一种M序列的高效生成算法

基于Ｍ序列的一种生成模型,结合计算机的特点,构造了一种Ｍ序列的高效生成算法,可以在资源十分有限的条件下快速生成Ｍ序列。     

产生k元M序列的一种新算法

本文给出了生成ｋ元Ｍ序列的一种新的算法。该算法不再采用“主圈并一个圈“的经典并圈法，而是利用了“主圈并一组共轭圈“的新的并圈方法。这样减少了选择桥状态的次数，进而加快了并圈速度。     

从非奇异布尔函数对产生M序列

本文指出一种构造产生Ｍ序列的方法，它是基于圈的合并，给出一个计数公式，并给出一个简单的生成算法，不同的非奇异布尔函数生成不同的Ｍ序列，从而可以生成２＾２ｎ－１－１个ｎ＋１级Ｍ序列。     

产生某些M—序列的新方法

有关非线性移位寄存器的许多问题还没有解决,而M—序列的产生就属于这些问题,虽然一些作者已经证明了M—序列的存在性。本文通过讨论非线性移位寄存器序列的圈结构及序列的周期,给出产生M—序列的一些方法。     

基于M序列的数字图像置乱方法

数字图像置乱是数字水印和图像加密的一种重要手段.利用M序列发生器中移位寄存器状态的遍历性,提出一种数字图像位置置乱方法,给出了数字图像置乱方法的算法流程.与其他图像置乱算法相比,该算法具有置乱效果好和置乱效率高的优点.     

基于混合遗传算法的m序列波形优化设计

现代雷达体制多采用大时宽带宽积的m-序列二相编码脉冲压缩波形,解决信号波形优化问题即使信号波形的脉压比在尽量少损失SNR和主瓣宽度的基础上达到极值.对于m-序列,初始寄存器的选取是关键.对于较长的码,传统的优化方法由于运算量过大造成组合爆炸或陷入局部极值而无法找到最优,传统遗传算法也由于初始种群数的规模运算量比较大,将梯度搜索和遗传算法相结合的混合遗传算法很好的解决了这个问题,通过优化m-序列二相码波形的仿真和性能分析验证了该算法的可行性和有效性.     

基于免疫克隆选择算法的快速图像匹配

提出了一种新的免疫克隆选择算法,该算法基于一个压缩阈值和新的收敛标准,可动态确定种群的大小,具有很强的全局和局部搜索能力.对传统的Hausdorff距离作了改进,新方法可有效地克服传统算法的不足,作为模板和图像中物体轮廓相似性的测度,可较大地减少计算量.把免疫克隆选择算法和改进的Hausdorff距离相结合用于图像匹配,可以较快地完成全局搜索,达到模板和图像间的有效匹配,仿真实验证明了该方法的优越性.     

基于自适应遗传算法的最优M序列码搜索

编码信号已经广泛地应用于现代雷达系统中,而编码信号的旁瓣抑制一直是雷达信号处理中有待优化的问题。提出一种基于自适应遗传算法（AGA）优化搜索M序列二相码波形的方法。对于M序列,初始寄存器的选择对于主副比是很关键的。自适应遗传算法的遗传算子交叉概率与变异概率可自适应调整。与标准遗传算法（SGA）相比,这种算法能更好地避免＂早熟＂现象,保持了物种样本的多样性,最终能够收敛到脉压特性更好的序列。试验结果证明了该方法的可行性和有效性。     

基于免疫克隆量子算法的多用户检测器

为了解决CDMA系统最佳多用户检测的高计算复杂度问题,基于免疫克隆选择理论和新的遗传量子算法,该文提出了免疫克隆量子算法。该算法把根据神经网络制作的疫苗接种到克隆量子算法的每一代中,通过接种疫苗到CQA中,可以加快CQA的收敛速度减少计算复杂度。另外,CQA所提供的好的初值可以改善疫苗的性能,接种的疫苗还改善了CQA的性能,文中给出了在免疫克隆量子算法中使用随机神经网络制作疫苗的统一理论框架结构。仿真结果证明了该方法不仅能够快速收敛到全局最优解,并且无论抗多址干扰能力和抗远近效应能力都优于传统检测器和一些应用以前智能计算算法的多用户检测器。     

自适应免疫克隆选择文化算法

 免疫克隆选择算法中,单纯采用克隆选择机制的全局收敛能力较差,而采用（μ+λ）选择机制则容易陷入早熟收敛。为兼顾算法的搜索和探索能力,提出一类自适应免疫克隆选择文化算法。该算法采用文化算法的双层进化机制,提取并利用进化过程中的隐含知识,有机结合克隆选择和（μ+λ）选择两种机制,从而给出一种基于知识的自适应调整选择机制的混合选择策略。针对标准测试函数的仿真结果表明,该算法具有更稳定的全局收敛性能及较快的收敛速度。     

基于免疫克隆选择的图像压缩算法研究

针对在图像压缩过程中压缩质量与压缩时间相互间存在矛盾,文中提出了一种基于免疫克隆选择的图像压缩算法。该算法结合免疫克隆算法的抗体的多样性、全局寻优和小波变换多分辨率分析的特点。在压缩过程中不仅采用了小波分解后的低频分量,还加入了一定的高频部分,使压缩后的图像信噪比更低,从而保证了图像的质量。实验结果表明,所提出的图像压缩方法具有相对较高的压缩比和良好的压缩效果。     

