全双工通信射频自干扰消除硬件实现，任宇鑫，于翠屏，本文在现有2.4GHz收发信机的基础上，针对点对点同时同频全双工通信，设计并研发了一套射频自干扰消除装置。本文设计的功率精确控制

一种改进的LDPC码LLR BP译码算法，张小花，李艳萍， LLR BP译码算法由于引进了指数运算和对数运算使得复杂度很高，不利于硬件实现。为了降低复杂度，提出一种改进的LLR BP算法。主要思��

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。

KNOX基因家族编码在植物发育和生理过程中具有多种功能的转录调节因子。 在这项研究中，对白杨（Populustrichocarpa）和水稻（Oryza sativa L. ssp。japonica）的KNOX基因进行了全基因组比较分析。 通过综合计算分析，考虑到基因结构，系统发育和保守基序，分别在杨树和水稻中鉴定出15和13个KNOX基因。 将这些KNOX基因进一步分为3组。 杨树基因POPTR_0012s04040和水稻基因LOC_Os03g47042和LOC_Os03g47022与KNATM一起被归类为一组新的无同源框域的KNOX基因，它们在植物发育和多能性中发挥着潜在的作用。 单子叶植物（大米）中KNATM同源物的鉴定为在KNOX系统发育中提出将MENOX基因与HOMEOBOX基因进行古老改组提供了有力支持。 利用亚细胞定位信息，GO（基因本体论）和表达谱分析，提出了水稻和杨树中的KNOX基因的功能与拟南芥中的成员相似。 我们的观察结果可能为将来水稻和杨树中KNOX基因的功能分析奠定基础，从而揭示它们在细胞多能性中的生物学作用。

针对传统的过采样算法在增加样本的同时可能使决策域变小和噪声点增加的问题进行了研究，提出了一种基于错分的混合采样算法。该算法是以SVM为元分类器，AdaBoost算法进行迭代，对每次错分的样本点根据其空间近邻关系，采取一种改进的混合采样策略：对噪声样本直接删除；对危险样本约除其近邻中的正类样本；对安全样本则采用SMOTE算法合成新样本并加入到新的训练集中重新训练学习。在实际数据集上进行实验，并与SMOTE-SVM和AdaBoost-SVM-OBMS算法进行比较，实验结果表明该算法能够有效地提高负类的分类准确率。

基于时间序列编辑距离的阿尔兹海默症辅助诊断，赵翼飞，李炜，计算机辅助诊断一直是机器学习中的热门领域，其中，阿尔兹海默症的辅助诊断对于该疾病的及早干预治疗有着重要意义。近年来，基于

论文研究-自融资均值方差投资组合模型的旋转算法.pdf,  将自融资投资组合问题用一个以极小化方差风险为目标的凸二次规划表示,用线性不等式组的一种旋转算法解其库恩塔克条件的线性部分并使互补松弛条件得以满足.

针对神经性疾病难以确诊的问题，提出了一种基于图的特征选择方法，过滤掉不相干的特征，从而方便并且准确地对疾病患者进行诊断。算法首先基于先验知识定义了两种基本关系（特征关系和样本关系）；然后将这两种关系嵌入到一个由最小二次损失函数和l2 -范数正则化因子组成的多任务学习框架中进行特征选择；最后，将约简得到的降维矩阵送入支持向量机（SVM）中对阿兹海默症患者进行确诊。通过对Alzheimer’s disease neuroimaging initiative（ANDI）的研究数据集进行实验得知，提出算法的分类效果均优于一般常用分类算法，如K最近邻法（KNN）、支持向量机（SVM）等。提出的算法通过考虑特征选择和引入两种数据的内在关系，有效提高了阿兹海默疾病诊断的正确率。

针对人工蜂群算法在求解函数优化问题中存在收敛精度不高、收敛速度较慢的问题，提出了一种改进的增强寻优能力的自适应人工蜂群算法。该算法利用逻辑自映射函数产生混沌序列对雇佣蜂搜索行为进行混沌优化，并引入萤火虫算法中的自适应步长策略动态调整观察蜂的搜索行为，从而提升了算法的局部搜索能力。基于标准测试函数的仿真结果表明，改进后的人工蜂群算法在寻优精度和收敛速度上均有明显提高。

基于二维动态时间规整算法的矩阵相似性研究，李俊杰，高翠芳，在模式识别中距离作为一种常用的度量工具，被广泛应用于聚类、分类等算法中。随着矩阵样本的大量出现，以及样本内容的不断复杂化