|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
一種基于門限的低復(fù)雜度MPA算法
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于門限的低復(fù)雜度MPA算法， 該算法通過設(shè)置置信度門限來及時對可靠的碼字進行譯碼，或?qū)Πl(fā)送概率極低的碼字進行 舍棄，從而有效地降低了原始MPA算法的復(fù)雜度。
電子科技大學(xué)
2021-04-10
.jpg){kind=logo}
一種并行 LLL 高維模糊度降相關(guān)算法
本發(fā)明公開了一種并行 LLL 高維模糊度降相關(guān)算法，首先通過混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法針對高維模糊度降相關(guān)的計算效率，增強高維模糊度降相關(guān)的能 力。其次為了得到降相關(guān)能力較強的 Z 變換矩陣，所以在每一次 QR 分解變換過程中，變換系數(shù)矩陣要 獲取較小的整數(shù)值，因此在每次下三角分解前先對模糊度協(xié)方差矩陣的行向量按內(nèi)積大小進行升序排序， 而在上三角分解前先對矩陣的列向量按內(nèi)積大小進行降序排列，由此求得的 Z 變換降相關(guān)性能更佳。最 后把算法正交變換過程中的取整運算移至在求 Z 矩陣時取整，可以避免算法迭代過程中反復(fù)取整而引起 的誤差累積，解決算法發(fā)散的問題，從而進一步提高并行 LLL 算法的計算效率和穩(wěn)定性。
武漢大學(xué)
2021-04-13
院.jpg){kind=logo}
基于距離徙動軌跡的空間目標(biāo)ISAR距離對準(zhǔn)算法
本成果針對空間目標(biāo)的運動特征，通過研究目標(biāo)距離徙動軌跡與 等效運動模型，構(gòu)建了一個欠定的運動方程組，基于全局炳最優(yōu)化準(zhǔn) 則求解出目標(biāo)運動參數(shù)，提出了一種全新的距離對準(zhǔn)算法。實驗結(jié)果 表明該算法具有較高的準(zhǔn)確性，更重要的是，距離對準(zhǔn)過程中不會引 入距離像隨機偏移誤差和高頻相位誤差，這也是應(yīng)用大轉(zhuǎn)角高分辨成 像方法的前提條件。
南京工程學(xué)院
2021-01-12
.jpg){kind=logo}
由生成對抗網(wǎng)絡(luò)（GAN）驅(qū)動的進化多目標(biāo)算法
隨著計算智能方法得到更廣泛的應(yīng)用，其從問題本身學(xué)習(xí)的能力亟待增強。為此，越來越多研究提出使用機器學(xué)習(xí)模型來驅(qū)動計算智能。通常，這種基于模型的進化算法的性能高度依賴于所采用模型的訓(xùn)練質(zhì)量。而傳統(tǒng)機器學(xué)習(xí)方法需要大量訓(xùn)練數(shù)據(jù)進行模型訓(xùn)練，而且受維度災(zāi)難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應(yīng)用范疇。課題組在
南方科技大學(xué)
2021-04-14
.jpg){kind=logo}
異構(gòu)并行系統(tǒng)下時間能耗權(quán)衡優(yōu)化的任務(wù)調(diào)度算法
本發(fā)明提出了一種基于時間-能耗重要性比重的并行任務(wù)調(diào)度算 法，在滿足時間和能耗的雙重限制下，實現(xiàn)異構(gòu)并行系統(tǒng)下任務(wù)所用 時間和能耗的權(quán)衡優(yōu)化。本發(fā)明考慮到實際情況中任務(wù)受各種因素的 影響，執(zhí)行時間不是固定且確定的，而是近似于正態(tài)分布，因此在確 定任務(wù)調(diào)度順序時，不采用以往技術(shù)中使用執(zhí)行時間平均值的方法， 而是將執(zhí)行時間的平均值和方差同時考慮進來使用近似權(quán)重。在任務(wù) 分配階段，同時考慮時間和能耗這兩個性能指標(biāo)，并能根據(jù)
華中科技大學(xué)
2021-04-14
一個分布式的最優(yōu)快速管理算法
用電設(shè)備的最優(yōu)管理是智能電網(wǎng)中實現(xiàn)需求側(cè)響應(yīng)的關(guān)鍵一環(huán)。然而該問題通常需要同時管理調(diào)度大量的用電設(shè)備，同時考慮多個時槽，是一個時間空間耦合的復(fù)雜問題，想要在短時間內(nèi)解決該問題十分困難。因此，如何設(shè)計合理的算法，提高計算效率，降低計算時間，是目前的研究熱點。?
