一种改进的变步长仿射投影算法

变步长的仿射投影算法因具有较传统仿射投影算法收敛快、失调小等优点而受到广泛重视。但是因计算量较大,限制了其在实际中的应用。为降低计算的复杂性和减少计算量,该文根据权值部分更新和步长间歇更新的思想提出一种改进方案,即根据某些原则仅选择部分权值进行更新以及每L次迭代只更新一次步长。文中通过一个具有有色输入的线性系统的辩识验证了改进方法的性能。仿真结果表明,改进算法在保证计算收敛性和计算精度的情况下,可有效地减少计算量。     

两种简化的仿射投影自适应滤波算法

在仿射投影算法的基础上,提出了两种简化仿射投影自适应滤波算法（ＳＡＰ）,新算法的收敛速度比传统的能量归一化最小均方误差算法（ＮＬＭＳ）快,而计算量增加不多,易于实现,计算机仿真主宰了上述结论。     

一种新的分割式比例仿射投影算法

针对自适应算法收敛速度和计算复杂度之间的矛盾．提出一种基于集员滤波的分割式比例仿射投影算法（SM-SPAPA）。该算法中只有当参数估计误差大于给定的误差门限时滤波器系数才进行迭代更新,从而能有效地减少滤波器系数的迭代次数。仿真结果表明,由于每次迭代将对误差性能贡献最大的输入信号筛选出来作为输入,从而能加快收敛速度,同时还能够减少算法的运算量。     

改进的变步长行加权仿射投影算法

针对带衰减因子的变步长仿射投影算法(VS-APA-FF)中加权投影矩阵容易产生病态化的问题,文献[8]提出了正则化的VS-APA-FF(vs-APA-FF-REGU)算法,但加权投影矩阵的运算量仍然较大,为此提出改进的行加权变步长仿射投影算法(VS-APA-RW)对加权投影矩阵的计算进行简化.该算法采用间歇更新的变步长策略,有效降低了的整体运算量.最后通过有色输入下的信道盲辨识表明了算法的性能.     

一种新的变阶仿射投影算法

从改变仿射投影算法的条件出发,迫使仿射投影算法(APA)后验误差等于噪声,提出一种新的变阶仿射投影算法(E-APA)。该算法令迭代过程中阶数正比于误差向量的L2范数的平方与噪声功率之比,通过调节正则化因子来改变二者比值,从而实现了在初始阶段输入阶数较大,在收敛阶段输入阶数较小。实验结果表明该算法收敛速度快,稳态失调小,计算量少,优于目前最好的变阶算法(E-APA)。     

基于改进仿射投影算法的数字助听器自适应回声消除

提出了一种改进的仿射投影算法。该算法建立了步长因子与误差能量之间一种新的非线性函数关系,根据误差能量的变化自动调整步长因子,以达到加快滤波器收敛速度、降低稳态失调的目的;在对误差能量的估计中提出了遗忘因子选择规则,提高了误差能量估计的准确性。对提出的算法进行的数学分析,为其快速收 敛性提供了理论依据。实验仿真表明,与传统的自适应算法以及固定步长的仿射投影算法相比,提出的改进仿射算法在收敛速度、稳态失调等方面有明显改善。     

一种新的变步长比例仿射投影算法研究

研究比例仿射投影算法,针对自适应算法收敛速度和稳态误差之间的矛盾,提出了一种变步长的改进比例仿射投影算法( VSS- IPAPA).利用后验误差去补偿干扰信号对系统稳态性能的影响,得到了算法新的最优步长准则,根据步长准则以及先验误差与后验误差之间的联系,导出了一种适用于比例仿射投影的步长调节方法.综合了稀疏算法、数据重用方法及变步长的优点.最后通过对改进算法进行仿真,结果表明,在增加少量计算量的情况下,系统的收敛速度和稳态性能有明显的改善,证明了比例仿射投影算法的有效性.     

一种基于回归估计误差仿射投影算法的统计特性分析

输入信号是自回归模型时,建立了一种基于回归估计误差的仿射投影 (Affine projection using regressive estimated error, AP-REE) 算法的统计模型.在五个假设的条件下,推导出了AP-REE算法迭代方向上权值误差和权值均方误差的递归迭代方程, 分析了AP-REE算法稳定状态的误差.仿真结果表明建立的统计模型与AP-REE算法的仿真结果具有一致性.     

基于集员滤波的双归一化数据重用盲均衡算法

数据重用可以有效地加快盲均衡算法的收敛速度,但会带来噪声放大的问题。针对这种情况,该文将数据重用方法应用到基于实虚部分开处理的改进常模盲均衡算法中,采用集员滤波克服应用数据重用时引起的噪声放大问题,推导出一种收敛速度较快的盲均衡算法。实验仿真表明,该算法具有较快的收敛速度,适用于短时信号处理。     

基于仿射投影算法的时延估计

在时间延迟估计中,通常利用互相关算法对时延进行估计.然而,互相关算法受噪声影响较大,在低信噪比时无法准确对时延进行估计.LMS、NLMS等自适应算法能够避免噪声的影响,然而其收敛性较差.RLS自适应算法虽具有较好的收敛性,但算法复杂度较高.本文利用的仿射投影(AP)算法则具有较好的收敛性.模拟仿真表明该算法能准确估计时...     

