带有一个反凸约束的线性规划

带有一个反凸约束的线性规划，其可行域一般是非凸不连通集，因而这是一类困难的全局解问题。在回顾了已有的理论和方法之后，给出了这个问题的一个切割-转轴算法。算法收敛到或有限步内终止于问题的全局解。并且给出了执行算法的例子。

基于非局部约束球面反卷积模型的纤维追踪算法

基于扩散磁共振成像的纤维追踪技术为非侵入性观测脑白质结构提供了有力的手段,约束球面反卷积作为一种多纤维追踪模型,能够对体素内纤维的方向信息进行建模,进而实现脑纤维的重构.针对约束球面反卷积模型的不适定性以及细节信息丢失问题,本文在约束球面反卷积的基础上,结合邻域信息和分数阶正则化,提出了一种基于非局部约束球面反卷积模型的确定型纤维追踪算法,分数阶的非局部特性使得纤维方向分布模型估计的误差更小,而邻域信息的引入保证了空间一致性,可以减少噪声的影响.分别利用模拟数据、人脑实际数据对本文算法及基于约束球面反卷积的确定型纤维追踪算法作对比实验,结果表明,利用本文算法追踪的纤维不仅整体视觉效果上较整洁,而且对交叉纤维的重建结果更完整准确.

加有两个反凸约束的凹极小

加有两个反凸约束的凹极小王清俊，钱伟懿，施光燕（苏州江南社会学院２１５００７）（大连理工大学数学系，大连１１６０２４）关键词：凸函数；凹规划；割平面算法；值域分解；全局极小ＡＭＳ（１９９１）主囹分类：９０Ｃ２５在控制论、工程设计，经济平衡等实际背景下...

带一个反凸约束的凹规化的面分解法

本文给出一个求解一类凹规划的算法,与其它算法相比,该算法具有较好的可执行性。文中证明了它的全局收敛性。

约束与反约束——明朝经筵特点分析

明代经筵是在继承宋朝经筵的基础上又有所创新。有明一代,经筵对皇帝起着教化的作用。经筵亦是明五礼之一嘉礼下的重要礼仪,以帝王为中心的宫廷礼仪规范。观察经筵在明朝政治生活中的具象,分析明朝经筵的特点,对明朝历史的研究有着重要的价值与意义。

分裂增广拉格朗日收缩反卷积声源识别算法

提出了一种新颖高效的、超高分辨率的反卷积声源识别方法,即分裂增广拉格朗日收缩(SALSA)反卷积声源识别算法。该方法利用主要声源通常具有的稀疏特性和求解大规模稀疏恢复问题的交替方向思想,在波束形成反卷积数学模型中引入一个和源强等价的分裂变量,进而建立了增广拉格朗日变量分裂声源识别数学模型,并采用SALSA来交替迭代求解该分裂模型获得声源强度。仿真和试验结果表明,该方法与经典的反卷积声源成像方法(DAMAS)相比,源强量化能力相当,还拥有更优的收敛性,在整个分析频率范围内都拥有超高的分辨率,迭代计算速度快数十倍。

带单调约束的关联规则挖掘

在对单调约束的概念性质进行分析的基础上,提出了单调基础项集概念,并将其应用到Apriori算法中,同时也结合反单调约束,实现了一个带单调约束的关联规则的挖掘算法MCA,该算法提高了效率。

基于约束的不确定数据频繁项集挖掘算法研究

针对基于约束的不确定数据频繁项的经典挖掘算法——U-FPS算法的不足,提出了适用于基于约束的不确定数据的新算法——UC-Eclat挖掘算法。该算法不需要构建频繁模式树,而采用了数据库垂直模式求交集的方式来计算支持度的方法,提高了挖掘效率。

基于约束的交互式频繁模式挖掘算法

频繁模式挖掘是数据挖掘领域中很重要的一部分.目前,出现了许多基于约束的频繁模式挖掘算法和交互式算法,但把两者结合起来的算法却很少.提出了一种基于约束的交互式频繁模式挖掘算法IMCFP(interactive mining of constraint-based frequent patterns).首先该算法按照约束的性质来建立频繁模式树,并且只需扫描一遍数据库;然后建立每个项的条件树,挖掘以该项为前缀的最大频繁模式,并用最大频繁模式树来存储;最后根据最大模式来找出所有的支持度明确的频繁模式.另外,该算法允许用户在挖掘过程中动态地改变约束.实验表明,该算法与iCFP算法相比是很有效的.

基于约束的序列模式关联规则挖掘算法

约束关联规则是数据挖掘的一个主要方向,可以根据用户给定的约束条件针对性的挖掘.目前大多数的研究都集中在约束频繁项集挖掘方面,很少进行序列模式的约束关联挖掘.本文把序列模式和约束进行结合,提出一种基于约束的序列模式关联规则挖掘算法.它同时处理两类约束:反单调性约束和单调性约束.可以根据约束条件挖掘数据间的因果关联关系.通过实验验证,该算法在运行效率上达到了较好效果.

基于反凸规划的两层线性规划问题全局最优解算法

利用两层线性规划的全局最优解可在其约束域的极点上达到这一性质,通过对问题可行解集合的结构进行探讨,将两层线性规划转化为带有反凸约束的线性规划,建立了一个新的全局解算法,证明了算法能收敛到问题的全局解,并通过一个算例说明了算法的求解过程.