简介：粒子群协同实用化在web上具有众多的应用,需要聚类大量的代数矩阵才能获得足够的数据,当前研究侧重粒子群协同与矩阵的相关性而没有充分考虑到在几何性之间是具有显著的重叠关系的,这就导致了针对不同的矩阵会具有相同结果,引发重复计算问题。鉴于此,提出了一种基于几何代数的粒子群协同实用化算法,所选择的几何性矩阵具有较高的相关性,而且重叠性较低。实验结果表明,本文的方法能够显著提高粒子群协同实用化的精度和效率。

简介：摘要优化设计是电力工程竞标核心竞争力的一种体现。本文介绍了遗传算法的形成和基本理论，并将其利用于电力结构优化设计中。算例基于实际工程，采用遗传算法通过MATLAB中的GADS工具箱对该工程进行优化设计，并对比分析得出了针对该工程实际情况的经济跨距和最经济工程量。

简介：针对分布式压缩感知中联合稀疏信号的重构问题,在分析了信号群与联合稀疏模型（JSM）基础上,利用JSM-2型联合稀疏信号在子空间内的投影特性,提出了一种多重子空间追踪重构算法.仿真结果表明,该算法在降低计算复杂度的同时可有效确保联合稀疏信号重构准确率.

简介：学生自主探索是算法多样化的源,算理是算法多样化的根。算法多样化使教学过程的价值取向由关注学生的知识与技能向关注学生个性化发展的转变,是学生在群体学习环境中对知识主动建构的过程。在多样化的算法中,教师要引导学生学会观察、分析、比较,反思各种算法,正确认识每一种算法的价值以及每一种算法之间的联系,在比较和联系中掌握最基本的算法。通过摆小棒、拨计数器等直观模型促进算理的思考和理解,实现各种算法的“存异求同”。

简介：摘要计算教学是小学数学教学中的重点内容，也是难点内容，其教学效率的高低直接影响了学生数学应用能力的高低。算理指的是计算的依据，是数学定律、性质、概念等知识的总称，在算法中发挥着理论指导作用，而算法是计算的基本方法与程序，是算理的客观呈现。只有让学生充分理解算理，才能使得他们更简便、灵活地应用算法。

简介：针对分割图像目标是无法提取目标的真实边缘且实时性不佳,引入混沌系统改进的PSO（简化粒子群算法）提取出的目标边缘作为Snake模型分割的起始位置,优化能量函数后分割出精准目标.实验表明：对图像目标进行分割的时间减少且精准度也提高了。

简介：关联规则是数据挖掘的重要方法之一,但传统的关联规则算法Apriori需要多次扫描数据库,需要很大的I/O开销,不能处理节点失效和负载均衡。云计算下的MapReduce模型能够处理节点失效并能做到负载均衡。将传统的关联规则算法Apriori进行改进,然后移植到Hadoop平台,提出了基于MapReduce编程的数据挖掘算法,它能高效的、并行的完成海量数据挖掘任务。通过实验验证了算法的有效性。

简介：摘要在国家经济发展的过程中，电能发挥着十分重要的作用。在目前智能化、网络化电力系统的发展过程中，电能资源的有效应用，非常容易受到谐波的影响，因此需要对其进行计量。针对电能展开的计量工作，主要的参数内容包括电压/电流有效值、有效功率、无功功率等，之后可以对其上述的内容，进行计量算法的分析。

简介：对无限大均匀线性各向同性介质中的均匀平面电磁波的场强,分别采用时域法和频域法进行了推导和分析.两种算法的数学本质和场强解析解的物理意义为：电场强度和磁场强度具有相同的空间相位和时间相位,并且电场强度垂直于磁场强度,它们与电磁波传播方向垂直.电场强度与磁场强度的振幅只相差一个比例因子.

简介：代价敏感普遍应用于解决分类不平衡问题,但代价敏感算法一直没有一个客观的评价标准.本文提出一种针对代价敏感算法的分类精度计算方法,以平衡精度替换总体精度来有效地评定代价敏感算法的分类性能.相比于传统的总体精度,该平衡精度不会忽略小类样本的贡献.通过代价敏感超限学习机对基因表达数据进行分类对比实验,结果表明,平衡精度可以更为客观、合理地表示代价敏感算法的分类性能.

简介：对基因表达数据进行分类时,超限学习机（ELM）算法具有学习效率高、泛化能力强、分类精度高的优点.为了解决超限学习机算法受输入权值矩阵和隐含层偏差随机初始化的影响,本文利用自适应遗传算法（AGA）具有良好的全局搜索效果对超限学习机的输入权值矩阵和隐含层偏差进行优化,提出了基于自适应遗传算法优化超限学习机（AGA-ELM）的分类算法.通过实验表明,该算法与已有的ELM、GA-ELM以及SVM算法相比,分类精度更高,可用于基因数据分类.

简介：根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明：改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。

简介：基于数据分布密度划分的聚类算法是数据挖掘聚类算法中的主要方法之一。针对传统密度划分聚类算法存在运算复杂、运行效率不高等缺陷,设计出高维分步投影的多重分区聚类算法;以高维分布投影密度为依据,对数据集进行多重分区产生数据集的子簇空间,并进行子簇合并形成了理想的聚类结果;依据算法进行实验,结果证明该算法具有运算简单和运行效率高等优良性。

简介：单隐层前向神经网络的学习能力是有限的.特别地,作为分类器,单隐层前向神经网络对于图像的复杂信息和不同图像之间的细节信息很难学习和处理.文章借鉴深度神经网络的思想,将单隐层矩阵输入的神经网络拓展到多隐层神经网络,并采用传统的反向传播算法对其训练并给出学习算法.通过多个数据库的实验对比,结果显示所提出的算法具有良好的效果.

简介：为了解决基于用户服务质量约束的多用户多天线系统高能效线性预编码问题,根据分式规划性质提出了一种迭代优化算法,并利用凸优化方法对每次迭代中子问题进行求解,分别讨论了最大功率发送与非最大功率发送两种子问题求解情况。最后,仿真结果表明,该算法收敛性优,且在确保用户服务质量情况下可有效提高系统能效。

简介：

简介：摘要根据数据中心机柜行业对通孔率参数的评价需求，提出了统一的评判标准，即通孔率。通过定义了各种区域面积的定义及通风有效性区域定义，提供多种情况下通孔率的判据及算法。

简介：针对大规模应急疏散过程中基础设施的供给与快速产生的疏散交通需求之间的矛盾,提出一种基于时间扩展网络用于有组织计划的混合速度应急疏散算法,其主要思路是以疏散者位置及运动速度建立疏散组,通过标记路段的时间可用性确定不同疏散组的出发时间及路径,以达到避免交通冲突及确保疏散效率的目的。实验表明,该方法在确保疏散过程高效、有序进行的前提下,可获得与理论最优值接近的疏散结果,且疏散规模越大,逼近效果越好。

简介：摘要本文主要围绕着DG接入的配电网继电保护和算法进行分析，总结了DG接入的配电网继电保护的方法和配电保护的具体的措施，以及如何更好的使用其算法，提出了更多的方案。

简介：近年来,演化计算在音乐创作领域逐渐应用,在对音乐编码和遗传操作分析的基础上,把遗传算法应用在音乐创作中,使计算机能自动完成作曲,并通过优化交叉的方式变化,最终实现演化音乐操作.