多变量自回归信号信息融合辨识方法

近年来,为了提高系统模型和状态估计的精度,多传感器数据融合引起了广泛关注。对于带白色公共干扰噪声和有色观测噪声的多传感器多变量自回归（AR）模型,当AR模型参数和噪声方差未知时,提出了一种信息融合多段辨识方法,其中采用多维递推辅助变量（MRIV）方法得到AR模型参数的局部和融合估值器,再用相关方法得到局部和融合噪声方差估值器。这些估值器具有一致性,通过一个信号仿真例子验证了其有效性。     

短波广播覆盖范围提高方法

短波广播自从二战出现之后，就一直被人们广泛的运用至今。经过多次的改进以及升级，其所具有信息传输简便、可靠、安全、便捷的优点一直被人们所津津乐道，本文将对提高短波广播覆盖范围的方法进行分析。     

基于逻辑回归模型的并网调度多目标优化系统

利用三队列调度算法以及相关特征向量方法进行调度任务所获取权值过于主观,会出现系统调度时间较长的状况,为解决上述问题,提出了基于逻辑回归模型的并网调度多目标优化系统设计.在原有调度系统基础上设计系统结构,选择STM32F103型号嵌入式处理器,直接存取7路通用DMA内存.使用S5422型号A/D转换器,适应多目标调度任务...     

基于多元线性回归的云计算容量估算研究

为了解决电信企业云计算数据中心基础设施管理中的容量管理问题,采用理论分析和实验的方法,以理解数据中心系统历史容量使用为依据,利用多元线性回归理论建立容量预测模型,并考虑业务突发对模型的影响,实验验证了通过模型计算容量与系统真实占用容量接近的结果。研究结果表明:数据中心系统未来容量需求可以通过历史容量分析建立多元线性回归模型来预。研究结论初步突破了数据中心系统容量不可预测、难于管理的认识,通过容量管理可以使电信业保持系统容量利用率、成本以及服务质量之间的平衡,提升系统资源利用率,提升服务可用性,解决资源瓶颈。     

基于逻辑回归的口语理解方法研究

针对语音识别错误导致口语理解系统性能下降的问题,提出一种易于训练且解码快速的鉴别式口语理解方法。首先为每个语义要素建立一个二类逻辑回归模型,随后根据领域中的限制关系建立联合概率模型。在英语公开数据集DSTC2上的实验结果表明,该方法优于人工规则方法和语义元组分类器模型。     

数字电视地面广播抗多径干扰的方法

本文提出了数字电视地面广播的多径干扰 ,叙述了解决多径干扰的主要方法     

外出监测短波广播效果应注意的几个问题

本文着重对外出监测短波广播效果的前期准备、实际收测、资料汇总上报等方面的几个应注意的问题进行讨论。     

高维回归中的几种变量选择方法

阐述统计数据呈现出多样化,高维数据的处理,变量选择和设置假定条件,探讨高维回归中Lasso、Adaptive Lasso、Group Lasso、SCAD方法的原理及运用。     

世界短波广播频率管理的原则和方法

本文回顾了世界短波广播频率管理方式的变迁,对世界短波广播频率的管理原则和方法进行了阐述。     

卡诺图法化简多变量逻辑函数的探讨

一般教材中都认为多变量的逻辑函数用卡诺图法化简比较麻烦,所以不采用该方法,而一些教材和资料所介绍的循环码的书写方法都比较麻烦,很容易出错。实际上,有时用卡诺图法化简还是比较方便的。文中提出了书写循环码的一种简单、快速、不容易出错的方法,指出了用卡诺图法化简多变量逻辑函数与少变量逻辑函数之间的差异,总结了多变量卡诺图最小项的合并规则,并用该方法对多变量逻辑函数进行了化简分析。     

基于中心对齐多核学习的稀疏多元逻辑回归算法

稀疏多元逻辑回归(SMLR)作为一种广义的线性模型被广泛地应用于各种多分类任务场景中。SMLR通过将拉普拉斯先验引入多元逻辑回归(MLR)中使其解具有稀疏性,这使得该分类器可以在进行分类的过程中嵌入特征选择。为了使分类器能够解决非线性数据分类的问题,该文通过核技巧对SMLR进行核化扩充后得到了核稀疏多元逻辑回归(KSMLR)。KSMLR能够将非线性特征数据通过核函数映射到高维甚至无穷维的特征空间中,使其特征能够充分地表达并最终能进行有效的分类。此外,该文还利用了基于中心对齐的多核学习算法,通过不同的核函数对数据进行不同维度的映射,并用中心对齐相似度来灵活地选取多核学习权重系数,使得分类器具有更好的泛化能力。实验结果表明,该文提出的基于中心对齐多核学习的稀疏多元逻辑回归算法在分类的准确率指标上都优于目前常规的分类算法。     

基于Logistic回归方法的信用风险预测研究

目前商业银行利润的主体主要来自信贷业务。因此,信贷风险一直是商业银行最为关注的风险之一,如何对信用风险评估是商业银行业务中很关注的问题。与传统的信用风险评估方法需要更多人力参与相比,本文提出一种直接从银行客户交易数据中抽取所关注的交易行为,然后在此基础上利用Logistic回归方法建立模型的方法,来预测反映了客户贷款偿还能力的违约概率（PD）。     

