摘要：为缓解城市拥堵情况,提出一种基于改进变色龙(Chameleon)算法的交通控制子区划分方法。综合考虑交叉口间距、交通车流量等因素影响,计算各相邻交叉口的流量关联度,构建相似性矩阵;引入密度峰值聚类算法改进变色龙算法,通过度量公式得到子区划分结果。选取义乌市某区域路网进行模型验证分析,结果表明该方法与常用的固定配时法及谱聚类法相比在平均排队长度上降低7.9%和6.2%,停车次数降低32.6%和16.5%,平均延误时间降低17.8%和11.9%,该划分方法能使城市路网子区划分合理,控制效果显著。

摘要：真值表是表征逻辑输入与输出之间因果关系的重要工具,真值表约简在数字逻辑电路的分析与设计中具有重要意义。该文将真值表看作逻辑信息系统,将真值表约简转化为逻辑信息系统的最简规则获取。采用粒计算分层粒化的思想,在不同粒度下,利用粒矩阵的知识表示形式、粒矩阵中的启发式知识以及粒矩阵运算,设计了多输入多输出真值表快速并行约简算法。以发光二极管七段数字显示器为例进行了算法说明,通过数学证明和算法复杂性分析证明了算法的正确性和有效性。

摘要：真值表约简是数字逻辑电路分析与设计的关键问题之一,形式概念分析(Formal Concept Analysis,FCA)是一种从形式背景进行数据分析和规则提取的工具。该文将多输入多输出(Multiple-Input Multiple-Output,MIMO)真值表转化为决策形式背景,将真值表的约简问题转化为决策形式背景的最简规则提取过程,提出一种基于FCA的MIMO真值表并行约简算法。通过理论证明、实例演示和算法的复杂性分析,说明了新算法的正确性、有效性和快速性。

摘要：本文较为系统地研究了目前超宽带系统中脉冲波形的几种设计方法,分析了各种方法的优点和缺点,对超宽带系统脉冲的设计和优化有一定指导意义。

摘要：G.728标准将增益滤波器的偏移不适当地处理成常数32dB,相当于将20～30ms内短时平稳的语音信号不适当地按整个时间轴上的平稳信号对待。对增益滤波器的改进必然涉及优化混合窗。该文提出一种估计平均分段信噪比的方法用来设计混合窗参数,并导出激励增益的精确表示。以此为基础,将Jayant的自适应量化与G.728的增益预测结合起来,提出一种适合于设计低时延码激励线性预测(LD-CELP)的增益码书的方案。用此方法,激励的精确值经自适应预测和量化后,3bit自适应量化和4bit自适应量化分别比G.728的固定量化有0.5dB和6dB的信噪比的改善。当采用4bit自适应量化和64码字的波形码书,比G.728复杂性降低20%,同时信噪比提高1dB。

摘要：针对思维进化算法(MEA)没有充分利用公告板信息的问题,结合群体智能的优点,提出基于群体智能的思维进化算法,同时分析其算法的机制,设计利用群体信息共享进行子群体迁徙策略和拥挤浓度控制异化策略,提高了搜索速度,保证了种群的多样性.通过整个群体的总体优化特征体现了寻优方式的实现,使得收敛速度和全局收敛性均达到最好平衡.测试函数寻优及PID控制器参数整定实验,验证了算法的可行性和高效性.

摘要：该文提出一种基于Wyner-Ziv(WZ)结构的四通道贝尔模板图像分布式编解码方法。在编码端对贝尔模板图像进行结构分离转换,形成4个分量图像并分别执行离散余弦变换,依据拉格朗日代价函数的收敛性,利用Lloyd迭代算法设计了全局优化的量化器,采用Slepian-Wolf(SW)信道编码方法对各分量变换系数的量化输出进行独立编码,在解码端利用亮度分量作为边信息,联合解码重构贝尔模板图像。实验表明,在高速率情况下,其率失真性能得到较好的改善。

摘要：针对多相催化剂在非定态下的复杂失活机理及活性受多种因素的影响,获取催化剂失活过程的时间序列数据非常有限,因而降低建模效率和预测精度的情况,提出一种基于相空间重构和支持向量机结合的非线性时间序列预测方法.将该方法应用于甲醇氧化羰基化反应中Cu-Si-Al碳酸二甲酯合成催化剂失活过程建模,仿真结果表明预测误差在满意的范围之内,所给出的碳酸二甲酯时空收率的预测值可以为反应器的正确设计和操作以及反应过程的优化提供有效信息.

摘要：针对现有语音情感特征在表征情感信息上的不完整,将相空间重构理论引入到情感语音的特征提取中.通过分析不同语音情感状态下相空间重构的几何特性,提取了该重构相空间下基于轨迹的描述轮廓的5种非线性几何特征作为新的情感语音特征参数,并根据情感与特征映射的关系提出一种特征参数优化方法.首先,选用德语柏林语音库中的高兴、悲伤、中性和生气4种情感作为实验样本;其次,提取非线性几何特征和非线性属性特征(最小延迟时间、关联维数、Kolmogorov熵、最大Lyapunov指数和Hurst指数);最后,根据设计方案采用支持向量机进行情感语音识别.实验结果表明,该特征相较于非线性属性特征在情感语音识别上有较强的优势度,联合非线性属性特征后,通过特征参数优化的方法获得了最优的非线性特征集合,验证了该方法的实用性.

摘要：基于语音发声过程中的混沌特性,提出了非线性动力学模型与情感语音信号处理相结合的方法.提取了该模型下情感语音的非线性特征:最小延迟时间、关联维数、Kolmogorov熵、最大Lyapunov指数和Hurst指数.设计情感语音识别对比实验以验证非线性特征性能.首先,选用德国柏林语音库和自主录制的TYUT2.0情感语音数据库中的3种情感(高兴、悲伤和愤怒)作为实验数据来源;其次,分别提取非线性特征、韵律特征和梅尔频率倒谱系数特征,采用支持向量机进行了情感识别.结果表明,非线性特征在柏林数据库实验中的识别率高于韵律特征识别率,但是略低于梅尔频率倒谱系数特征识别率,验证了非线性特征是一组区分情感的有效特征;在TYUT2.0数据库中的识别率均高于韵律特征和梅尔频率倒谱系数特征的识别率,在语料真实度和自然度更高的TYUT2.0数据库中识别结果相对更高,鲁棒性更好.