搜索资源列表
Multi2vendorSelectionModelforMulti2product
- 为解决供应链中多品种供应的多供应商选择问题,建立了以供应综合成本最低为目标函数、满足多个约 束条件的组合优化模型. 为解决求解的困难,采用变换分解算法,将原模型转换为整数规划问题. 根据不同迭代 方式,给出了2种基本运算步骤1在算例中运用模型和算法,得到了多物资供应环境下多供应商的最优任务分 派1新方法克服了常规供应商的选择评价方法只针对单一物资供应过程和面向单一供应商选择过程的局限性.-To solve the multi2vendor selection p roblem in
fast-subspace-algorithm
- 为了对空间辐射源进行精确定位" 建立了基于任意阵列对多目标源进行二维DOA估计的数学模型。将 MUSIC算法推广到三维空间阵列可以对辐射源进行二维高精度测向,但由于其需要估计接收数据的协方差矩阵和进行特征分解, 因而其计算量较大。利用多级维纳滤波器的前向递推获得信号子空间和噪声子空间，不需要估计协方差矩阵和对其进行特征分解，从而降低了MUSIC算法的计算量。将文中的方法应用于任意阵列的二维DOA估计中进行计算机仿真和实际侧向系统性能验证,实验结果均表明该方法达到了MUSIC算法的性能,但与常规M
target-detection-algorithm-
- 为克服传统目标识别方法在处理空间特征分布极为复杂的数据时的缺点，提出1 种基于决策树的多特征检测算法，并将其应用到基于视频的海上搜救目标检测中. 该算法首先提取图像中的颜色、亮度等信息，通过计算各特征的信息增益建立决策树，将搜救目标检测问题分解成3 层决策树分类问题. 实验表明，该算法能够提高多特征目标检测的效率，在救生艇、筏等海上搜救目标检测的应用中取得较好的结果.-Characteristics to overcome the traditional target recognition m
Sparse-decomposition-algorithm
- 提出了种并行的稀疏分解算法，以解决目前的稀疏分解算法计算量大、耗时多，不适宜用作战场声目标实时识别的缺点。-Kinds of parallel sparse decomposition algorithm to solve the sparse decomposition algorithm large, time-consuming, and not suitable for real-time recognition of the shortcomings of the battlefiel
cengcifenxi
- 层次分析法（Analytic Hierarchy Process，简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。该方法是美国运筹学家匹茨堡大学教授萨蒂于20世纪70年代初，在为美国国防部研究"根据各个工业部门对国家福利的贡献大小而进行电力分配"课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法。-AHP (Analytic Hierarchy Process, referred AHP) is always
Smal-l-Target--Detection
- 提出了一种新的基于小波包变换 和偏斜度的检测方法。该方法利用小波包对图像进行多尺度分解，解决了高频段分辨率低的问题； 并提出了一个基于偏斜度的高斯判别准则，用于对小波包分解系数进行高斯性检验，最终得到了 小目标的精确检测-The wavelet packets were applied to decompose the image into pyramid subbands at different scales and solve the problem of the high
Particle-Swarm-Optimization
- 本文提出变量随机分解策略，增加关联变量分配到同组的概率，使得算法更好的保留变量间的关联性，并将合作协同进化框架融合到算法中，提出了基于大规模变量分解的多目标粒子群优化算法-In this paper, a stochastic variable decomposition strategy is proposed to increase the probability of assigning related variables to the same group, which makes th