针对弱标记数据的多标签分类算法

针对标签信息不完整的多标签分类问题,一种新的多标签算法MCWD被提出。它通过有效地恢复训练数据中缺失的标签信息,能够产生更好的分类结果。在训练阶段,MCWD通过迭代更新每个训练实例的权重以及利用两两标签之间的相关性来恢复训练数据中缺失的标签信息;在标签恢复完毕后,利用新得到的训练集来训练分类模型;用此模型对测试集进行预测。实验结果表明,该算法在14个多标签数据集上具有一定的优势。     

基于特征选择和标签相关性的多标签分类算法

多标签分类在现实世界中有着广泛的应用,是当今机器学习领域的热点问题之一.多标签分类的代表性算法BR(Binary Relevance)虽有较多的改进工作,但大都仅针对标签相关性或特征选择中某一个方面进行改进,因此现有改进算法的性能仍存在提升空间.针对上述现状,论文提出一种基于特征选择和标签相关性的多标签分类算法,该算法先使用信息增益为每个标签选择与其相关的特征属性,而后采用新的控制结构的方式考虑标签相关性,最后使用新的特征集合为每个标签训练二分类器.在6个基准数据集上的实验结果表明,该算法在5种不同评价指标下的表现优于其它典型的BR改进算法.     

融合CNN-SAM与GAT的多标签文本分类模型

现有基于神经网络的多标签文本分类研究方法存在两方面不足,一是不能全面提取文本信息特征,二是很少从图结构数据中挖掘全局标签之间的关联性。针对以上两个问题,提出融合卷积神经网络-自注意力机制（CNNSAM）与图注意力网络（GAT）的多标签文本分类模型（CS-GAT）。该模型利用多层卷积神经网络与自注意力机制充分提取文本局部与全局信息并进行融合,得到更为全面的特征向量表示;同时将不同文本标签之间的关联性转变为具有全局信息的边加权图,利用多层图注意力机制自动学习不同标签之间的关联程度,将其与文本上下文语义信息进行交互,获取具有文本语义联系的全局标签信息表示;使用自适应融合策略进一步提取两者特征信息,提高模型的泛化能力。在AAPD、RCV1-V2与EUR-Lex三个公开英文数据集上的实验结果表明,该模型所达到的多标签分类效果明显优于其他主流基线模型。     

基于动态路由序列生成模型的多标签文本分类方法

现实世界中,多标签文本比单标签文本具有更广泛的应用场景,但其输出空间的庞大给分类任务带来了更多的挑战。将多标签文本分类问题看作标签序列生成问题,把序列生成模型（SGM）应用于多标签文本分类领域,并针对该模型的顺序结构容易产生累积误差等不足,构建了基于动态路由（DR）的序列生成模型（DR-SGM）。该模型基于Encoder-Decoder模式：Encoder层中使用双向长短期记忆（Bi-LSTM）神经网络+Attention进行语义信息编码;Decoder层设计了一种基于动态路由的解码器结构,该结构在隐含层后添加了动态路由聚合层,利用路由参数的全局共享减弱了累积误差产生的影响。同时,动态路由能捕获文本中部分-部分、部分-整体的位置信息,并且通过优化动态路由算法进一步提高了语义聚合效果。将DR-SGM应用于多标签文本分类,实验结果表明,在RCV1-V2、AAPD和Slashdot数据集上,多标签文本分类效果得到了有效的提升。     

多径衰落信道中多OFC-SAW传感器同时读取算法

针对多个正交频率编码声表面波（OFC-SAW）传感器存在同时读取困难的问题,对理想信道中多OFC-SAW传感器反射信号进行了建模分析,通过理论推导实现了对理想信道中多OFC-SAW传感器信息的同时读取。针对实际应用中的多径衰落信道特点,建立了多径衰落信道中阅读器接收到的OFC-SAW传感器反射信号数学模型。对理想信道中阅读器接收到的信号与多传感器反射信号之间的关系模型进行修正,从而得到多径衰落信道中阅读器接收到的信号与多传感器反射信号之间的关系模型。实际应用中通过适时监测信道来估计信道模型参数,从而实现多径衰落信道中多OFC-SAW传感器信息的同时读取。最后经过仿真分析验证了该算法的有效性。     