一种基于Logistic回归模型的ATR算法性能评估方法

提出了一种基于Logistic回归模型的ATR算法性能评估方法。该方法能够在考虑各种影响因素作用的情况下对算法的识别性能进行有效的评估。利用该方法对两种目标识别算法进行了评估。评估结果表明,该方法具有可行性和实用性。     

联合核稀疏多元逻辑回归和TV-L1错误剔除的高光谱图像分类算法

稀疏多元逻辑回归（SMLR）是高光谱监督分类中的重要方法,然而仅仅利用光谱信息的SMLR忽略了影像本身的空间特征,在少量监督样本下的分类精度和算法的鲁棒性仍明显不足;虽然通过引入核技巧,核稀疏多元逻辑回归（KSMLR）可以部分克服上述缺点,其分类错误仍然有待进一步降低.本文基于核稀疏多元逻辑回归分类误差的统计建模分析,提出一种联合核稀疏多元逻辑回归和正则化错误剔除的高光谱图像分类模型.提出的模型通过引入隐概率场,采取L1范数度量KSMLR分类误差的重尾特性建立数据保真项;利用全变差（Total Variation,TV）正则化度量隐概率场的局部空间光滑性.由Indian Pines和University of Pavia数据集等实测数据应用表明,该方法可以得到更鲁棒和更高的分类精度.     

Regression Based Mobility Estimation Method Using Received Signal Strength

Wireless Personal Communications - Privacy protection is a fundamental issue in the era of big data. For personalized privacy protection, it is necessary to measure the amount or the degree of...     

基于回归分析和主成分分析的噪声方差估计方法

准确可靠的噪声强度估计是数字图像处理领域中一个重要的研究课题。噪声估计的难点在于如何提取用于估计的纯噪声信息,近几年,许多算法采用主成分分析技术来避免图像纹理信息的干扰,用最小特征值来估计噪声方差,可以有效地减少图像纹理信息对估计结果的影响,所以这类方法对于高频图像(丰富纹理图像)效果很好。由于图像块数量有限,最小特征值实际上比真实噪声方差小,而且图像块数量越少,偏差越大。如果直接把最小特征值作为估计方差,则容易低估计高噪声。该文通过回归分析确定最小特征值跟真实噪声方差的比值和图像块数量呈幂函数关系,因此可以通过最小特征值和幂函数关系得到真实的噪声方差。实验表明该文方法既能处理高频图像,又适合各种噪声水平,同时也能处理乘性高斯噪声。     

基于Master Key的广播加密方案

在广播加密方案中,信息中心将加密后的信息通过广播信道传送给所有用户,要求只有有权限的用户才可以正确解密,而无权限的用户无法解密.现阶段最有效的广播加密方案为Complete Subset method(CS),Subset Difference method(SD)和Layered Subset Difference method(LSD).Asano在a叉树的基础上把Master Key的思想引入到广播加密的方案中,以减少用户存储的密钥量.本文在SD的基础上引入Master Key,提出了两种方案:第一种方案中用户只需存储一个密钥,加密后密文头部长度与SD方案相同;第二种方案运用LSD方案中分层的思想,减少了构建系统时所需的素数量,从而降低了用户解密时的计算复杂度.     

基于Logistic回归模型的景像匹配算法性能评估

景像匹配算法性能评估的目的是通过科学客观地评估算法性能,选择满足应用需要的匹配算法及进一步改进算法.将自动目标识别(ATR)算法性能评估中常用的Logistic回归模型应用于景像匹配算法性能的定量评估,进一步深入研究了匹配试验所需的样本量和试验结果的定量分析方法,并通过对两种匹配算法的定量评估试验验证了方法的有效性.     

一种新的连续导频信道估计方法在LAS-CDMA系统中的应用

在下行链路中,通常用连续导频方法来进行信道估计.相比传统CDMA系统,LAS-CDMA系统中的LS扩频码具有理想的自相关特性和存在零相关窗(IFW:interference free window)的互相关特性.因此,当用连续导频方法进行信道估计时,估计的误差主要是由噪声引起的.为了抑制噪声的影响,本文提出了一种结合回归(regression)算法的新连续导频信道估计方法.在ITU-VA信道模型下,我们仿真了不同车速时采用新型信道估计方法的LAS-CDMA系统的BER(bit error rate)性能.仿真结果表明,这种新方法由于提高了信道估计的准确度从而大大改善了系统的性能.     

多元逻辑斯谛回归在电磁敏感性数据分析中的应用研究

提出了应用多元逻辑斯谛回归技术处理电磁敏感性数据的基本理论,通过一个实例介绍了这一理论在实际中的应用步骤,最后考虑到选取适当的敏感性数据进行逻辑斯谛回归处理只是一种经验方法,如果选取不当,将会导致错误的预测,指出了在实际数据选取中需要注意的一些问题.