当前计算机步入移动计算时代,产生了许多新的应用,其中基于地理信息系统和位置服务的地图查询——导航就是其中之一。这类应用可以抽象为求图最短路径问题,由于节点数量巨大,传统方式不能满足用户对响应时间的要求
物流中心选址是物流系统规划中的重要决策问题。为了快速得到合理的物流中心选址方案,针对问题的特点给出了选址问题的模型,提出了以最小化物流成本为目标函数的粒子群优化算法,开发了模型求解的MATLAB程序,
针对蚂蚁算法处理机器人路径规划问题时收敛速度慢、协同机制不够完善的问题,结合狼群算法思想提出一种动态分级的改良蚂蚁算法。首先,根据动态分级算子建立种群分级模型;然后,为了改善协同机制,通过结合轮盘赌的
论文研究-非线性自回归时序模型研究及其预测应用.pdf, 从函数逼近和系统辨识两个方面推导了非线性自回归时序模型(GNAR模型)的物理结构,通过公式推导及仿真数据研究GNAR模型与确定性实函数、经典
论文研究-基于“已实现”波动的协同持续研究及其应用.pdf,
海水位数据的平稳性检验,王安琪,李明,本文以佛罗里达州和墨西哥东湾其中5个站点一年中的海水位数据作为研究对象,对海水位数据的平稳性进行了检验分析。经研究发现,��
基于循环平稳算法的调制方式识别,屈彦,沈树群,本文基于调制信号的平稳循环特性,提出了一种通信信号调制方式的识别方法,该方法可以有效的同时识别模拟调制和数字调制信号。本
基于短时FRFT的SAR自聚焦算法,刘李娟,白霞,根据同一距离门的散射点具有相同形式的相位历程但包含不同的线性相位分量的性质,利用短时分数阶傅立叶变换在时频联合域进行散射
针对现有预测方法未能充分揭示交通流内部的本质规律,提出了一种基于深度学习的短时交通流预测方法。该方法结合深度信念网路模型(DBN)与支持向量回归分类器(SVR)作为预测模型,利用差分去除交通流数据的趋
为了提高短时交通流量预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种粒子群优化神经网络的短时交通流量预测模型。将相空间重构和预测模型参数编码为粒子群的粒子,短时交通流量预测精度作为粒子群的