首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   9篇
  完全免费   8篇
  自动化技术   17篇
  2018年   1篇
  2017年   1篇
  2016年   1篇
  2014年   1篇
  2013年   1篇
  2012年   2篇
  2011年   1篇
  2010年   2篇
  2009年   3篇
  2008年   1篇
  2006年   2篇
  2000年   1篇
排序方式: 共有17条查询结果,搜索用时 31 毫秒
1.
1 Introduction Synthetic aperture radar interferometry (InSAR) is an important remote sensing tech- nique to retrieve the terrain digital elevation model (DEM)[1,2]. Image coregistration and interferometric phase unwrapping are two key processing procedur…  相似文献
2.
一种解决大规模数据集问题的核主成分分析算法   总被引:4,自引:0,他引:4       下载免费PDF全文
史卫亚  郭跃飞  薛向阳 《软件学报》2009,20(8):2153-2159
提出一种大规模数据集求解核主成分的计算方法.首先使用Gram矩阵生成一个Gram-power矩阵,根据线性代数的理论可知,新形成的矩阵和原先的Gram矩阵具有相同的特征向量.因此,可以把Gram矩阵的每一列看成核空间迭代算法的输入样本,这样,无须使用特征分解即可迭代地计算出核主成分.该算法的空间复杂度只有O(m);在大规模数据集的情况下,时间复杂度也降低为O(pkm).实验结果表明了所提出算法的有效性.更为重要的是,在大规模数据集的情况下,当传统的特征分解技术无法使用时,该方法仍然可以提取非线性特征.  相似文献
3.
特征向量法功率谱估计的改进与仿真   总被引:1,自引:0,他引:1  
特征向量法功率谱估计是基于矩阵分解的一种功率谱估计的非参数方法。通过分析数据加窗对自相关函数的影响对其提出改进,通过仿真试验证明,此算法的分辨率和抗噪性能得到很大改善。  相似文献
4.
In many applications, a class of optimization problems called quadratic programming with a special quadratic constraint (QPQC) often occurs, such as in the fields of maximum entropy spectral estimation, FIR filter design with time–frequency constraint and design of an FIR filter bank with perfect reconstruction property. In order to deal with this kind of optimization problems and be inspired by the computational virtue of analog or dynamic neural networks, a feedback neural network is proposed for solving for this class of QPQC computation problems in real time in this paper. The stability, convergence and computational performance of the proposed neural network have also been analyzed and proved in detail so as to theoretically guarantee the computational effectiveness and capability of the network. From the theoretical analyses it turns out that the solution of a QPQC problem is just the generalized minimum eigenvector of the objective matrix with respect to the constrained matrix. A number of simulation experiments have been given to further support our theoretical analysis and illustrate the computational performance of the proposed network.  相似文献
5.
Virtually all previous classifier models take vectors as inputs, performing directly based on the vector patterns. But it is highly necessary to consider images as matrices in real applications. In this paper, we represent images as second order tensors or matrices. We then propose two novel tensor algorithms, which are referred to as Maximum Margin Multisurface Proximal Support Tensor Machine (M3PSTM) and Maximum Margin Multi-weight Vector Projection Support Tensor Machine (M3VSTM), for classifying and segmenting the images. M3PSTM and M3VSTM operate in tensor space and aim at computing two proximal tensor planes for multisurface learning. To avoid the singularity problem, maximum margin criterion is used for formulating the optimization problems. Thus the proposed tensor classifiers have an analytic form of projection axes and can achieve the maximum margin representations for classification. With tensor representation, the number of estimated parameters is significantly reduced, which makes M3PSTM and M3VSTM more computationally efficient when handing the high-dimensional datasets than applying the vector representations based methods. Thorough image classification and segmentation simulations on the benchmark UCI and real datasets verify the efficiency and validity of our approaches. The visual and numerical results show M3PSTM and M3VSTM deliver comparable or even better performance than some state-of-the-art classification algorithms.  相似文献
6.
