基于实数分类器的MIMO系统链路自适应

多输入多输出(Multiple-Input Multiple Output,MIMO)技术已被广泛应用于无线通信系统。由于信道中均衡、预编码、空间模式、调制和编码方案(Modulation and Coding Scheme,MCS)之间耦合的复杂性,在MIMO系统中执行链路自适应仍十分困难。通过实数分类器提出MIMO系统中的链路自适应方案来最大化频谱效率,并保持传输的可靠性。从信道状态信息(Channel State Information,CSI)中提取特征,并结合特定的代价函数选择调制和编码方案,基于最大化频谱效率的目标来选择空间模式。     

基于弱分类器调整的多分类Adaboost算法

Adaboost.M1算法要求每个弱分类器的正确率大于1/2,但在多分类问题中寻找这样的弱分类器较为困难。有学者提出了多类指数损失函数的逐步添加模型(SAMME),把弱分类器的正确率要求降低到大于1/k(k为类别数),降低了寻找弱分类器的难度。由于SAMME算法无法保证弱分类器的有效性,从而并不能保证最终强分类器正确率的提升。为此,该文通过图示法及数学方法分析了多分类Adaboost算法的原理,进而提出一种新的既可以降低弱分类器的要求,又可以确保弱分类器有效性的多分类方法。在UCI数据集上的对比实验表明,该文提出的算法的结果要好于SAMME算法,并达到了不弱于Adaboost.M1算法的效果。     

数据挖掘分类器性能度量相关问题的研究

分类是数据挖掘中的一个重要问题。基于数据挖掘分类问题的研究现状，介绍了度量分类器性能的几种主要尺度，详细评述了针对分类准确率的常见评估策略。结合作者的工作给出提高分类准确率的一些方法，指出其可能发展的方向，为进一步研究提供有益的借鉴。     

利用新的模糊免疫分类器的评价模型设计

随着Web服务数量的增加,根据Web服务的多维Qos属性度量Web服务质量成为研究热点之一。提出了一种利用模糊免疫网络记忆分类器的Web服务Qos评价。在该评价中首先结合SOA中Web服务描述给出了Web服务QoS评价模型。然后提出了一种新的人工免疫分类算法——FAINMC,利用该算法利用该算法对大量的Web服务实现准确、高效的分类。通过每类记忆细胞反应的特征得到相对应服务等级,最后使用模糊隶属度和百分法得到了反应Web服务质量优劣评价值。通过原型系统对模拟Web服务属性数据进行测试,表明该方法优选出QoS值尽可能大,QoS向量分量的特征分量一致性好的Web服务。     

基于模糊综合评价的AdaBoost算法研究

针对AdaBoost算法在训练过程中对噪声数据敏感,影响其分类性能的问题进行研究,提出了一种基于模糊综合评价弱分类器的改进AdaBoost算法.把模糊综合评价模型构建成一类弱分类器,然后组合成Adaboost强分类器.首先将特征值分布曲线分割成为多个高斯单峰函数,每个高斯单峰函数对应一个模糊隶属度函数,离散化后构建单因...     

带拒识能力的双层支持向量模型分类器

本文构造了一种带拒识能力的双层支持向量模型分类器.在训练学习过程中,首先对各类样本特征空间求取最小的包含球形边界,得到各类样本的球形支持向量域表示.这样对于输入的非目标样本即可利用各类的支持向量域进行拒识或接受处理;然后针对接受的样本再利用基于超平面分割的SVM训练器进行分类判决.无论是在第一层求取边界的优化问题中,还是在第二层的分类超平面优化过程中,都采用相乘性更新迭代规则直接求解,优化速度与最小二乘支持向量机(LS-SVM)相当.仿真实验表明本文提出的通过引入拒绝层和判决层的新支持向量模型策略是合理可行的,在实际模式识别领域具有广阔的应用前景.     

一种基于树增强朴素贝叶斯的分类器学习方法

树增强朴素贝叶斯(TAN)结构强制每个属性结点必须拥有类别父结点和一个属性父结点,也没有考虑到各个属性与类别之间的相关性差异,导致分类准确率较差。为了改进TAN的分类准确率,该文首先扩展TAN结构,允许属性结点没有父结点或只有一个属性父结点;提出一种利用可分解的评分函数构建树形贝叶斯分类模型的学习方法,采用低阶条件独立性(CI)测试初步剔除无效属性,再结合改进的贝叶斯信息标准(BIC)评分函数利用贪婪搜索获得每个属性结点的父结点,从而建立分类模型。对比朴素贝叶斯(NB)和TAN,构建的分类器在多个分类指标上表现更好,说明该方法具有一定的优越性。     

日立7180E生化分析仪电解质模块性能评价指标的研究

目的：评价日立7180E自动生化分析仪电解质模块测定K＋,,Na＋,Cl-离子的精密度、稳定性、线性和携带污染率。方法：采用日立公司配套试剂和病人血清,用该仪器测定K＋,Na＋,Cl-离子,对精密度、稳定性、线性及携带污染率等指标进行了评价。结果：批内及稳定性的变异系数均小于1%,批间变异系数均小于1.5%,携带污染率...     