多径传播下的超宽带通信编码算法研究

研究超宽带通信编码优化问题,由于超宽带通信中,发射机和接收机之间受障碍物的阻挡,使得编码信号不能直接传输,而是多径传播到接收机端。传统的Gold编码通过多径传播造成信号的衰落,导致传播误码率较高的问题。提出一种截短平衡Gold码的超宽带通信编码算法,将传统的Gold码截短平衡,采用PAM调制后通过Intel信道传输,将Gold截短增强了信号反射性减少了信号衰减,取平衡码传输降低了传播误码率,避免了传统的Gold码在多径传播中误码率较高的问题。实验证明,编码方法能够提高多径传播的准确率,满足超宽带通信的准确性要求,取得了满意的结果。     

波形信道的建模与仿真

通信系统总体性能受到失真,噪声和通信信道产生的干扰的显著影响。这严重影响了通信效果。为了评估通信系统的性能．设计和优化发射机的信号处理操作,我们需要对通信信道进行建模和仿真。该文重点介绍了波形信道的建模与仿真中的多径衰落信道的仿真,波形级信道根据噪声,干扰,和其他扰动与被传输信号的结合,在接收机输入端产生一个失真和带噪声的波形信号来定义信道的。     

波形信道的建模与仿真

通信系统总体性能受到失真,噪声和通信信道产生的干扰的显著影响。这严重影响了通信效果。为了评估通信系统的性能,设计和优化发射机的信号处理操作,我们需要对通信信道进行建模和仿真。该文重点介绍了波形信道的建模与仿真中的多径衰落信道的仿真,波形级信道根据噪声,干扰,和其他扰动与被传输信号的结合,在接收机输入端产生一个失真和带噪声的波形信号来定义信道的。     

基于改进的多层降噪自编码算法临床分类诊断研究

针对临床分类诊断中普遍存在的样本不均衡、错分代价不同、大量无标签样本和测量误差等特点,引入了机器学习中较新的研究成果———多层降噪自编码（stacked denoising autoencoders,SDA）神经网络,并与欠采样局部更新的元代价（metacost）算法相结合,对 SDA 神经网络进行了改进,使组合模型具有代价敏感、降低不均衡性、有效利用无标签样本、抗噪声的特性。实验中将改进的 SDA 神经网络与 SOFTMAX 回归、反向传播（back propagation,BP）神经网络、支持向量机（support vector machine,SVM）、传统多层自编码（stacked autoencoders, SAE）神经网络,以及传统 SDA 神经网络等作了比较。实验结果表明,改进的 SDA 神经网络的准确率、ROC 曲线下面积等均优于其他模型,提高了分类模型的辅助诊断性能。     

基于标签语义相似的动态多标签文本分类算法

针对标签随着时间变化的动态多标签文本分类问题,提出了一种基于标签语义相似的动态多标签文本分类算法。该算法在训练阶段,首先按照标签固定训练得到一个基于卷积神经网络的多标签文本分类器,然后以该分类器的倒数第二层的输出为文本的特征向量。由于该特征向量是在有标签训练得到的,因而相对于基于字符串即文本内容而言,该特征向量含有标签语义信息。在测试阶段,将测试文档输入训练阶段的多标签文本分类器获取相应的特征向量,然后计算相似性,同时乘以时间衰减因子修正,使得时间越近的文本具有较高的相似性。最后,采用最近邻算法分类。实验结果表明,该算法在处理动态多标签文本分类问题上具有较优的性能。     

