V-BLAST系统检测算法的研究及仿真分析

本文讨论了分层空时编码技术的垂直分层空时编码系统(V-BLAST)的两种检测算法,在分析原始的迫零算法(ZF-VBLAST)基础之上提出最小均方误差算法(MMSE-VBLAST),并在平衰落情况下比较了两种算法性能,并与最大似然算法作了比较。仿真结果显示随着天线数的增多MMSE-VBLAST算法性能优于ZF-VBLAST算法,更接近理想的最大似然检测算法     

基于市场经济条件下配电GIS中网络拓扑算法研究综述

本文在调研GIS系统应用在配电管理的基础上,阐述了市场经济条件下对配电GIS中网络拓扑算法研究的必要性,在充分分析目前网络拓扑算法主流两种算法树搜索法和邻接矩阵法优劣后,提出根据人工智能,继续改进已有网络拓扑分析算法的三个方向,为改进的网络拓扑分析算法工作提供了有价值的参考建议。     

数据库技术中的决策树ID3的改进算法分析

决策树是建立在信息论基础之上,对数据进行分类挖掘的一种方法。决策树方法精确度比较高,结果容易理解,效率也比较高,因而比较常用。至今已经提出了决策树的很多算法,通过分析己知的分类信息得到一个预测模型。本文介绍了经典ID3算法,并在指出传统ID3算法的弊端的基础上,提出了结合ID3算法的优化算法。     

基于关联规则的隐私保护算法研究

本文针对MASK算法的不足,将随机响应技术与关联规则挖掘算法相结合,提出一个多参数随机扰动算法--MRD算法,使私有信息或敏感知识在挖掘过程中不被泄露。相对于MASK算法,改进的MRD算法在以不同的随机参数对数据集进行处理时,可以实现对原始数据的干扰或隐藏。解决了单一使用数据干扰策略和数据隐藏策略的缺陷,有效地提高了算法的隐私保护度,并得到较为准确的挖掘结果。     

数值算法研究

数值算法是计算机算法的重要组成部分,在科学计算领域有着广泛的应用.本文介绍了基本并包含重要算法思想的数值算法,在体系和针对性方面做些探讨研究.杨辉三角针对动态规划思想应用;多项式求值Horner法则针对多项式求值的算法效率;大整数乘法针对计算机数字限制性;矩阵的求逆运算针对理论算法与实际算法之差别等     

隐马尔可夫模型算法基础探析

隐马尔可夫模型是一个具有双重随机过程的统计模型,已被广泛应用于语音识别、生物序列分析和管理等领域。在隐马尔可夫模型中存在三个基本问题,即学习问题、解码问题和估值问题,一般分别使用Baum-Welch算法、Viterbi算法和向前-向后算法进行解决。其中,学习问题的Baum-Welch算法本质上是EM算法在隐马尔可夫模型中的一个应用,解码问题的Viterbi算法本质上是动态规划算法在隐马尔可夫过程中的一个应用。文章就EM算法和动态规划算法进行了一定的梳理和分析,以促进对隐马尔可夫模型算法的理解。     

GA-BP算法在金融股指预测中的应用研究

本文提出一种GA-BP算法对金融股指进行预测研究,该算法结合遗传算法具有全局寻优的优点,能够克服BP算法进行预测时易陷入局部极小值和收敛速度慢的缺点;以股票市场的上证指数为例,通过与BP算法和LM-BP算法预测效果进行比较分析,证实了本文提出的算法在对上证指数进行预测时更为有效.     

小波零树嵌入水印算法的研究

本文描述了基于小波零树的图像水印算法,着重阐述了在中高频子带系数中进行水印嵌入的算法。通过仿真结果可以看出含水印的图像一般都会有较好图像质量,算法具有较好的鲁棒性,在提取水印时不需要原始图像信息。     

基于云计算模式下的Apriori算法研究

随着海量数据的增加和云计算的出现,对于云计算模式下的数据挖掘技术研究具有重要意义。基于云计算和Hadoop平台,分析了Apriori算法,提出了基于云计算模式下的改进的Apriori算法,实现了改进算法与MapReduce编程模型的移植。实验仿真表明,改进算法在云计算环境下的数据挖掘是可行的,高效的。     

关联规则挖掘算法改进研究

文章讨论了数据挖掘的一般理论,研究了关联规则挖掘算法以及经典的Apriori算法,分析了算法存在的问题,并提出了新的基于压缩矩阵的关联规则挖掘算法。理论分析和仿真实验显示改进算法的性能明显优于Apriori算法。     

数值算法研究

数值算法是计算机算法的重要组成部分，在科学计算领域有着广泛的应用。本文介绍了基本并包含重要算法思想的数值算法，在体系和针对性方面做些探讨研究。杨辉三角针对动态规划思想应用；多项式求值Horner法则针对多项式求值的算法效率；大整数乘法针对计算机数字限制性；矩阵的求逆运算针对理论算法与实际算法之差别等。     

