本文提出了一种与文献[J]中给出的NTNA法相对偶的新的撕裂方法——回路撕裂回路分析法（Loop Tearing Loop Analysis,简称LTIA）;给出了LTLA的电网络拓扑及电耦合条件和撕裂方程的严格推导,进而给出了LTLA的电路理论解释及一个便于理解和实现的算法;以供参考。文章通过一个示例说明了LTLA的撕裂步骤,与其它的撕裂法进行比较,指出了LTLA适用的情况

讨论了广义二阶流体的脉冲泊肃叶流动,引入黎曼-刘维尔分数阶微分建立本构方程,结合不可压缩流体时间分数阶动量方程,得到控制方程.利用傅里叶正弦变换和分数阶拉普拉斯变换,获得流体速度解析解.利用Stehfest算法对结果进行数值模拟,通过图像讨论了分数阶参数以及延迟时间对流动的影响.结果表明速度过冲现象主要取决于动量方程的时间分数阶参数

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

首先给出了通过矩形块与三角像素特征块相结合所构造的八种用于眼睛检测的扩展三角特征原型块.考虑扫描块在人脸背景中遍历时眼睛样本图像块数量远少于非眼睛样本块数的实际,提出了一种结合Haar特征和三角特征的AdaBoost快速眼睛检测算法.通过级联分类器的前几层强分类器完成排除大部分非眼睛样本;然后,通过后续强分类器进行判断大部分的眼睛图像块和少量非眼睛图像块.检测时间消耗有所下降,这样可以保证整体的检测速度.实验结果进一步表明该算法具有更好的检测性能,与仅使用Haar特征相比正检率有一定程度提高

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果

囿于微机系统的软、硬件配置,尤其是外存容量过小,主机速度慢等条件,微机上的情报检索系统通常效率偏低。本文介绍提高系统效率的一些新技术,特别是二叉分类树的严格倒排技术。并给出了实现算法。这些新技术已经成功地用于《MCDS》之中

盲系统辨识 盲源分离(BSS, Blind Source Separation) 独立分量分析 (ICA, Independent Component Analysis) 信道盲均衡 盲波束形成

第一章 C语言概述 第二章 程序的灵魂－算法 第三章 C语言的基本数据类型与表达式 第四章 最简单的C程序设计——顺序程序设计 第五章 分支结构程序设计 第七章 数组 第八章 函数及其应用 第九章 编译预处理 第十章 指针 第十一章 结构体、共用体、枚举 第十二章 位运算 第十三章 文件

本文在广义撕裂法[6]及节点撕裂节点分析法[4]的基础上提出了一种新的撕裂方法—节点与支路混合撕裂法（简称混合撕裂法）。它同混合分析法与节点分析法及回路分析法的关系类似,可以把广义撕裂法中的节点回路撕裂法与节点撕裂节点分析法作为它的特例,且一般可以达到比二者更好的撕裂效果。本文给出了节点与支路混合撕裂法的严格证明,给出了以二级撕裂[6]为基础的算法及示例

针对已有移动自组网容量、延迟闭解分析在移动模型方面的局限性，提出了新的概率理论框架，将无记忆的独立同分布移动模型推广至更为真实的满足特定记忆条件的随机路径点移动模型，解决了局部移动方式带来的一系列复杂概率描述问题.对多副本两跳中继算法进行了研究，得出该中继模式下基于随机路径点移动模型的移动自组网的容量、延迟上限的精确闭解表达式.仿真实验结果证明了该概率理论框架的有效性及闭解表达式的准确性