基于高阶统计理论和量子遗传算法的非线性盲源分离算法研究

本文系统分析了非线性盲源分离的模型和现有算法,讨论了非线性盲源分离中解的存在性和唯一性,提出了基于高阶统计理论中联合累积量的非线性盲源分离算法,并采用量子遗传算法进行优化求解.仿真结果表明了算法的有效性.     

基于独立分量分析和遗传算法的图象分离方法研究与实现

在深入分析独立分量分析技术的基础上，针对常规数值求解方法容易陷入局部最优解的问题，提出了一种基于遗传算法和独立分量分析相结合的盲源分离新算法．通过对图象信号分离仿真试验表明，采用最佳保留机制和移民方式的动态补充子代个体操作，在一定的群体规模和遗传代数的情况下，该方法能实现信号的盲分离，并可获得全局最优解．对超高斯信号和亚高斯信号的混合信号，与扩展信息最大化方法相比，该方法可获得更好的分离效果。     

量子遗传算法及其在图像盲分离中的应用研究

在改进Han的遗传量子算法的基础上，提出一种新的量子遗传算法．算法中采用多量子比特来编码多状态基因，构造了各个体之间的联合量子交叉，提出了通用的量子旋转门演化策略和动态调整旋转角机制．将量子遗传算法与独立分量分析算法相结合，提出一种图像信号的盲分离方法．仿真结果表明了该算法的有效性．     

量子遗传算法研究现状

Quantum Genetic Algorithm (QGA)is the combination of quantum computation and genetic algorithm. In this paper, actuality of research on QGA is summarized. QGA and Multi-universe Parallel Quantum Genetic Algorithm (MPQGA)are discussed in detail. Application progenies in respective regions are introduced. The subsequent research on QGA is also prospected.     

基于BERT-BiLSTM-CRF模型的中文实体识别

命名实体识别是自然语言处理的一项关键技术. 基于深度学习的方法已被广泛应用到中文实体识别研究中. 大多数深度学习模型的预处理主要注重词和字符的特征抽取, 却忽略词上下文的语义信息, 使其无法表征一词多义, 因而实体识别性能有待进一步提高. 为解决该问题, 本文提出了一种基于BERT-BiLSTM-CRF模型的研究方法. 首先通过BERT模型预处理生成基于上下文信息的词向量, 其次将训练出来的词向量输入BiLSTM-CRF模型做进一步训练处理. 实验结果表明, 该模型在MSRA语料和人民日报语料库上都达到相当不错的结果, F1值分别为94.65%和95.67%.     

基于归一化秩特征的交织类型盲识别

在非合作通信中,交织类型识别是进行交织参数识别的前提。针对现有类型识别算法受码长约束且抗误码性能较差的问题,提出了一种适用于RS码的基于归一化秩特征的交织类型盲识别算法,在不需要考虑码长约束的条件下,通过高斯约当消元法对分析矩阵做初等变换,结合所得下三角阵中各列的零值比计算出秩缺矩阵的归一化秩,最后利用分组交织和卷积交织的归一化秩变化规律完成交织器类型盲识别。仿真实验结果表明,本文所提方法可以较好地完成交织类型识别,且具有良好的抗误码性能,运算量较小,可为实际的工程应用提供一些参考。     

一种多值决策属性的决策系统的离散化算法

决策系统中连续属性的离散化,即实型属性空问向整型属性空间的映射,它是对决策表中属性约简的第一步.针对多值决策属性的决策信息系统,提出一种新的属性离散化算法.首先根据决策属性的不同,将条件属性集划分为不同的序列,对每两个序列求取候选断点,最后,综合所有的候选断点即为所求的候选断点集合;然后在基于条件属性重要度和贪心算法的基础上提出一种确定结果断点子集的新启发式算法.实例验证了本文所提出的算法能够取得较理想的连续属性离散化结果.     

基于层次稀疏DBN的瓶颈特征提取方法

针对现有语音特征无法有效利用长时段语音和监督性类别信息,及现有瓶颈特征提取方法耗时过长等缺陷,提出基于层次结构稀疏深度可信神经网络的瓶颈特征提取方法.该方法将重叠组套索作为深度可信神经网络目标函数的稀疏正则项使用,从而构建训练速度更快的稀疏深度可信神经网络.然后利用层次结构的网络架构方式,将两个稀疏深度可信神经网络串联后使用,进一步增强瓶颈特征的判决能力.文中将此瓶颈特征应用于音素识别中,实验表明该特征的有效性.     

一种证据距离量化及传感器可靠度确定的新方法

为解决传统传感器可靠度确定方法中存在的一定条件下证据间距离量化结果不合理的问题,基于信息粒度理论提出了一种新的证据距离--认知距离,并以此提出传感器可靠度的计算方法,用可靠度决定的折扣因子对证据进行折扣,最后使用DS证据理论对修正后的证据进行融合.仿真实验表明,与几种代表性的基于传感器可靠度的融合方法和证据理论及其改进方法对比,本文方法在不同情况下均具有良好性能.     

基于偏度的低空目标声信号盲抽取算法

针对盲源分离信号顺序的不确定性以及基于峭度的盲抽取算法运算量大的问题,本文提出一种基于偏度的低空目标声信号盲抽取算法.该算法利用偏度的非对称性,将其作为信号非高斯性的度量,抽取出的信号可以按偏度绝对值的降序排列.与基于峭度的盲抽取算法相比,该算法大大减小了运算量,同时具有较好的分离效果,且对于噪声具有鲁棒性.声音信号及...