共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
传感器网络、社交网络等应用领域中随时间变化的高维非欧几里得数据可以被抽象为时变图信号。为了从有噪、有缺失的信号的观测值中重构真实信号,提出一种利用信号联合平滑性的重构算法。用基于时域-空间域联合图傅里叶变换的联合变差表示信号的平滑性;利用联合变差可分离为时域和空间域变差的和以及空间域中时差信号比信号本身更平滑的特性,建立信号重构的凸优化模型;求解优化问题得到重构后的信号。实验结果表明:与基于时差信号平滑性算法和基于联合变差最小化算法相比,该算法的重构误差更小。 相似文献
4.
5.
《计算机科学与探索》2017,(5):776-784
针对人脑对不同视觉目标刺激产生的脑磁图(magnetoencephalography,MEG)信号,提出了一种新型的脑磁图信号分类算法。该算法首先将滤波后的脑磁图信号投影到新的特征空间,然后将脑磁图信号投影后新特征的协方差特征投影到切线空间中,用协方差特征作为信号的特征,进而对样本进行预分类;接着将预分类的样本通过巴氏距离的调整,得到二次标记结果;最后采用黎曼距离对协方差特征矩阵在流形上进行调整,得到最终的分类结果。实验结果表明,该有监督与无监督相结合的算法有助于提高脑磁图信号分类的准确率。 相似文献
6.
本文针对时序数据提出了一种基于小波的异常探测算法。首先应用小波变换将时域空间的时序数据分解成不同的频率成份,通过低频信号的特性缩短待处理的数据处理。对于变换后的数据,再采用基于密度的LOF异常探测方法挖掘异常数据。最后,对某烟草公司的烟叶收购数据序列进行了实验,结果表明了该算法的有效性。 相似文献
7.
为保证语音信号在通信传输中的安全性,提出一种基于级联混沌系统的分数域语音加密算法。首先,对语音信号进行分组;其次,利用混沌系统获取分数傅里叶变换的阶次,各组数据对应的阶次呈动态变化;然后,采用具有较低计算复杂度的采样型分数傅里叶离散变换得到各组对应的分数域谱数据;最后,利用级联混沌系统依次对各组分数域进行数据加密,从而实现语音信号的整体加密。实验结果表明,所提算法对密钥具有极大的敏感度,得到的加密信号与原信号相比波形和分数域谱分布更均匀、相关性更小;同时与频域加密和固定阶次的分数域加密方法相比,该算法能有效增大密钥空间,同时降低计算复杂度。可见所提算法能够有效满足语音信号的实时安全传输要求。 相似文献
8.
无人机在飞行的过程中,采集的故障信号数据会随着飞行环境的随机性变化而改变,造成异常信号数据关联性降低.利用传统算法进行异常信号数据挖掘的过程中,建立的关联规则过于复杂,加入过多约束条件分析环境特征,导致挖掘过程耗时较长.为解决上述问题,提出基于知识本体提纯的无人机采集实时数据挖掘方法.针对无人机异常信号数据知识本体表示方法进行了详细阐述.利用贝叶斯概率方法计算当前状态信号属于某类别异常信号的最大概率,从而为异常信号的提纯提供了准确依据.针对相似度较高的两个异常信号进行提纯处理,在提纯过程中充分考虑到信号采集时间间隔和时延,从而保证了实时性要求.实验结果表明,利用改进算法进行无人机异常信号挖掘,能够提高异常信号挖掘的及时性和准确性. 相似文献
9.
分析了接收机固定的双基SAR系统的回波信号模型,结合单基SAR的CS成像算法思想,推导和提出了接收机固定的双基SAR系统的CS成像算法.该算法可以很好的解决包络徙动及其空变问题,且不需要插值,运算量小,与波数域算法相比,效率更高,而且相位保持性好.最后用该算法对仿真的点目标双基回波进行成像处理,得到了点目标的聚焦图像,验证了本文算法的有效性. 相似文献
10.
研究地下异常体的有用信息,由于需要野外采集,所接收的瞬变电磁信号会叠加各种电磁干扰和噪声,而传统的降噪方法不能较好地对瞬变电磁接收的二次场衰减信号降噪,严重影响了利用信号对地下异常体特征的数据成图和地质状况解释.针对上述问题,提出了改进的基于独立成分分析的瞬变电磁接收信号降噪处理算法.由接收的瞬变电磁信号构成多维观测向量,利用独立成分分析方法从观测向量中分离出信号空间基向量,然后采用峰度判别准则对信号空间和噪声空间进行分离,保留二次场信号基向量,用二次场信号基向量张成信号子空间,实现降低噪声的目的.降噪后的瞬变电磁信号可以更好地反演出地下相关信息.通过对实测数据的验证,结果表明提出的算法应用于瞬变电磁法信号降噪是可行的,能有效地降低噪声并分离出二次场信号的有用信息,对提高瞬变电磁数据成图和地质状况解释质量具有较好的作用. 相似文献
11.
12.
基于多核学习的双稀疏关系学习算法 总被引:2,自引:1,他引:1
在关系学习中样本无法在R n空间中表示.与其他机器学习问题有很大不同,因为无法利用R n空间的几何结构使得其解决异常困难.将多核学习方法用于关系学习中. 首先,可以证明当用逻辑规则生成的核矩阵进行多核学习时,其他核都可以等价转化为线性核.在此基础上,通过用修正FOIL算法迭代生成规则,构造相应的线性核然后进行多核优化,由此实现了由规则诱导出的特征空间上的线性分类器.算法具有"双稀疏"特性,即:可以同时得到支持向量和支持规则.此外,可以证明在规则诱导出的特征空间上的多核学习可以转化为平方l1 SVM,这是首次提出的新型SVM算法.在6个生物化学和化学信息数据集上与其他算法进行了对比实验.结果表明不仅预测准确率有明显提高,而且得到的规则集数目更小,解释更为直接. 相似文献
13.