南方科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于人工智能算法的電弧放電檢測系統(tǒng)
在串聯(lián)回路中，當(dāng)電弧或放電現(xiàn)象發(fā)生時，對電流進行頻譜分析，根據(jù)電流 的頻譜特征變化來確定是否有電弧發(fā)生，提供預(yù)警信息或保護動作。為了防止在 開關(guān)的瞬間或受到其他脈沖電流的干擾造成電弧故障檢測電路誤動作，同時在頻譜分析的基礎(chǔ)上綜合電弧時間長短等其他特性作為電弧故障的判據(jù)。系統(tǒng)的硬件 部分包含電流檢測、濾波、故障特征提取等模塊。軟件部分包含信號采集、信號 處理、故障判別等模塊，并綜合時間等其他因素降低誤報率，提高檢測系統(tǒng)的可 靠性。在算法中，采用了人工智能算法以提高系統(tǒng)的適應(yīng)性。主要成果包
上海理工大學(xué)
2021-01-12
.jpg){kind=logo}
基于MWC系統(tǒng)的盲多帶稀疏信號快速恢復(fù)算法
本發(fā)明提出一種基于MWC系統(tǒng)的盲多帶稀疏信號快速恢復(fù)算法，首先利用Xampling采樣板獲得壓縮采樣值y[n]，將y[n]乘以一個高斯隨機矩陣R，得到傳統(tǒng)的壓縮感知模型V=y[n]R=CU,這種方法避免了原方法中需要做特征值分解的操作，可以有效的減少MWC系統(tǒng)中CTF模塊的運行時間，此外，控制高斯隨機R的列數(shù)在一個較低水平，可以進一步減少矩陣V的列數(shù)，這樣在用M-OMP算法恢復(fù)支撐集的過程中又能進一步的減少運行時間。經(jīng)過驗證，該算法可以大幅度提高CTF模塊的運算速度。
四川大學(xué)
2016-10-09
一種RANSAC計算基本矩陣中內(nèi)點門限設(shè)置算法
為了解決計算機多視幾何中稀疏特征點錯誤匹配導(dǎo)致基本矩陣F精度不高的問題，提出一種RANSAC(RANdom SAmple Consensus)求解F時自動設(shè)置內(nèi)點門限的方法。此方法根據(jù)RANSAC求解F矩陣的要素，將固定設(shè)置極線距離門限Th的方式改為自動設(shè)置，提高了算法的魯棒性。這些要素是圖像對中的稀疏特征點匹配的個數(shù)N、圖像像素多少、初始計算得到的特征點到極線的平均距離Dinit。Th計算采用公式Th = Min(w×N/51200, Dinit/3)，w為圖像的寬，單位為像素。Min為取二者最小值的函數(shù)。門限Th與圖像大小和特征點匹配個數(shù)成正比，圖像越大，匹配越多，Th越大。相對于傳統(tǒng)方法，本方法將固定門限變成了自動設(shè)置，可以自適應(yīng)三維重建不同類型的圖片，更加實用和魯棒。
四川大學(xué)
2016-10-08
.jpg){kind=logo}
改進差分進化算法的電力系統(tǒng)無功優(yōu)化方法
本發(fā)明公開了一種基于改進差分進化(IDE)算法的電力系統(tǒng)無功優(yōu)化方法。包括以下步驟：建立電力系統(tǒng)無功優(yōu)化模型；輸入電網(wǎng)參數(shù)，形成初始種群，計算種群所有個體的適應(yīng)度；對種群個體按適應(yīng)度從大到小排序，設(shè)定前Ns個個體為優(yōu)良群體；以優(yōu)良群體為基向量，引導(dǎo)群體變異操作；提取優(yōu)良群體信息，以此確定個體各維變量的交叉概率，指導(dǎo)種群的交叉操作，生成試驗向量；比較試驗向量與目標(biāo)個體的適應(yīng)度，優(yōu)者成為下一代個體，從而生出新一代群體。本發(fā)明的方法收斂速度快、計算精度高、穩(wěn)定性好、能有效地求解電力系統(tǒng)無功優(yōu)化問題，可用于電力系統(tǒng)提高電力系統(tǒng)輸電效率、降低網(wǎng)絡(luò)損耗配置實時性運行控制中。
西南交通大學(xué)
2016-07-05