牛奶配送问题中包含访问次数不同的节点，该问题可以当做两阶段旅行商问题进行求解。为有效地求解节点个数处于平衡条件下的牛奶配送问题的两阶段旅行商问题，提出了一种启发式优化求解方法，有助提高目标问题的求解效率和性能。针对节点数量平衡性和节点访问次数不同的特点，提出一种基于节点划分的动态规划优化。通过对实例进行计算和比较，结果验证了所提方法的有效性和优越性。

基于测距与指纹的室内定位算法研究

基于运动想象的脑电信号特征提取及分类算法研究_李丽君.caj.download

提出了利用坐标旋转数字计算（coordinate rotation digital computer, CORDIC）算法进行角度解码的方法。利用流水线的思想实现了高速CORDIC算法，并利用仿真数据说明了用软件的方法可以降低在过零点采样引入的误差。编制了用于联合仿真的图形操作界面，便于仿真操作。综合的结果表明CORDIC算法的实现只消耗很少的逻辑资源，在一般的FPGA（现场可编程门阵列）器件中就能实现。仿真结果表明算法的最大角度解码误差为0.013 5°，具有较高的精度。

近年来一些学者将模糊理论引入到图像分割中，较传统方法取得了更好的分割效果。 本文在研究传统的模糊阈值分割和模糊聚类分割的基础上，提出了以下改进的新方法： 1．针对目标／背景两类图像分割问题，考虑二维灰度直方图，采用了一种更符合图像空间分布特点的隶属函数，建立了对应的二维图像模糊熵，并采用遗传算法对二维图像模糊熵的各个参数进行优化，根据最大模糊熵准则，确定目标和背景的晟佳分割阈值；实验结果表明，基于遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度，对噪声有一定的抑制能力。另外，针对多目标的复杂图像分割问题，本文聚用了一种三类阈值分割法，该方法将图像分为暗区、灰度区和亮区，通过建立相应的模糊隶属函数，对图像各个灰度级属于暗区、灰度区和亮区的模糊特性进行描述，应用指数熵的概念，基于概率分析，引进了一种新的模糊熵定义；并根据最大模糊熵准则，应用遗传算法，确定最佳的分割阈值：实验结果表明，基于遗传算法的三类阈值分割法能快速有效地分割复杂图像。 2．针对传统的模糊c均值聚类(FCM)图像分割方法未考虑图像的空间信息，本文采用了一种结合空问信息的模糊C均值聚类分割算法；该方法将图像的二维直方图引入传统的模糊C均值聚类算法，并对隶属函数做了改进；依据平方误差和最小准则，来确定模糊分类矩阵及聚类中心；最后，依据最大隶属度原则，划分图像像素的类别归属；实验结果表明，结合空间信息的模糊C均值聚类分割方法对含噪图像有效，分割效果较好。另外，针对二维直方图模糊化处理时存在空问信息损失问题，而马尔可夫随机场(MRF)理论能准确描述图像像素Ⅻ的空间相互关系，本文采用了一种基于马尔可夫随机场的模糊c均值聚类图像分割方法，利用MRF理论所描述的邻域关系属性．以Gibbs能量的形式引入先验的邻域约束信息，建立了包含灰度信息与空问信息的聚类目标函数，依据平方误差和最小准则，束确定模糊分类矩阵及聚类中心：最后，依据最大隶属度原则，划分图像像素的类别归属，以改善传统FCM算法的分割质量；实验结果表明，该方法能准确有效地分割图像，且具有较强的抗噪能力。

为实现基于公交IC卡数据的大规模OD（origination-destination）矩阵推导，提出了一种不关联公交调度信息和GPS数据的OD矩阵推导算法。提出了站点序号标注算法，通过时间聚类思想设计了自适应调整的时间间隔阈值以判断公交车的行驶状态，将公交站点序列与刷卡记录进行匹配；在此基础上，提出了单个公交车的行驶方向标注算法，通过从已知行驶方向的公交车推导未知方向公交车的方向标注算法。为了最大化解决公交数据的上车站点信息补全问题，将全局公交车行驶方向标注问题映射为图论中的节点遍历问题，利用贪心生长算法和广度优先策略实现了局部最优。最后该算法处理某市的公交IC卡数据，得到了公交出行链假设下的城市居民大规模OD矩阵。结果显示算法可有效推导大规模OD矩阵。

摘要自动泊车系统最优轨迹决策及控制算法研究自动泊车系统是先进智能驾驶辅助系统中重要的一部分，近年来备受国内外学者和汽车厂商们的关注。自动泊车系统通过车载传感器来

移动机器人路径规划免疫网络算法研究

为了解决方向对纹理图像细节增强的限制问题，提出一种融合小波变换与改进脉冲耦合神经网络（PCNN）的图像增强算法。该算法首先对图像进行二维离散小波变换，提取图像的高频分量图。然后将图像像素的局部梯度值作为链接强度系数，在动态阈值函数中加入侧抑制信号来改进脉冲耦合神经网络；并用改进的脉冲耦合神经网络对高频分量图进行增强。最后使用中值滤波对小波重构后的图像进行非线性平滑，实现纹理图像细节的增强。实验结果表明，该算法能够有效地减少图像细节增强时方向的限制。增强后，纹理图像的细节更加丰富，整体对比度也有一定的提高。

针对MIMO系统，基于训练序列的信道估计方法，详细推导出ML、LS和LMMSE方法的估计值，并进行了性能比较。在一定条件下，信道系数矩阵的ML、LS估计值具有相同的表达形式。计算机仿真表明，LMMSE方法和ML、LS方法的估计效果基本一致。在高信噪比、有限训练符号数、较少发射天线数的条件下，可以精确地估计出信道系数。