算法决策:人工智能驱动的公共决策及其风险

作为一种自主算法决策,人工智能技术已经渗透到公共决策过程的各个环节,使公共决策模式产生重大变革.本文基于公共政策循环理论的视角,提出了一个人工智能算法对公共政策的问题界定与议程设置、政策制定、政策执行和政策评估四个阶段的影响与应用的分析框架,指出人工智能算法通过其大数据处理能力和预测分析能力,对提高公共决策的科学性、精准性和有效性发挥了巨大的作用.与此同时,人工智能算法存在的算法偏见、预测偏差和算法"黑箱"等问题可能引发公共决策失灵和合法性危机.最后,本文还提出,为了合理利用人工智能技术提高公共决策的有效性,规避算法决策的风险,决策者应关注人工智能算法决策与人类常规性决策的应用范围、适用性以及两者之间的互补协调关系,同时在算法驱动的公共决策各个环节中加强公共参与,建立参与式算法决策框架.     

决策树算法分析及其在实际应用中的改进

决策树算法是数据挖掘常用算法之一,属于归纳学习方法的一种.它以样本为基础,主要用于分类和预测,其结果比较容易转换为分类规则.ID3算法是一种以贪心算法为核心的典型的归纳学习算法,它采用自顶向下的递归方式生成一棵决策树.ID3算法中使用的数据是理想情况下的数据,在实际应用中,数据在大多数情况下是不能满足算法在理想情况下要求条件,因而也就不能直接使用决策树算法进行分类.所以,在实际应用决策树算法之前,还需要先对数据进行一些处理或改进.     

个人信用评估应用方法分析——基于集成学习算法视角

集成学习算法是一种基于统计理论以计算机实现的非参数识别技术。阐述了集成学习算法的基本思想,建立了基于Bagging集成学习算法的个人信用评估模型。通过确定相应的评估指标体系,使用一个小样本数据对所建模型的有效性进行了研究,结果表明,集成学习算法可以显著提高分类树的预测精度,且在个人信用评估的实践中具有较强的优势。     

营销领域中算法推荐与消费者响应:研究评述与展望北大核心CSSCI

在数字经济时代,数据成为了一种战略性生产要素参与到价值创造、分配、流通和消费的全过程,算法则成为了收集和处理数据的战略性工具,衍生出了基于算法的推荐,成为了近年来实务界营销创新和赋能的重要驱动力。在营销领域的国际顶级期刊上,均有不少的文献关注算法推荐在营销领域的应用与消费者响应问题,但研究点相对比较散乱。由于国内营销学者对该领域的研究还相对匮乏,亟需一个整合性的框架来分析和梳理现有研究成果与进展。同时,实务界也亟需一个一般性的算法嵌入型应用接受模型来指导企业相关的开发与应用。鉴于此,本文首先对推荐系统和算法推荐的概念和内涵进行了界定,通过全面梳理算法推荐在营销领域中的应用与消费者响应及其中介机制与边界条件,试图勾勒出现有研究脉络和研究进展,并提出了该领域未来值得关注的若干研究主题。     

RSA加密算法的研究

本文从数学理论上分析了RSA算法的原理以及算法的安全性,对RSA算法的优化进行了简略说明.     

关于连通网的最小生成树算法

连通网的最小生成树算法在工程技术中得到了广泛的应用，目前，最常用的算法有Knuskal算法和Prim算法。本文将介绍一种以深度优先搜索图为基本线索的算法。     

一种基于C＋＋语言的Dijkstra新算法

Dijkstra算法是求最短路径的一个经典算法，但在计算时非常消耗内存空间和计算时间。因此本文对Dijkstra算法做了修改，修改后的新算法大大降低了内存消耗和计算时间。最后通过C＋＋语言加以算法描述和实现。     

基于用户兴趣变化的协同过滤推荐算法

文章将用户兴趣设定为变量,重新定义了相似度以及评分预测的计算方法,在一定程度上提高了经典协同过滤推荐算法的精确度;提出结合用户评分时间以及用户访问次数的时间权重模型来描述用户兴趣的变化,使得相似度以及评分预测的计算结果更加合理。实验结果表明,新算法比传统基于项目的协同过滤算法降低了约8%的平均绝对误差、提高了约15%的准确率以及18%的召回率,在一定程度上改善了推荐系统的推荐效果。该算法仅在Movie Lens数据集上进行实验测试,还需要在其他数据集上进行检验。     

云计算下物流配送调度的算法研究

在分析影响资源调度因素的基础上,建立了云计算环境下的物流资源调度模型,在云计算框架下完成订单信息和物流配送车辆的信息处理,从而得出最合理的物流配送方案。针对物流配送中的车辆调配问题,建立了配送路径算法模型和最小配送成本算法模型,为物流配送方案提供最佳的策略。通过仿真实验表明,该算法具备可行性和优越性。