数字图像识别的代价函数选择和性能评价

针对传统二次代价函数在卷积神经网络训练过程中图像识别准确率不高的问题,提出基于交叉熵代价函数的卷积神经网络算法。经数学推导,证明交叉熵代价函数较二次代价函数在图像识别中精度更高,并应用MNIST数据集和CIFAR-10数据集,使用AlexNet卷积神经网络,分别采用二次代价函数和交叉熵代价函数对图像识别模型进行训练,当数字图像识别精确率和损失值稳定后,使用测试数据对代价函数进行多次测试,对比识别准确率。仿真结果表明,此方法不仅能提高数字图像识别的准确率,而且相较于传统的代价函数,训练模型速度更快,明显缩减了训练深度神经网络模型的过程。     

基于SVM多类分类器的字符识别

针对字符识别相似字符识别能力差,速度慢等问题,提出基于支持向量机的识别方法。首先提取预处理后的字符特征,然后进行降维处理,再设计多类分类器并进行训练,最后选取合适的核函数进行识别。实验表明,该方法识别率高达97.65%,且具有适应性强和效率高的特点,具有较高的实用价值。     

电信企业采购绩效评价指标体系的构建

电信企业传统的采购绩效评价没有形成指标体系,难以实现对整个采购过程的考核、监督、控制,难以促进采购工作的优化及采购管理的提升。文中对电信企业采购绩效评价指标体系的构建作了有益的尝试,并对各个指标的作用进行了实用分析。     

基于端到端报文丢失的网络拓扑推测算法研究

在分析现有网络拓扑推测算法的基础上,提出了一种基于端到端报文丢失性能的网络拓扑推测方法,该方法通过比较节点间的Hamming距离和节点接收到的报文数量推测网络拓扑,在推测拓扑过程中不需要网络内部节点的协助。通过理论比较和分析,证明该方法在推测精度上比现有的方法有显著的提高,最后利用仿真实验验证了该方法的有效性和准确性,推测精度比现有方法提高了20%。     

天线表面误差的精确计算方法及电性能分析

提出一种天线表面误差的计算方法,用来精确计算变形表面法向、径向及轴向误差,并推导了相应的计算公式.通过分析某工程7.3m圆抛物面天线在多种工况下的表面误差,及其与ANSYS软件计算结果的比较,证明了该方法的正确性,且计算结果仅为ANSYS软件分析结果的三分之一左右.实验结果说明此方法能够更准确地分析变形天线的表面误差及电性能.在工程中应用此方法分析大型空间天线与地面天线,可明显降低天线设计成本,缩短天线设计周期,并为电气设计人员提供准确的天线变形反射面信息.     

一种适用于MPSK调制的混合型盲均衡算法

提出了一种特别适用于ＭＰＳＫ信号的混合型盲均衡算法，理论分析和计算机模拟表明，这种混合型盲均衡算法的收敛性能与Ｇｏｄａｒｄ类盲均衡算法的收敛性能相同，而误码性能优于Ｇｏｄａｒｄ类盲均衡算法，并接近系统ＬＭＳ均衡算法的性能，是一种具有实用价值的盲均衡算法。     

基于特征双重加权支持向量机的放大器性能综合评价研究

本文针对于现有放大器评价方法的人为因素过大或是成本过高等状况,而提出了基于特征双重加权支持向量机的放大器性能综合评价方法。确定了放大器性能的综合评价系统结构,以高校模拟电子技术实验为依托,采用近一年内由幅频特性测试仪测评所得相关放大器的四项指标构建训练集,然后进行特征双重加权支持向量机的四分类评价。实验表明,该方法优于传统的方法,提高了参数测量的精度,可推广于电子产品的综合性能评价中去。     

水声对抗方案的系统综合评价方法研究

采用系统综合评价法,利用多指标对每个指标采用不同的权值,对每个指标的评价值进行标准化处理,得到该方案的系统综合评价值,定量评价对抗方案的优劣.与传统的评价方法相比,系统综合评价方法可以更加准确、快速地找出最合理的对抗方案.     

机器学习在物联网虚假用户识别中的运用

随着通信技术的发展,物联网卡和5G技术将得到大规模应用,但存在个别企业利用物联网卡资费便宜、没有实名制等特点从中非法牟利、破坏社会稳定的问题,不利于行业健康发展。因此如何识别虚假用户成为物联网行业研究的重要课题。主要研究了在实时海量的物联网终端数据中,如何运用机器学习模型高效地识别疑似虚假用户。具体来看,通过研究相关数据的特征,采用基于正样本和未标记样本的半监督式学习模型建立实时监控异常行为的模型,达到识别物联网行业中潜在虚假用户的目的。本研究成果体现在节约大量人力物力的同时,可以帮助相关部门、人员及时发现用户的异常行为,采取相应的措施避免产生较大损失,具有广泛的行业应用前景。     

Power allocation and range performance considerations for a dual-frequency EBPSK/MPPSK system

Extended binary phase shift keying/M-ary position phase shift keying (EBPSK/MPPSK)-MODEM provides radar and communication functions on a single hardware platform with a single waveform. However, its range estimation accuracy is worse than continuous-wave (CW) radar because of the imbalance of power in two carrier frequencies. In this article, the power allocation method for dual-frequency EBPSK/MPPSK modulated systems is presented. The power of two signal transmitters is adequately allocated to ensure that the power in two carrier frequencies is equal. The power allocation ratios for two types of modulation systems are obtained. Moreover, considerations regarding the range of operation of the dual-frequency system are analysed. In addition to theoretical considerations, computer simulations are provided to illustrate the performance.