双变量EMD分析的平面离散曲线光顺方法

曲线的光顺在计算机辅助设计及其相关制造业中都有着重要作用。通过把平面离散曲线当作非平稳信号来处理,提出了一种双变量经验模式分解(EMD)的平面数字曲线光顺方法。方法首先将平面数字曲线的各个变量分离,参数化为两个一维信号;然后运用一维EMD方法对一维化的信号进行滤波处理,去除高频噪声;最后对两个处理好的信号进行合成,得到光顺后曲线。采用端点对称延拓的方法消除分解过程中边界效应,从而得到光顺的平面数字曲线。实验结果表明,该方法具有对二维双变量平面曲线有较好的平滑效果。

基于双向流的门限机会中继策略

对两节点在彼此覆盖范围内的双向传输流模型进行研究。用瞬时链路状态信息的机会中继策略,选择出最佳中继节点,然后根据门限值来判断是否需要最佳中继参与协作,当两节点直连链路状态大于门限值时,节点间直接交互信息,无需中继节点的协助;反之,信源和最佳中继共同协作参与传输。相比直接传输模型,本策略提高网络吞吐量的同时,增大了系统的分集增益,有效的提高了系统的抗衰落性能,并在信噪比高时有效降低系统误码率。

广义加权Minkowski距离及量子遗传聚类算法

相异度和相似度度量是聚类算法中非常重要的一种因素,往往会影响到聚类分析的结果。很多聚类算法采用欧式距离作为计算数据相似度的度量。而欧式距离不能反映属性值的全局特性,且不顾及各属性之间的量纲差异,因此当不同属性间具有明显量纲或值域差异时,不能取得很好的效果。对此,提出了一种广义加权Minkowski距离,即由各属性的量纲和值域信息来确定各属性的广义权值,既考虑了整个数据集的特性,又消除了各属性之间的不和谐,同时分位数的引进在一定程度上减弱了噪声属性值对距离度量的影响。将提出的新的距离度量用于经典的k-means算法和量子遗传聚类算法,实验结果表明,采用新的距离度量和引进量子遗传算法的聚类是更加有效的。

基于3D角度编码的量子遗传算法

为了充分利用量子态在算法中的量子特性,提高算法的搜索效率,减少存储空间,提出了一种基于3D角度编码的量子遗传算法。该算法将量子位描述为3D球面坐标下的一对相位角,充分利用了量子的空间运动特性,并引入一种自适应旋转角大小和方向的确定方案,从而进一步简化了染色体的更新和变异过程,而且使算法的量子特性、存储性能、时间性能都得到很大的提高。仿真结果表明,其在算法优化效率和搜索能力上都优于简单遗传算法和普通量子遗传算法。

无线多播中基于网络编码的QoS研究

在无线网络中使用网络编码可以提高吞吐量和降低能耗.近来,有许多工作在研究如何利用网络编码来提高吞吐量,但是很少有考虑到QoS.本文重点研究在实时无线网络中数据包在延时约束条件下,网络编码的广播调度问题,目标是在数据包的误时率(deadline miss ratio)容许范围内,减少重传包的数量.我们将综合两种编码调度方案,阐释各自的优劣,动态地选取编码方案.仿真结果显示,我们的算法可以有效减少重传包的数量.