提出了一种适用于硬件资源受限的传感器节点的坡面异常信号检测方法,数据的采集和异常检测在节点前端完成,能提高监测实时性,降低数据传输的通信能耗.传感器节点采集坡面加速度数据,通过对训练数据进行经验模态分解得到本征模函数的上包络,并对该包络数据进行高斯建模自适应学习确定检测阈值.对监测数据经验模态分解得到上包络数据,运用3α原则与检测阈值进行比较实现异常信号判别.通过算法仿真和实际部署测试得到该方法检测精度为98%,具有一定的实用价值. 相似文献
14.
针对智能穿戴设备普及背景下,利用运动手环采集的活动数据存在未知异常数据的问题,提出一种基于高斯核密度估计的健康数据异常值检测方法。首先采用t-分布邻域嵌入算法对数据集进行特征提取,增强数据局部结构能力;接着利用高斯核局部密度代替局部异常因子算法中的局部可达密度,提出基于高斯核密度估计离群因子(GKDELOF)算法,推导分析了该算法判断阈值的稳定性;最后在UCI标准数据集上进行仿真实验,验证算法的准确性,并在选取的真实运动手环所采集的活动数据集上进行实验分析。实验结果表明,该方法能够解决由活动复杂多样性造成的健康数据稀疏问题,准确检测出异常值。 相似文献
15.
为了克服因风速信号固有的震动性、非线性特性引起的预测精度不高的问题, 本文提出了使用集合经验模态分解算法和门控循环单元两种方法相结合的组合模型对风速进行预测. 该模型首先对数据进行归一化处理, 使用孤立森林算法, 剔除异常点, 然后用EEMD (ensemble empirical mode decomposition)方法, 将风速拆分成不同尺度的信号, 消除数据的非平稳性, 将分解得到的相对平稳的分量信号分别送入GRU (gated recurrent unit)模型进行训练, 获得各自的预测结果, 最终风速由所有分量各自预测的结果累加得到. 实验中采用实地采集数据进行实验, 结果证实, EEMD-GRU方法相较于目前主流的EEMD-LSTM、EMD-LSTM等方法, 预测精度有明显提升. 相似文献
16.
SAR饱和原始数据分段线性映射压缩算法 总被引:1,自引:0,他引:1
当星载SAR(synthetic aperture radar)原始数据的饱和度较高时,传统BAQ(block adaptive quantization)算法性能明显下降.为了改善其性能,本文研究了原始文献中采样信号幅度均值与输入ADC(analog to digital converter)信号标准差的映射关系,指出了其结果的疏漏并给出推导过程.在引入ADC输出信号标准差概念的基础上,本文完整地推导了采样信号幅度均值与ADC输出信号标准差的映射关系. Monte-Carlo实验表明,在饱和度全集上,以上两种映射均非SNR(signal to noise ratio)意义下的最优映射.因此,本文提出分段线性映射的概念以及饱和度全集最优搜索算法.对于线性映射段,给出了理论证明和k值解析解;对于非线性映射段,给出了分段线性映射的k值搜索算法.仿真数据及实测数据实验结果表明,当SAR原始数据饱和时,本文提出算法的数据域SNR优于传统BAQ算法的数据域SNR. 相似文献
17.
为提高矩形阵的波束形成算法的效率,在波束形成中引入了快速傅立叶变化.基于快速傅立叶变换,将阵所接收的数据从时域变换到频域,通过对相位进行均分,使数据在空间域上进行排序重组,再次利用快速傅立叶变换从空间域转化到波数域上,经过相位修正形成波束图.仿真实验表明,随着阵元数增大,采用快速傅立叶变换能有效降低运算量,提高运算速度,降低对硬件的要求,易于工程实现. 相似文献
18.
《计算机科学与探索》2016,(12):1737-1743
李群具有代数结构也具有流形几何结构。将数据映射到多李群空间,并根据李群样本点在李群流形上的轨道关系,对那些同伦的轨道加以覆盖,从而使得覆盖域呈现出类别信息。利用核函数的思想,进一步使得类别不同的覆盖域更具有可分性,同时覆盖边界更具有光滑性,因此提出了多李群核覆盖学习算法。在MNIST手写体数字图像上进行了多组实验验证,并对实验结果进行了分析,结果表明与多连通李群覆盖学习算法相比,多李群核覆盖学习算法具有较好的分类效果。 相似文献
19.
监控场景下的带标签人脸数据难以获取,尽管可以利用已有的公开数据集或合成数据,但这些数据与真实的监控人脸数据在图像风格上存在较大的域间差异。针对该问题,不同于基于特征或公共子空间的域适应方法,提出一种基于图像风格迁移的解决方法。具体地,基于CycleGAN网络改进得到Face-CycleGAN,在保持身份属性的前提下,对现有带标签数据进行风格迁移,使其在背景、光照、皮肤材质等方面与监控场景更接近,并进一步通过联合滤波对迁移图像进行后处理。最后,利用迁移得到的数据优化人脸识别算法,减小域间差异带来的负面影响。提出的方法在公开数据集EK-LFH和自建数据集3DProj-Sur上进行了实验评估,分别取得了21.93%和4.77%的识别率提升,证明了该方法在解决域适应问题上是有效的。 相似文献