基于免疫克隆选择算法的天线方向图综合技术研究

方向图综合技术是智能天线中的一项重要技术。由于采用遗传算法存在着易于早熟和局部寻优能力不足等缺点,为此,文中提出一种基于免疫克隆选择算法的阵列方向图综合技术。仿真结果验证了免疫克隆选择算法相对于标准遗传算法来说更容易找到全局最优解,不易陷入局部极值,且收敛速度快,实际应用表明,基于免疫克隆选择算法的方向图综合技术是切实可行的,且具有很好的推广潜力。     

基于免疫克隆选择的最优ECOC编码输出

纠错输出编码（Error Correcting Output Codes,ECOC）是解决模式识别领域多类分类问题的有效工具。在寻找最优编码输出的问题上,现有方法忽略了样本类别之间的相关性,导致学习效率和分类效果低下。为构造数据感知的编码矩阵,提出基于免疫克隆选择（Immune Clonal Selection Algorithm,ICSA）的最优纠错输出编码方法,将矩阵构造的多约束NP（Non-deterministic Polynomial,NP）难问题转换为优化搜索问题.首先基于分类精度和编码长度定义亲合度函数,然后结合样本知识改进变异交叉算子,根据约束性条件对矩阵进行搜索,从而快速有效地构建最优ECOC编码.实验表明该方法能够在提升多类分类精度的同时加快算法效率,而且输出的编码矩阵更加紧凑.     

免疫克隆分类算法

本文提出了一种新的数据挖掘分类方法——免疫克隆分类算法（Immune Clonal Algorithm for Classification，ICAC）．ICAC是一种基于免疫克隆算法的搜索机制和Michigan方法模型的规则提取和分类方法．与遗传分类算法不同，ICAC是一种自下而上的分类算法．ICAC虽然着眼于规则的进化，但是从编码到免疫算子的设计都立足于训练样本，可避免进化过程中产生无意义规则，且产生的规则是可解释的．文中将算法用于UCI数据集，并与现有的基于非遗传算法、遗传算法和分布式遗传算法的分类方法进行了比较实验．结果表明，ICAC是一种有效的分类算法．     

基于克隆选择算法的天线方向图综合算法

基于克隆选择算法的唯相位天线方向图综合算法在应用中需要加权值的模值是已知的,而实际中会有需要解决方向图的加权值模值并不已知的问题。为了提高基于克隆选择算法的唯相位天线方向图综合算法的应用自由度,研究了将天线各阵元所接收信号加权值的模值与相位同时进行编码的算法。算法仿真结果表明,加入模值编码的算法能够应用于任意形状的方向图综合问题,为算法在实际中的应用提出了一定的理论基础。     

带受体编辑的克隆选择组播路由算法

 DE Castro提出的克隆选择算法（CSA）中,抗体的多样性主要通过高频变异来实现,而实际 生物免疫系统中还有一个重要的操作是受体编辑.受此启发,提出了带受体编辑的改进克隆 选择算法.该算法利用未成熟优良子群体提供的优良基因片断,根据路径代价最小化和延时 要求对抗体进行两次受体编辑.这样,在无需求解备选路径集的情况下,直接运用该改进算 法可快速寻到最优解.在时延受限组播路由的仿真实验中表明：该算法比一般CSA算法和遗传 （GA）算法的搜索效率更高,算法复杂度更低.     

子空间中的克隆选择人体运动分析方法

将基于视频的人体运动分析归结为高维空间中的优化问题,提出一种基于子空间构造和克隆选择的人体运动分析方法.该方法首先采用等距映射算法建立人体运动的低维流形空间,其次采用克隆选择算法在流形空间中进行姿态优化,最后通过引入时序信息提出序列克隆选择方法实现运动跟踪.该方法能准确分析视频中的人体运动,具有良好的计算效率和精度.     

基于免疫克隆算法和K-medoids的网络节点聚类

在大规模分布式网络应用中,对网络节点进行聚类是构建高效网络体系结构的有效办法之一.在利用网络坐标系统Vivaldi得到各个节点的网络坐标的基础上,对网络节点进行K-medoids聚类.然后,针对K-medoids算法对初始中心选值敏感和易陷入局部极值的问题,提出基于免疫克隆算法的K-medoids聚类.实验结果表明,该聚类算法具有良好的可靠性及可扩展性,能对节点进行有效聚类.     

免疫克隆SAR图像分割算法

由于存在相干斑噪声的影响,使得常规的图像分割技术应用于SAR图像时,效果往往较差。该文提出一种新人工免疫系统SAR图像分割算法,算法首先提取每幅图像的纹理特征,并对其进行实数编码,然后通过借鉴生物学免疫系统的抗体克隆选择机理,构造适合于图像分割的克隆算子,以较快的收敛速度优化目标函数。实验结果表明,新算法是一种有效的SAR 图像区域分割方法。