基于MIMO技术的DCSK通信方案的性能分析

MIMO技术在不增加信号带宽和发射功率的情况下,通过在发送端和接收端分别使用多个发送天线和接收天线来抑制信道衰落和噪声。利用MIMO技术的优势,设计了一种基于差分混沌键控（DCSK）的MIMO-DCSK混沌通信方案。针对这一方案,通过进一步的数学推导,得到系统在高斯信道下的理论误码率公式,并在MATLAB环境中进行了仿真验证。理论分析和仿真结果表明：在相同的信噪比条件下,MIMO-DCSK混沌通信系统的误码率比传统DCSK通信系统要小得多。因此,MIMO-DCSK混沌通信方案能够有效改善混沌通信系统的误码性能。     

Using fuzzy clustering and TTSAS algorithm for modulation classification based on constellation diagram

The automatic recognition of the modulation format of a detected signal, the intermediate step between signal detection and demodulation, is a major task of an intelligent receiver, with various civilian and military applications. Obviously, with no knowledge of the transmitted data and many unknown parameters at the receiver, such as the signal power, carrier frequency and phase offsets, timing information, etc., blind identification of the modulation is a difficult task. This becomes even more challenging in real world.In this paper I develop a novel algorithm using Two Threshold Sequential Algorithmic Scheme (TTSAS) algorithm and pattern recognition to identify the modulation types of the communication signals automatically. I have proposed and implemented a technique that casts modulation recognition into shape recognition. Constellation diagram is a traditional and powerful tool for design and evaluation of digital modulations. In this paper, modulation classification is performed using constellation of the received signal by fuzzy clustering and consequently hierarchical clustering algorithms are used for classification of Quadrature–Amplitude Modulation (QAM) and Phase Shift Keying (PSK) modulations and also modulated signal symbols constellation utilizing TTSAS clustering algorithm, and matching with standard templates, is used for classification of QAM modulation. TTSAS algorithm used here is implemented by the Hamming neural network. The simulation results show the capability of this method for modulation classification with high accuracy and appropriate convergence in the presence of noise.     

SDC接收系统在n-Rayleigh信道下的性能分析

在n-Rayleigh信道下,研究了切换合并接收系统的平均符号误码率和中断概率性能。基于信噪比的概率密度函数的方法,推导了切换合并接收系统在n-Rayleigh衰落信道上采用q进制相移键控调制,和脉冲幅度调制的平均符号误码率的精确和近似表达式。同时,也得到了中断概率的精确闭合表达式。对不同系统条件下的平均符号误码率和中断概率性能做了数值仿真,验证了理论分析结果的正确性。仿真结果表明：分集支路数L,衰弱因子n,以及切换门限[rth]对系统的平均符号误码率和中断概率性能有着重要的影响。     

瑞利信道下基于累积量的调制识别方法

针对瑞利信道下调制方式分类的问题,提出了一种基于累积量的识别方法。该方法利用四阶累积量和六阶累积量的组合作为特征参数,采用决策树分类器,能够实现二相相移键控(BPSK)、四相相移键控(QPSK)、四进制幅移键控(4ASK)、四阶正交幅度调制（16QAM）、五阶正交幅度调制（32QAM）、六阶正交幅度调制（64QAM）和正交频分复用（OFDM）七种调制方式的识别分类,且计算量小,易于实现。从理论上进行推导与分析,所提方法对瑞利衰落和加性高斯白噪声干扰不敏感。计算机仿真结果表明：信噪比大于4dB时,正确识别率达到90%以上,说明了所提方法的可行性及有效性。     

无信号间干扰的相关延迟-差分混沌移位键控混沌通信方案

现有的差分混沌移位键控（DCSK）通信系统主要的缺陷是传输速率较低，为此提出了一种无信号间干扰的相关延迟-差分混沌移位键控（CD-DCSK）通信方案。在发送端，由正交信号发生器产生两路正交混沌信号，并经符号函数归一化以保持发送信号的能量恒定，然后，这两路混沌信号与其延迟不同时间间隔后的混沌信号分别调制1 bit数据信息形成一帧发送信号。在解调端，采用相关解调提取数据信息，通过检测相关器输出结果的符号恢复信息比特。利用高斯近似（GA）法分析了系统在加性高斯白噪声（AWGN）信道下的理论误码率（BER）性能，并与经典的混沌通信系统进行了比较。分析及实验结果表明：与DCSK系统相比，无信号间干扰的CD-DCSK系统的传输速率提升了50个百分点，且其误码性能优于相关延迟移位键控（CDSK）系统。     