核主成分分析方法是使用核方法将经典的线性算法主成分分析推广到高维空间,用来处理复杂非线性数据的一种常用的特征提取算法,该算法首先在高维空间中计算所有样本之间的核矩阵,然后使用特征分解技术计算核矩阵的特征解,其计算的时间和空间复杂度分别为O(m2)和O(m3).然而在大规模数据集的情况下,由于储存和计算的问题无法进行正常的求解.文中提出首先使用幂迭代方法计算核矩阵的高阶特征解,然后重复使用Schur-Weilandt收缩方法分别计算出核矩阵的其它阶特征解.文中算法在计算过程中,不需要像传统的计算方法那样需要事先存储核矩阵,空间复杂度只有O(m).通过在模拟和真实数据的实验结果充分验证了算法的有效性.  相似文献
7.
国内外学者研究发现,类间方差最大化的方向与类内方差最大化的方向之间的角度对传统的线性辨别分析方法的准确性影响显著,并且,当这两个方向平行的时候,传统的线性方法往往不能得到很好的结果。经过的研究和实验,发现传统线性方法的准确性与类间方差和类内方差之间的角度没有直接的决定关系,它的最大问题在于线性地对类间方差和类内方差的加和不能完全保留类别之间的辨别信息。提出了一种优化的线性辨别分析的方法(OLDA)来解决这个问题。首先,引入了辨别能量的概念,能够给任意两个类之间的辨别信息赋予同样的权重;其次,引入了一种梯度下降的算法来计算最终的判别向量,并且加速迭代算子的引入能够更加有效地解决运算复杂度的问题。最后,为了解决非线性问题,预先的聚类算法能够将非线性问题转化成为线性问题,从而使数据集能够被有效地分辨出来。采用了一个人脸数据集和一个虚拟数据集进行了实现,实验结果表明提出的优化辨别分析的方法能够有效地解决数据集的分类问题。  相似文献
8.
针对低信噪比多径信道下传统的正交频分复用(OFDM)信号子载波数估计方法存在估计性能不高,计算复杂度高等问题,提出了一种新颖的OFDM信号子载波数估计方法。首先计算接收信号的自相关矩阵,然后对接收信号的自相关矩阵进行特征分解,提取分解后的特征值,最后根据特征值的分布特性实现子载波数目的估计。仿真实验结果验证了我们的方法在高斯白噪声信道和多径信道条件下对OFDM信号子载波数估计的有效性与可靠性。  相似文献
9.
波达方向估计是阵列信号处理的一个重要研究方向,在雷达、通信、声纳、地震勘测等领域都有着广泛的应用前景.它已成为阵列无源探测和智能天线中的关键技术.针对二维信号,本文研究一种基于V型阵二维波达方向估计的新算法.该算法根据阵列结构的特点形成多个需要的相关矩阵,构造一个特殊大矩阵并经特征分解获得信号子空间的估计,最后利用2D-ESPRIT方法实现二维角度估计,可以解决β角兼并信号的波达方向估计问题,无需谱峰搜索且信号参数自动配对.最后用计算机仿真验证了该算法的有效性.  相似文献
10.
在基于特征空间(ESB)的自适应波束形成算法中,针对当指向误差落在波束主瓣的边缘特定角度时,输出信干噪比下降,且信号子空间需要进行费时的特征值分解的问题,提出了改进线性约束最小方差(LCMV)算法。在假定的期望信号方向附近减少一个方向性约束条件,并基于信号特征值大于噪声特征值的这一特性, 利用空间协方差矩阵逆的高阶次幂来逼近信号子空间,无须特征分解,将求得的权矢量向改进的信号子空间投影。该方法能够大大减少计算量,同时还显著提高了自适应波束形成稳健性。通过仿真分析及结果比较验证了算法的正确性和有效性,因此从  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号