一种基于多重特征融合的信源个数估计方法

针对加权盖尔圆估计准则不能充分利用增广加权盖尔圆矩阵信息的不足,在该准则基础上提出一种融合多重特征的信源个数估计方法。利用阵列天线的接收信号构建增广加权盖尔圆矩阵,从中获取用于描述信源个数的盖尔圆心值、盖尔圆半径和加权盖尔圆半径等多重特征构建高维特征向量,并将其标记后代入支持向量机中,训练可进行信源个数估计的分类器数学模型。实验结果表明,该方法不仅能够在信源数只比阵元数少一个的情况下准确估计信源个数,其在低信噪比和小快拍数的环境下也同样具有良好性能。     

一种使用简化预排序的k-支配Skyline查询算法

近年来,Skyline查询在多目标决策、数据挖掘、数据库可视化等方面得到广泛应用.然而在高维空间环境下,skyline查询因为返回的结果集过大而不能提供有用的信息.因此,学术界提出了七-支配skyline查询的概念.它通过弱化数据点之间的支配关系,使数据点间更容易产生支配关系,从而使结果集的大小保持在一个合适的范围内.现有七-支配skyline查询算法分为建立索引和不建立索引两种类型.其中不建立索引的算法在高维空间,反相关数据和渐近输出等方面表现比较差,而基于索引的算法花费大量时间去建立索引,整体性能都不高.本文提出一种基于简化预排序的七-支配skyline查询算法(SPA),实现用O(n)的时间复杂度对数据进行简化预排序.理论论证和实验数据都显示了SPA算法远比国内外现有的最好算法更加高效.     

基于最大熵估计的支持向量机概率建模

提出一种基于最大熵估计的支持向量机概率建模方法．针对传统的支持向量机方法不能提供后验概率的输出问题,从信息熵的角度采用最大熵估计方法,直接对支持向量机输出进行后验概率建模．实验结果表明,与同类算法相比,所提出的基于最大熵估计的概率建模方法具有优良的性能．     

一种新的CMOS电路最大功耗估计方法

过大的峰值功耗会使芯片承受过大的瞬间电流冲击,降低芯片的可靠性及性能,因此有效地对电路最大功耗作出精确的估计非常重要,为了在尽可能短的时间内对VLSI电路的最大功耗下限作出较为可信的估计,给出了一种新的CMOS电路最大功耗估计方法,ISCAS85电路集的实验结果表明这种估计方法不仅对于无时间延迟功耗计算模型,而且对于有时间延迟功耗计算模型,都具有最大功耗估计值较准确和耗时短的优点。     

无线传感器网络中一种能量高效的skyline查询算法

针对分布式无线传感器网络环境下的skyline查询问题,提出了KSkySenor算法,有效地从传感器网络中获取更有意义的skyline结果;KSkySenor算法对感知数据进行预处理计算每个元组的支配能力,按照支配能力与各维度值之和对其进行排序,设计了一个基于聚簇的结构用于收集所有传感器读数,提出了一个剪枝方法用于渐进的从传感器网中获取skyline结果集;实验中分别改变传感器网络规模大小、数据维度、支配属性个数k,对KSkySensor算法进行测试,实验结果表明KSkySenor算法与先前的skyline查询处理算法相比具有很高效率,减少了无线传感器网络中的数据传输量,延长了网络生命周期。     

一种基于一维卷积残差网的单通道信号源个数估计算法

单通道信号源个数估计是单通道盲源分离问题的前提与难点,传统方法无法直接进行估计且准确率较低.文章提出了一种基于深度网络分类器的单通道信号源估计方法.该方法将源个数估计作为分类问题,在经典CNN的基础上引入一维卷积网络与残差结构作为分类器,采用短时傅里叶变换和梅尔倒谱系数作为联合特征输入分类器.在Libricount数据集上的测试结果表明,该方法的源个数估计准确率明显优于基准模型.     

一种处理Skyline查询的有效方法

skyline查询是近年来数据库领域的一个研究重点和热点.当系统中存在多个不同维空间上的skyline查询时,现有的工作均直接从底层关系表中获取这些skyline查询的结果集.显然,当底层关系表的基数较大且skyline查询的个数较多时,现有方法的处理效率极其低下.基于此,提出一种使用预存储的n个skyline集合{PR\\-1,…,PR\\-n}来回答用户提交的m个不同维空间上的skyline查询{SQ\\-1,…,SQ\\-m}的有效方法EAPSQ(efficient algorithm for processing skyline queries).算法充分考虑预存储的skyline集合的编码机制,采用经济学中边际贡献(contribution margin)的概念,使得m个用户提交的skyline查询在n个预存储的skyline集合间的分配达到最佳状态,从而显著提高了处理用户m个skyline查询的效率.实验评估表明,EAPSQ算法具有有效性和实用性.     

一种高效的快速近似控制向量参数化方法

控制向量参数化(Control vector parameterization, CVP) 方法是目前求解流程工业中最优操作问题的主流数值方法,然而,该方法的主要缺点之一是 计算效率较低,这是因为在求解生成的非线性规划(Nonlinear programming, NLP) 问题时,需要随着控制参数的调整,反复不断地求解相关的微分方程组,这也是CVP 方法中最耗时的部分.为了提高CVP 方法的计算效率,本文提出一种新颖的快速近似方法,能够有效减少微分方程组、函数值以及 梯度的计算量.最后,两个经典的最优控制问题上的测试结果及与国外成熟的最优控制 软件的比较研究表明:本文提出的快速近似CVP 方法在精度和效率上兼有良好的表现.     

