支持向量机及其应用研究

支持向量机是一种新型机器学习方法,因其出色的学习性能,已成为当前国际机器学习界的研究热点.作者介绍了支持向量机的理论依据及其研究进展.     

一种改进的LBG快速算法

LBG算法是矢量量化码书设计的经典算法。针对其空胞腔问题提出一种改进的LBG算法，并以熵序列收敛作为新的算法停止判据。实验表明，该算法具有收敛速度快、码书性能佳等优点，该算法的PSNR比传统的LBG算法提高2.74dB。     

一种基于虚拟机机制的NTP同步协议测试方法

协议的一致性测试是验证各协议实现遵循协议标准文本的过程，本文首先分析了传统的协议测试方法，随后针对这些方法在IPv6路由协议一致性测试中的不足提出了一种基于虚拟机的NTP（网络时间协议）同步协议测试方法，并阐述了该方法的实现原理。     

基于人工蚁群优化的矢量量化码书设计算法

本文提出一种基于人工蚁群优化的矢量量化码书设计新算法.该算法利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制,结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式,合理设计放下概率、禁忌列表、信息素更新方式以及相应的参数.与基于进化模拟退火和随机竞争学习的码书设计算法相比,本文提出的算法能获得性能较好的码书,其峰值信噪比比传统的LBG算法提高超过2dB.     

基于自适应蚁群优化的矢量量化码书设计算法

本文提出一种基于自适应蚁群优化的矢量量化码书设计算法.该算法利用人工蚁群系统中蚂蚁通过信息量留存寻找最优路径的机制,合理设计转移概率、禁忌列表、信息量更新方式及自适应地调整截取转移概率的参数.实验结果表明,该算法能获得质量较好的码书和主观效果较好的译码图像.     

改进混合蛙跳算法求解旅行商问题

以旅行商问题(TSP)为例,引入调整序思想设计了局部搜索策略,同时在全局信息交换过程中加入变异操作,提出一种改进混合蛙跳算法求解TSP问题.实验结果表明,与遗传算法和粒子群优化算法相比较,改进混合蛙跳算法在求解TSP问题上具有更好的搜索性能和顽健性.     

一种基于混合蚁群算法的矢量量化码书设计算法

提出了一种基于混合蚁群算法的矢量量化码书设计算法。该算法首先通过自适应地调整截取转移概率的参数,加大蚁群算法的搜索最优解的力度;然后以蚁群算法搜索的结果作为初始解,利用改进的LBG算法作进一步的搜索,从而加快算法的收敛速度。实验结果表明,该算法不但大大提高码书性能,而且也缩短了运行时间,解码恢复图像能获得较高的主、客观质量。     

模糊增强学习码书设计算法及其在图像编码中的应用

本文提出一种用于图像压缩编码的模糊增强学习码书设计算法。该算法是在模糊竞争学习矢量量化的基础上引入增强学习,并用输入训练模式的监督信号与类别模式之间的隶属度控制增强信号。实验结果表明,该算法对初始码本依赖性小,与模糊竞争学习矢量量化和微分竞争学习算法相比,收敛速度更快,性能更好。     

分段式双通道高速数据采集与处理系统

提出了一种分段式双通道高速数据采集系统的设计方案,对其中高速A/D、高速存储、智能控制以及接口译码等模块进行了介绍。该设计方案解决了高速实时信号与接口总线之间的速度兼容问题,单双踪采样频率可调,具有较好的工业应用价值。     

一种基于HVS的自适应图像编码算法

讨论了一种基于人类视觉特性的自适应图像编码算法，该算法在ＪＰＥＧ基础上采用视觉门限编码、自适应扫描技术．仿真结果表明，在高压缩率的情况下，无论从编码性能，还是从视觉感官上，该算法效果均优越于ＪＰＥＧ．