融合FAST特征选择与ABQGSA-SVM的网络入侵检测

为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法。利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化。在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值。通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果。

自适应步长FISTA算法稀疏脉冲反褶积

FISTA算法(fast iterative shrinkage-thresholding algorithm)采用线性搜索方法寻找最佳内部梯度的步长L,而线性搜索只能使L向增大的方向搜索,严重影响了FISTA算法的收敛性。为此,提出了一种基于自适应步长FISTA算法的稀疏脉冲反褶积方法,该方法在FISTA算法的基础上,通过在每一次迭代之前适当减小常数L,然后利用线性搜索的方式寻找最优的常数L,以达到自适应调整L的目的。为了使算法达到理论收敛,通过结合前、后两次的L,对传统FISTA算法的辅助序列进行修改,最终使整套算法在理论上得以收敛。理论模型与实际地震资料的处理、分析结果表明,所提方法具有更好的收敛性,能在不同信噪比下得到理想的反演结果,较常规FISTA算法具有更好的抗噪能力。

一种用于语音编码的快速自适应码书搜索算法

码激励线性预测技术(简称CELP)能够在低比特率的情况下实现较高质量的语音,但其运算复杂度高。自适应码书搜索替代长时预测,是大多CELP编码方案的关键。介绍了CELP的基本原理并讨论了自适应码书搜索算法,提出将一种快速自适应码书搜索算法引入到传统4.8kbp FS1016使其复杂度明显降低。仿真结果表明,该方法既保持了4.8kbs FS1016传统算法复原语音的质量,又使自适应码书搜索运算量下降约40%以上。

基于相关的自适应阈值图像序列跟踪方法

提出一种基于相关的自适应阈值区域匹配目标跟踪新方法,该方法能根据序列图像不同光强及噪声等自适应地寻找最佳动态阈值,从而实现最佳匹配。此外,还提出了一种区域分层快速搜索算法;实验结果表明该方法相关度图形峰值更高、更陡,提高了匹配精度和匹配速度,切实可行。

基于Voronoi图的自适应快速码字搜索算法

PVDS算法因搜索固定数量的纹波导致搜索范围过大,编码效率较低。针对该问题,提出一种基于Voronoi图的自适应纹波搜索算法APVDS。通过实验确定一组合理的阈值,每搜索一个纹波就根据阈值判断是否达到搜索停止条件,由此减少所需搜索的纹波数。仿真实验结果表明,自适应搜索到2个纹波后,APVDS与PVDS算法的编码质量基本相同,但平均搜索范围明显缩小,平均编码时间也相应减少。

基于图像处理自适应变步长调焦搜索算法

研究文献时发现虽然采用固定步长调焦具有调焦过程稳定的特点,但由于调焦时间较长、效率较低等问题,很难应用于实际要求实现快速调焦的系统中。现有的变步长调焦点搜索算法存在计算公式推导过程复杂、算法计算量较大等问题,在实际要求实现快速调焦的系统中,也很少使用。为了解决此问题,本文提出一种新的基于图像处理自适应变步长调焦点搜索算法。该算法的具体调焦策略:当远离最佳调焦位置时,任意清晰度评价函数上两点组成的直线与水平直线构成的夹角较小,增加调焦步长,实现粗调焦;当处于最佳调焦位置附近时,减小调焦步长,实现细调焦。最后分别使用变步长、固定步长和本文提出的基于图像处理的变步长搜索算法对不同的清晰度评价函数进行自动调焦,实验结果表明:本文提出的变步长搜索算法在保证调焦精度的前提下,可以对基于灰度时域的清晰度评价函数实现快速调焦。通过对比调焦时间发现,本文提出的基于图像处理的自适应变步长搜索算法具有调焦时间较短、计算量较小等优点。

用于运动估计的全新自适应一步一次搜索策略

采用全新的搜索策略对一步一次搜索(OTA)方法进行改进,包括利用全新的自适应搜索提前终止门限、运动矢量预测、零运动矢量优先、以及搜索模版技术。并且这些策略完全可以运用到其他算法当中。大量的标准序列测试结果表明了这种算法的有效性、强健性和高度自适应性。该文的搜索策略和算法关注编码后的所有性能,而不仅仅是只关注编码速度或者是峰值信噪比。

考虑前置仓选址与服务策略的同时取送货车辆路径问题研究

本文在电子商务环境下研究了面向城市小件物流配送的同时取送货车辆路径问题,兼顾前置仓的选址策略,允许车辆在配送途中前往前置仓进行补货与存货操作.依据退回货物的状态差异构建两类配送子模型,统筹安排车辆的服务路径、前置仓选址以及补货存货策略使得物流企业整体运营成本最低.其次,设计了一种基于节约算法与自适应大邻域搜索的混合启发式算法CWIGALNS求解上述问题,提出改进算子提升算法的求解效率.随后,通过9组小规模算例验证了模型的准确性和算法的有效性.最后,采用多组较大规模算例进行数值实验.实验结果表明,两类配送子模型中,前置仓提供存货服务的模式有助于车载容量的循环使用,减少车辆使用数目降低物流配送成本.本文提出的模型与算法可以为城市小件物流配送企业服务策略的制定提供良好借鉴与帮助.