基于支持向量机的频率估计算法

针对高斯白噪声信道下通信信号的频率估计问题,提出一种基于支持向量机的频率估计算法.利用支持向量机的稳健性和泛化性将频率估计转化为小样本分类问题,使用较少的导频符号提高频率估计性能.该算法不需要接收数据的统计信息,对信号的初始相位不敏感,且不存在门限效应.仿真结果表明,该算法的频率估计性能在低信噪比下优于最大似然估计算法...     

支持向量机在纸浆蒸煮过程Kappa值软测量中的应用研究

针对纸浆蒸煮过程机理复杂、影响因素众多和数据不完备条件下纸浆Kappa值预报问题,在介绍支持向量机基本原理和实现算法的基础上,探讨了支持向量机方法在纸浆Kappa值预报中的应用,经过与线性回归方法和人工神经网络方法预报结果比较,表明该方法具有精度高、速度快、泛化能力强的特点,取得了较传统建模方法更好的预报效果。     

一种估计WLAN竞争站点数的方法

在802.11WLAN中,竞争的站点数在网络性能的优化中是一个重要的参数。针对现有的概率测量法和中断测量法的实时性较高,但测量精度较差的问题,提出基于退避时间的竞争站点数测量法。该方法考虑站点的退避时间长短对测量结果的影响,对中断测量法进行改进,并给出实现算法。仿真实验结果表明,该方法是一种具有较好测量精度的测量方法。     

多维滑动和（MA）模型参数的自适应估计

本文利用AR模型LS梯格滤波的有关公式给出了实时辨识多维MA模型参数的递推算法,该算法建立在对模型噪声和观测的自协方差阵和互协方差阵的矩估计基础上,由一个N阶反馈形式的梯格滤波器构成,可关于时间和阶次双重递推,该算法计算量为O(N)的量级,并具备梯格滤波固有的良好数值及结构特性。     

基于支持向量机的蒸煮过程卡伯值软测量

卡伯值是制浆蒸煮过程表征纸浆质量的一个重要质量指标,卡伯值软测量是实现蒸煮过程质量控制的重要途径。支持向量机是一种新型的机器学习方法。该方法采用了结构风险最小化原则,与传统机器学习方法相比,在最小化学习误差的同时可以保证有较小的泛化误差。将支持向量机应用于制浆蒸煮过程卡伯值的软测量建模,取得了比经验模型更好的预测效果。     

基于状态向量的危化品事故分析方法及应用

危险化学品行业属于高危险性行业,各类爆炸、火灾、泄漏和中毒事故时有发生.传统的基于因果关系的事故链分析方法受限于传统安全工程所依赖的技术基础和假定无法适应于今天所建造的复杂系统.本文以事故致因理论为基础,分析危化品事故形成的主要影响因素,构建了危化品事故状态向量,全面描述导致危化品事故发生的因素,并基于构建的状态向量进行危化品事故分析预测应用.利用高维向量对事故状态进行了定义,尽最大可能考虑了造成事故发生的众多因素,并利用支持向量机学习算法,建立事故预测模型.对已掌握的危化品事故进行的样本实验表明,本文提出的危化品事故预测方法,可有效快速的甄别事故状态,对危化品行业事故的预测预防具有积极意义.     

估计MA参数的多维强Gevers-Wouters算法及其在构造ARMA新息模型中的应用

提出了用多维Gevers-Wouters（G－W）算法得到稳定的滑动平均（MA）过程的一个频域充分条件,并给出了在构造ARMA新息模型中的应用,给出了保证ARMA新息模型的MA多项式矩阵稳定的一个时域充分条件,仿真结果表明,多维G－V算法具有快速收敛的性质。     

电压控制性异步电动机无速度传感器的矢量控制方法

本文以转子磁链ｑ轴分量控制器的输出作为电机转速估计值,实现了一种无速度传感器的矢量该控制方式具有解耦条件对转子电阻的变化保持不变的特点,计算机仿真与系统实验结果验证了所述方法的可行性。     

基于几何分布的RFID标签数目估算方法

已有的标签数目估算方法准确率低、估算范围小,且标签数目增加时,时隙数目须成比例增加,否则估算误差率将大幅提高。针对上述问题,提出一种基于几何分布的无线射频识别(RFID)标签数目估算方法。在估算标签数目时,将帧长设定为固定值,并在标签中采用多个哈希函数,以减少几何分布偏差,降低估算误差率。实验结果表明,在时间复杂度、空间复杂度不高于其他算法的前提下,该方法能降低估算误差率。     

一种基于组合核函数支持向量机的水下目标小波特征提取与识别方法

准确的模式识别要求提取出的特征尽可能反映分类本质的特征.本文利用同态分析理论对水下声信号进行预处理,从最终接收到经过噪声干扰的目标信号中复原出能反映目标传输特性的原始信号,并在此基础上对信号进行离散小波变换,提取小波变换系数在不同区间上的尺度—过零密度、尺度—平均幅度特征,最终利用组合核函数支持向量机对提取出的特征进行分类识别.实验表明,提取出的特征能反映目标类别特点,该方法能对水下目标进行有效的识别.