-
题名一种基于多峰值多规则并行搜索的遗传算法
被引量：4
- 1
-
-
作者
郭立新
武丽梅
李庆忠
李波
张国忠
-
机构
东北大学
沈阳航空工业学院
-
出处
《机械科学与技术》
CSCD
北大核心
1999年第3期406-408,411,共4页
-
文摘
利用Ｈａｍｍｉｎｇ距离控制种群中个体间的差异，建立了峰值库，利用多峰值点外抛点法、一点和多点的交叉与变异方式，以及多峰值点邻域搜索策略，从而使改进后的遗传算法在解决有约束非线性问题时表现出良好的速度和有效性。
-
关键词
遗传算法
峰值库
个体差异控制
多规则
-
Keywords
Genetic algorithm Base of peak values Individual difference control Multiple rules
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名引入速率量测的高速机动目标跟踪多模型算法
- 2
-
-
作者
石章松
刘健
张渝缘
-
机构
海军工程大学电子工程学院
-
出处
《火力与指挥控制》
CSCD
北大核心
2019年第3期159-164,共6页
-
文摘
在机动目标跟踪定位问题中,引入参考加速度的跟踪算法对目标定位跟踪精度高、效果好,但在目标发生高速机动时,其跟踪误差较大,收敛速度慢。针对这种情况,提出一种引入速率量测的自适应性圆周运动跟踪算法,并通过建立一种模型结构变换机制,将两者算法有效结合,构成一种变结构多模型算法(Variable Structure Multiple Model,VSMM)。在高机动条件和典型反舰导弹攻击航路下对算法进行仿真实现,证实了该算法相比于引入参考加速度跟踪算法,跟踪精度较高,收敛速度更快,具有一定工程实践指导意义。
-
关键词
速率量测
变结构多模型
引入参考加速度
三维空间
-
Keywords
velocity measurement
variable structure multiple model (VSMM)
acceleration-based dynamic algorithm
3-D space
-
分类号
TN953
[电子电信—信号与信息处理]
-
-
题名面向语音分离的深层转导式非负矩阵分解并行算法
- 3
-
-
作者
李雨蓉
刘杰
刘亚林
龚春叶
王勇
-
机构
国防科技大学并行与分布处理重点实验室
国防科技大学复杂系统软件工程湖南省重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2020年第8期49-55,共7页
-
基金
重点研发计划(2018YFB0204301)。
-
文摘
非负矩阵分解(Non-negative Matrix Factorization,NMF)能保存语音信号的非负特征,是用于语音分离的重要方法,但该方法存在数据运算复杂、计算量太大的问题,需要研究能减少计算时间的并行计算方法。针对语音分离预训练及分离过程的计算问题,文中提出深层转导式非负矩阵分解并行算法,综合考虑迭代更新过程的数据关联性,设计了一种任务间和任务内多级并行算法。该并行算法在任务级将分解训练语音得到对应基矩阵的过程作为两个独立的任务进行并行计算;在任务内部进程级把矩阵按行列划分,主进程把矩阵块分发到从进程,从进程接收当前矩阵块并计算结果矩阵子块,然后将当前进程矩阵块发送到下一进程,实现第二个矩阵中每一个矩阵块在所有进程的遍历,并计算结果矩阵对应子块的乘积,最后由主进程收集从进程数据块;在线程级子矩阵乘法运算的过程中,采取生成多线程,通过共享内存交换数据计算子矩阵块的加速策略。该算法为首个实现深层转导式非负矩阵分解的并行算法。在天河二号平台上的测试结果表明,在分离多说话人混合语音信号时,相比串行程序,所提出的并行算法能在不改变分离效果的前提下,使得预训练过程中使用64个进程的加速比为18,分离过程使用64个进程的对应加速比为24。相较于串行及MPI模型分离,混合模型分离时间大大缩短,从而证明了设计的并行算法可有效提高语音分离的效率。
-
关键词
深层转导式非负矩阵分解并行算法
乘性迭代更新规则加速算法
消息传递接口
共享存储并行编程
语音分离
-
Keywords
Parallel algorithm of deep-transductive non-negative matrix factorization
acceleration algorithm based on multiplicative update rules
MPI
OpenMP
Speech separation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多最小支持度的增量式关联规则挖掘算法研究
- 4
-
-
作者
朱志华
朱震宇
-
机构
肇庆供电局
中山大学数学与计算科学学院
-
出处
《广东电力》
2009年第2期1-5,共5页
-
基金
广东省科技攻关项目(2007B01020071)
-
文摘
在传统的Apriori关联规则挖掘算法分析基础上,针对目前多最小支持度和增量式关联规则挖掘的局限性,提出基于多最小支持度的增量式关联规则挖掘算法。该算法适用于事务出现频率一致及不一致的情况,利用多最小支持度能挖掘出更有意义的结果;同时,该算法还能实现事务数据不断增加时的数据挖掘,提高了挖掘的效率。应用电力客户信用数据库进行实验的结果表明,改进算法能有效挖掘出稀有项,分析出潜在的信用风险客户,对电力客户信用评价具有辅助决策作用。
-
关键词
多最小支持度
增量式算法
关联规则
数据挖掘
-
Keywords
multiple minimum supports
incremental updating algorithm
association rule
data mining
-
分类号
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