基于非负矩阵分解与稀疏表示的多标签分类算法

传统的多标签分类算法是以二值标签预测为基础的,而二值标签由于仅能指示数据是否具有相关类别,所含语义信息较少,无法充分表示标签语义信息。为充分挖掘标签空间的语义信息,提出了一种基于非负矩阵分解和稀疏表示的多标签分类算法（MLNS）。该算法结合非负矩阵分解与稀疏表示技术,将数据的二值标签转化为实值标签,从而丰富标签语义信息并提升分类效果。首先,对标签空间进行非负矩阵分解以获得标签潜在语义空间,并将标签潜在语义空间与原始特征空间结合以形成新的特征空间;然后,对此特征空间进行稀疏编码来获得样本间的全局相似关系;最后,利用该相似关系重构二值标签向量,从而实现二值标签与实值标签的转化。在5个标准多标签数据集和5个评价指标上将所提算法与MLBGM、ML²、LIFT和MLRWKNN等算法进行对比。实验结果表明,所提MLNS在多标签分类中优于对比的多标签分类算法,在50%的案例中排名第一,在76%的案例中排名前二,在全部的案例中排名前三。     

一种基于DCSK的数字保密通信系统

传统的基于混沌键控(CSK)保密通信需要在收发两端建立混沌同步系统,而混沌信号由于对初值的极端敏感性而极难达到同步,所以这种方式难以用于实际。针对这个问题,提出了一个新的差分混沌键控(DCSK)系统,此系统收发端不需混沌同步。深入研究了差分混沌键控(DCSK)调制的性能,并且和二相相移动键控(BPSK)调制进行了比较。最后给出了一个DCSK调制在图像传输中的新应用。     

CDMA通信系统发射机模型设计

文章较详细地介绍了CDMA（Code Division Multiple Access）通信系统模型的发射端设计,设计了通信系统发射机的基本模型框架,模型选择卷积码编码方案进行信道编码,选择Gold码作为实现扩频的伪随机码,模型载波调制选择二进制差分相位键控调制（2DPSK）解调方案型。     

基于循环谱包络的多信号调制识别

针对单通道接收机在多信号环境下难以处理信号调制识别的问题,提出一种不经信号分离直接提取各独立分量信号特征以有效识别多个相移键控(PSK)信号的新方法。该方法从理论上推导了时频重叠多分量信号在循环频率轴上的可分性,在此基础上提出了信号调制特征的提取方法和易于工程实现的信号识别方法。理论分析和仿真实验表明：该方法能不受干扰地提取各分量信号的调制特征,并能有效识别调制集内任意组合的双相移键控信号,当信噪比(SNR)为0dB时,各信号组合的平均正确识别率能达到97%。     

基于FPGA的QPSK的定点设计及仿真

数字基带信号有时无法直接传输,需经过载波调制转换成适合的频带信号.而QPSK(Quatemary Phase Shift Keying)是一种线性窄带数字调制技术,被广泛应用于移动通信和卫星通信中,其突出特点是频带利用率高、频谱特性好、抗衰落性能强、可进行非相干解调.采用FPGA器件可以将原来的电路板级产品集成为芯片级产品,从而降低了功耗、提高了可靠性,同时还可以很方便地对设计进行在线修改.通过对QPSK的调制技术进行研究,利用自上而下的模块化设计方法把整个QPSK调制系统分解成串并转换、差分编码、译码、CIC滤波和正交载波调制5个小模块,并用Verilog硬件描述语言在FPGA上设计实现各个模块,实现了数字信号的传输,最后用testbench验证仿真结果.