1) Cooperative partners selection
随机离散优化
2) Discrete optimization
离散优化
1.
Study on particle swarm algorithm for discrete optimization problems of device layout;
设备布局离散优化问题的粒子群算法研究
2.
Image completion via discrete optimization;
基于离散优化的图像修复
3) Discontinuous Optimization
离散优化
1.
Discontinuous Optimization on the Containerization of Cubic Packaging Piece (Part Four);
立方体包装件集装离散优化(四)──“改进习惯装法”
2.
Discontinuous Optimization on the Spatial Containerization of Cubic Package and Visualizing;
讨论了立方体包装件集装离散优化方法,应用计算机图形学原理实现集装优化结果的可视化输出,并通过实例进行了说明。
4) Optimized discrete
优化离散
5) stochastic optimization
随机优化
1.
Simulated annealing approach based on hypothesis test for stochastic optimization problems;
随机优化问题一类基于假设检验的模拟退火算法
2.
Stochastic Optimization for 3D ECT Data Correction and Image Reconstruction
基于随机优化理论的3D ECT数据校正及图像重建
3.
Stochastic Optimization to the Cost Problem of Production and Transportation and Its Solution
生产运输成本问题的随机优化模型及新的求解途径
6) random optimization
随机优化
1.
Random Optimization of Transportation Netowrk Between Ports and Hinterland;
港口与腹地疏运系统的随机优化决策分析
补充资料：离散随机信号处理
| 离散随机信号处理 discrete random signal processing 利用数字运算，对离散随机信号进行各种滤波处理、离散变换和谱分析。随机信号是一种非确定性的信号，如热噪声信号发生器输出的电信号，飞行器起飞时的结构振动，以及起伏海面的波动高度等。它们的共同特点是无法预测其未来瞬间的精确值。处理的目的是便于从中提取有用的信息，削弱信号中的多余信息量，便于估计信号的特征参数，或变换成易于分析和识别的形式等。 随机信号处理的主要理论基础是信号检测理论、估计理论和随机过程理论。根据理论分析，随机信号的不同样本函数在同一时刻的值往往是不确定的，因而只能用样本函数集的统计平均来描述，如用均值、均方值、方差、概率密度函数、相关函数和功率谱密度函数来描述随机过程的特性。但是，在大多数情况下，被处理的随机信号是具有各态历经的平稳随机过程，它的样本函数集平均可以用某一样本函数的时间平均来确定，这给随机信号的分析和处理带来很大方便。虽然平稳随机信号本身是不确定的，但它的相关函数是确定的，可以利用快速变换算法来计算。相关函数的傅里叶变换或Z变换表示随机信号的功率谱密度函数，简称为功率谱。功率谱是描述随机信号基本特征的重要参数，而功率谱估值是按照实际观测的有限数据估计得到的，它必然与真实的功率谱值有差别。为了减小谱分析偏差和提高谱分辨率，产生了多种谱估计方法。 在非平稳随机信号处理中，非平稳随机过程的特征函数一般是随时间而变化的，不能再用时间平均代替集平均，只能用组成过程的样本函数集的瞬时平均来描述其特性。因而求得的功率谱是随时间变化的谱。这种时变功率谱的计算方法仍在研究中。卡尔曼滤波和最大熵法是处理非平稳随机信号的有用方法。 |
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条