|
搜索
搜 索
高等教育領域數字化綜合服務平臺
一種基于門限的低復雜度MPA算法
本發明的目的在于克服現有技術的不足，提供一種基于門限的低復雜度MPA算法， 該算法通過設置置信度門限來及時對可靠的碼字進行譯碼，或對發送概率極低的碼字進行 舍棄，從而有效地降低了原始MPA算法的復雜度。
電子科技大學
2021-04-10
一種并行 LLL 高維模糊度降相關算法
本發明公開了一種并行 LLL 高維模糊度降相關算法，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的計算效率，增強高維模糊度降相關的能 力。其次為了得到降相關能力較強的 Z 變換矩陣，所以在每一次 QR 分解變換過程中，變換系數矩陣要 獲取較小的整數值，因此在每次下三角分解前先對模糊度協方差矩陣的行向量按內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積大小進行降序排列，由此求得的 Z 變換降相關性能更佳。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取整而引起 的誤差累積，解決算法發散的問題，從而進一步提高并行 LLL 算法的計算效率和穩定性。
武漢大學
2021-04-13
基于距離徙動軌跡的空間目標ISAR距離對準算法
本成果針對空間目標的運動特征，通過研究目標距離徙動軌跡與 等效運動模型，構建了一個欠定的運動方程組，基于全局炳最優化準 則求解出目標運動參數，提出了一種全新的距離對準算法。實驗結果 表明該算法具有較高的準確性，更重要的是，距離對準過程中不會引 入距離像隨機偏移誤差和高頻相位誤差，這也是應用大轉角高分辨成 像方法的前提條件。
南京工程學院
2021-01-12
由生成對抗網絡（GAN）驅動的進化多目標算法
隨著計算智能方法得到更廣泛的應用，其從問題本身學習的能力亟待增強。為此，越來越多研究提出使用機器學習模型來驅動計算智能。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練質量。而傳統機器學習方法需要大量訓練數據進行模型訓練，而且受維度災難的影響，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用范疇。課題組在
南方科技大學
2021-04-14
異構并行系統下時間能耗權衡優化的任務調度算法
本發明提出了一種基于時間-能耗重要性比重的并行任務調度算 法，在滿足時間和能耗的雙重限制下，實現異構并行系統下任務所用 時間和能耗的權衡優化。本發明考慮到實際情況中任務受各種因素的 影響，執行時間不是固定且確定的，而是近似于正態分布，因此在確 定任務調度順序時，不采用以往技術中使用執行時間平均值的方法， 而是將執行時間的平均值和方差同時考慮進來使用近似權重。在任務 分配階段，同時考慮時間和能耗這兩個性能指標，并能根據
華中科技大學
2021-04-14
一個分布式的最優快速管理算法
用電設備的最優管理是智能電網中實現需求側響應的關鍵一環。然而該問題通常需要同時管理調度大量的用電設備，同時考慮多個時槽，是一個時間空間耦合的復雜問題，想要在短時間內解決該問題十分困難。因此，如何設計合理的算法，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
2021-04-14
基于人工智能算法的電弧放電檢測系統
在串聯回路中，當電弧或放電現象發生時，對電流進行頻譜分析，根據電流 的頻譜特征變化來確定是否有電弧發生，提供預警信息或保護動作。為了防止在 開關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上綜合電弧時間長短等其他特性作為電弧故障的判據。系統的硬件 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，提高檢測系統的可 靠性。在算法中，采用了人工智能算法以提高系統的適應性。主要成果包
上海理工大學
2021-01-12
基于MWC系統的盲多帶稀疏信號快速恢復算法
本發明提出一種基于MWC系統的盲多帶稀疏信號快速恢復算法，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系統中CTF模塊的運行時間，此外，控制高斯隨機R的列數在一個較低水平，可以進一步減少矩陣V的列數，這樣在用M-OMP算法恢復支撐集的過程中又能進一步的減少運行時間。經過驗證，該算法可以大幅度提高CTF模塊的運算速度。
四川大學
2016-10-09
一種RANSAC計算基本矩陣中內點門限設置算法
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時自動設置內點門限的方法。此方法根據RANSAC求解F矩陣的要素，將固定設置極線距離門限Th的方式改為自動設置，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。門限Th與圖像大小和特征點匹配個數成正比，圖像越大，匹配越多，Th越大。相對于傳統方法，本方法將固定門限變成了自動設置，可以自適應三維重建不同類型的圖片，更加實用和魯棒。
四川大學
2016-10-08
改進差分進化算法的電力系統無功優化方法
本發明公開了一種基于改進差分進化(IDE)算法的電力系統無功優化方法。包括以下步驟：建立電力系統無功優化模型；輸入電網參數，形成初始種群，計算種群所有個體的適應度；對種群個體按適應度從大到小排序，設定前Ns個個體為優良群體；以優良群體為基向量，引導群體變異操作；提取優良群體信息，以此確定個體各維變量的交叉概率，指導種群的交叉操作，生成試驗向量；比較試驗向量與目標個體的適應度，優者成為下一代個體，從而生出新一代群體。本發明的方法收斂速度快、計算精度高、穩定性好、能有效地求解電力系統無功優化問題，可用于電力系統提高電力系統輸電效率、降低網絡損耗配置實時性運行控制中。
西南交通大學
2016-07-05