基于粗糙集的改进Apriori算法研究

针对Apriori算法的不足,提出一种基于粗糙集的频繁项集发现方法。新方法首先利用粗糙集的特征属性约简算法进行属性约简,找到其中的核心属性数据,然后在构建约简决策表的基础上应用改进的Apriori算法对这些核心数据进行数据挖掘,最终得到频繁项集。改进方法的优势在于在保证知识库分类能力不变的前提下消除不必要的冗余属性,减少了属性数目。在生成频繁项目集方面,根据k-1频繁项集中的项目个数来确定是否生成对应的k-候选集,这样就不需要进行连接操作生成k-候选集,减少了候选项集的生成数量。实验验证了所提出的改进算法的有效性,尤其在k很大的时候,可以节省大量的计算时间,避免产生大量的候选集,可显著提高数据挖掘的效率。     

基于仿射变换的图像置乱改进新算法

传统的仿射变换的图像置乱算法是将图像中像素的位置重新排列,从而使原始图像变换成一个杂乱无章的新图像,但其本身的像素值并未发生改变。所以置乱后图像的灰度直方图都不发生改变,而灰度直方图又是衡量一幅图像的重要特征。对于那些对安全性要求比较高的领域,如军事或牵涉到国家安全的机构,这类置乱方法的安全性可能达不到我们期望的要求。针对以上问题,该文提出了一种基于仿射变换的图像置乱改进新算法。该算法首先对原始图像进行仿射变换,然后对变换后的图像进行Zig-Zag扫描形成一个一维向量,再对一维向量中每个像素和它前面相邻的像素进行按位异或运算,同时对其异或运算的结果进行像素值的交叉换位,再次改变像素点的灰度值,从而提高图像置乱效果和安全性。实验结果表明,该算法与传统的图像置乱算法相比,置乱后的图像不仅直方图发生了显著改变,而且置乱图像的统计特征更像白噪声,更加适用于图像文件的加密传输和秘密图像信息在数字水印技术中的置乱预处理。     

一种新的基于保证定界椭球算法的非线性集员滤波器

基于未知但有界噪声假设的集员滤波器为传统的概率化滤波方法提供了一种可行的替代选择, 然而其潜在的计算负担和保守性考虑制约了该方法的实际应用. 本文提出一种新的基于保证定界椭球近似的改进集员滤波方法, 用于解决针对非线性系统的状态估计问题,在保证实时性的前提下降低了算法的保守性. 首先,对非线性模型进行线性化处理,采用DC (Difference of convex)规划方法对线性化误差进行外包定界, 并通过椭球近似将其融合到系统噪声中; 在此基础上提出了一种结合了椭球直和计算和基于迭代外定界椭球算法的椭球--带交集计算 所构成的经典预测--更新步骤来估计得到状态的可行椭球集. 与常规的非线性扩展集员滤波方法的仿真比较表明了本文所提出算法的有效性和改进性能.     

基于改进二维保局投影算法的人脸识别

传统的二维保局投影(2DLPP)算法未考虑样本邻域间局部信息,并且所提取的特征矩阵分量间存在相关性。针对该问题,提出基于大间距准则的最小相关性监督2DLPP算法。引入类间局部散度矩阵和类内局部散度矩阵,最大化带权的散度矩阵迹差,以增大样本类间散度,减小样本类内散度,从而更好地刻画数据的流形结构。计算所提取特征矩阵各分量间的协方差矩阵,通过最小相关性分析,减少特征信息的冗余。在Yale和ORL人脸库上进行仿真实验,结果显示,当训练样本数为5时,该算法的最高识别率分别为92.5%和96.2%,与传统2DLPP算法、二维主成分分析法、二维线性判别分析法和二维大间距准则法相比,识别率均有所提高。同时对不同训练样本数下识别率均值和方差进行分析,验证了算法的稳定性。     

基于云模型的隶属概念判定算法的改进

在人工智能领域中,李德毅教授等提出的定性定量不确定性转换模型——云模型,把概念的模糊性和随机性完全集成到一起,构成定性数据和定量数据的相互映射。但是,在利用云模型进行隶属概念的判定的算法中,不论对象是否明确属于某个概念,一律进行不确定性判定,过分地强调了模糊性和随机性。这不符合人类的认识规律,而且增加了算法的时间复杂度,甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象,不再进行不确定性判定,直接被认定为属于该概念,只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定,使其符合人类的认识规律,降低了算法的时间复杂度。