一组中值滤波器的并行迭代算法

在信号恢复尤其是图象恢复领域，需要大量快速运算算法，文内对一系列用中值迭代滤波器恢复高斯噪声信号的问题了进行了讨论，并提出了其滤波器分布式多数据流，多指令流计算机的并行算法，着重讨论了Ｐ递归滤波器的并行高效实现算法，还提出了在去噪，图象细节保护和去除边缘效应方面有较好性能以及并行计算实现方面有较高效率的混合式中值并行滤波器。     

非线性动力学系统的闭环模糊迭代学习控制器设计

结合模糊逻辑和迭代学习控制的基本思想，针对非线性动力学模型，设计一种闭环模糊迭代学习控制器；计算机仿真结果表明，该方法具有良好的鲁棒性，可用于机器人高精度轨迹控制．     

以路段流量推算出行OD矩阵的研究

以多路线概率分配法为基础，通过迭代运算，从路段数少于OD对数的路网实测流量推算出出行OD矩阵，采用以计算时间替补内存在不足的技巧，在微机上实现对大型路网反推OD矩阵的运算。     

建立一个新的加速收敛因子

讨论他迭代计算中的收敛速度问题，从能量守恒的概念出发引进了一个新的加速收敛因子α－－能量系数。算例表明，该因子结构线性在线性平衡问题的计算均有很好的加速收敛作用。     

异步码分多址硬判决并行干扰消除算法的改进高斯近似分析

以异步码分多址系统硬判决并行干扰消除检测器为模型，分析了一阶干扰消除后残余多址干扰的结构及统计特性，提出了一种低复杂度的改进高斯近似误码率计算方法，给出了封闭形式的误码率表达式。该方法可以迭代使用，计算多阶干扰消除后的误码率。当各用户功率具有独立同分布时，计算复杂度为Ｏ（１）。     

混合料配合比矿料组成设计的正规方程法改进

为解决正规方程法进行混合料配合比组成设计时出现负数解及混合料级配超出理论界限范围的问题,采用迭代算法,先按普通正规方程法计算矿料组成比例系数,将得到的混合料级配作为目标级配初始值,当矿料组成比例系数为负数时则取消对应的矿料,将超出理论级配范围上限(或下限)的目标级配值强制调整为相应的界限值,根据修正后的目标级配再利用普通正规方程法计算新的矿料组成比例系数,将得到的新混合料级配作为新的目标级配,通过迭代计算最终得出完全满足理论设计级配范围要求的解,其结果与采用二次规划法的计算结果完全相同。改进后的正规方程法算法简单明了、应用方便,计算结果收敛、稳定,具有良好的工程实用性。     

基于Lagrange支持向量回归机的短时交通流量预测模型的研究

在智能交通系统中,进行实时、准确的交通流预测是交通控制和交通流诱导的关键之一,直接影响交通控制和交通诱导的效果.基于支持向量机,提出了一种Lagrange支持向量回归机的交通流量短时预测模型,能够实现对交通流量的有效预测.仿真试验表明,Lagrange支持向量回归机具有良好的泛化性能、更快的迭代速度,预测结果优于改进的BP神经网络.     

基于弯矩曲率非线性分析的无粘结预应力结构理论研究

在试验研究的基础上分析了我国行业标准中关于无粘结预应力钢筋的极限应力增量取值的规定主要是依据矩形截面梁(板)试件的试验数据,而对桥梁工程中常用T形、箱形截面梁未作出具体规定的现状,提出一个应用钢筋混凝土截面弯矩一曲率非线性分析方法解决桥梁工程实际的多截面形式的极限应力增量的理论。得到的无粘结预应力混凝土简支梁荷载一挠度曲线与试验结果吻合较好。表明该方法是合理的、可靠的。     

关于一类非线性映射迭代序列收敛的等价性

对任意实Banach空间中的广义Φ-压缩映射分别证明了Mann迭代序列与Noor迭代序列收敛的等价性以及Mann迭代序列与Ishikawa迭代序列收敛的等价性,所得的结果是2005年S.M.Soltuz和2007年Xue Zhiqun等人结果的相应推广与改进.     

An independent component analysis algorithm through solving gradient equation combined with kernel density estimation

A new algorithm for linear instantaneous independent component analysis is proposed based on max-imizing the log-likelihood contrast function which can be changed into a gradient equation. An iterative method is introduced to solve this equation efficiently. The unknown probability density functions as well as their first and second derivatives in the gradient equation are estimated by kernel density method. Computer simulations on artificially generated signals and gray scale natural scene images confirm the efficiency and accuracy of the proposed algorithm.