基于改进型支持向量机的电磁传播损耗研究

海面大气波导的折射率剖面反演过程中,电磁波传播损耗的数据模型计算量大及过程复杂,计算时间随传播距离的增加而大大延长,难以适应实际反演过程快速实时的多变环境、效率低下。针对这个问题,对最小二乘支持向量机算法进行改进,简化了高维计算问题,在保证计算复杂度和计算量没有增加的情况下,提高了计算的准确性。仿真实验表明,利用改进的算法对训练模型的训练时间大大降低,与实际结果符合程度好,适用于后续的大气波导折射率剖面反演。     

一种基于深度神经网络的电波传播损耗模型构建方法

将传统经验模型用于电波传播损耗计算,存在泛化性差等问题,在复杂传播环境下难以取得良好的计算效果。针对该问题,本文从数据驱动的角度出发,设计了一种基于深度神经网络的电波传播损耗模型构建方法并进行了仿真验证。首先,基于辐射源与接收机的距离特征及环境特征,构建一定地域内电磁环境感知数据与地形数据的联合数据集,作为本模型的数据源;其次,构建深度神经网络,迭代训练网络参数,并通过网格搜索法优化超参数;最后,运用联合数据集与深度神经网络模型开展计算机仿真实验。结果表明,提出的方法在复杂地域电波传播损耗计算方面能够取得良好的预测精度。     

复杂边界电波传播损耗的神经网络估计方法

针对抛物方程用于模拟复杂地面边界电波传播计算时间随着频率升高急剧增加的缺点,提出利用抛物方程给神经网络提供训练数据,用电磁波频率和水平方向的距离作为神经网络的输入,传播损耗作为神经网络输出的电波传播损耗的分析估计方法.与传统抛物方程的计算结果对比表明,所提出的复杂边界电波传播损耗的估计方法,在保证了较高计算精度的同时,计算速度得到很大的提高.     

一种基于支持向量机的手写汉字识别方法

本文提出了一种新的基于支持向量机手写汉字识别方法.支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上,而不是仅仅使经验风险达到最小,从而使得支持向量分类器具有较好的推广能力.本文首先讨论了支持向量机的基本原理,然后,针对支持向量机识别大类别手写汉字所遇到的特殊问题,文章进行了分析和阐述,并在此基础上,提出了基于最小距离分类器预分类的两级分类策略.最后,针对GB2312-80的1034个汉字类别的120套手写样本,进行了实验仿真.实验结果表明,本文方法的汉字识别率较距离分类器有较大提高,其中多项式核函数的支持向量分类器,识别率平均提高3.38％,表明了本文方法的有效性.     

一种基于支持向量机的分类算法

支持向量机是在统计学理论基础上提出的一种新的机器学习方法，由于其出色的学习性能，该技术已成为机器学习界的研究热点，并成功地应用在文本分类、图像识别、生物信息处理等领域。这里简要介绍了支持向量机算法及其应用，并且讨论了其未来的发展方向。     

基于支持向量机的实际调制信号识别

提出一种基于支持向量机的实际调制信号自动识别新方法。利用支持向量机把分类特征向量映射到一个高维空间，并在高维空间中构造最优分类超平面以实现信号分类。计算机仿真结果表明，该方法对实际采集的信号具有很好的分类性能。     

一种基于支持向量机的分层调制识别方法

提出了一种新的在高斯白噪声条件下基于支持向量机的分层调制识别方法.其中选取信号的4阶、6阶累积量作为分类特征向量,并利用支持向量机作为分类器对其进行分层调制分类.该方法相比其他非分级调制识别方法具有较低的计算复杂度和较快的分类器训练速度.理论分析和仿真结果均证明了算法的正确性和有效性.     

一种基于支持向量机的数字调制识别方法

自动调制方式识别是非协作通信研究中的重要内容.本文提出了一种基于支持向量机的数字通信信号调制方式识别方法.从信号的瞬时幅度,相位,频率和频谱等特性中提取了7个特征参数,用于训练支持向量机.与已有算法相比,本文算法结构简单、计算量小,同时考虑了符号成型的影响.仿真结果证明,当信噪比大于10dB时,算法的识别率可以达到95%以上.     

一种改进的支持向量机多类分类方法

提出一种新的基于二叉树结构的支持向量机(SVM)多类分类方法.该方法解决了现有主要算法中存在的不可分区域问题,具有简单、直观、重复训练样本少的优点.为了提高分类模型的推广能力,必须使样本分布好的类处于二又树的上层节点,才能获得更大的划分空间.因此,该算法采用类间散布度量与类内散布度量的比值作为二叉树的生成算法.采用UCI标准数据集实验,实验结果表明该算法具有一定的优越性.     

基于支持向量机的语种识别

支持向量机是统计学习理论的一个重要分支,也是解决模式识别问题的一个有力工具.现简要介绍支持向量机理论,构建基于径向基函数的支持向量机,对分别来自两个不同的电话语音数据库中的汉语普通话、英语、日语、白族语和纳西语等5种语言进行识别研究.实验结果表明,支持向量机, 对不同数据库语言的语种识别依然能达到比较高的识别率.     

超短波电波传播的分析与计算

以超短波为基础,导出了电波传播的一些计算公式,根据这些公式可对超短波传输的损耗及接收点的场强进行计算。给出了计算实例,具体说明了公式应用方法。分析了超短波传播的几个常见现象,并做出了定性、定量讨论。可供从事超短波通信总体研究及实际设计的人员使用、参考。     

丘陵地形环境中电波传播损耗的计算

丘陵地区地势起伏不定,形状千变万化,从理论上定量描述地面波的地形损耗有一定的难度,但仍有规律可循。通过基础公式推演,由单一到复杂,得出了不同条件下损耗的计算方法。这些算法,在设计通信网络时具有实际指导意义。     

一种基于支持向量机的车牌字符识别方法

针对车牌字符图像受客观条件影响较大、样本数量不是很大、分类识别相对容易等实际情况。提出了一种对经过预处理的车牌字符图像采用SVM算法进行识别的方法。该方法将图像数据转变为文本数据作为输入样本，方法简单快速，克服了提取图像特征过程中过分依赖字符结构和图像质量的不足。并通过使用参数归整、交叉校验、选择适当的核函数等方法寻求最优参数．避免欠学习、过学习问题的产生。通过使用高速公路收费口的实拍汽车图像进行实验，验证了算法的有效性。     

一种改进的基于支持向量机的OFDM识别算法

针对OFDM信号与单载波信号调制识别,提出了一种基于高阶累积量特征的改进方法.通过分析复信号幅值的归一化四阶累积量特性,以及信号的瞬时频率和功率谱特征,改进和提出新的特征参数,采用支持向量机分类器,实现了AWGN信道下包括OFDM在内的9种信号的制式自动识别.该方法具有特征参数易于提取、抗噪性好、识别准确率高的优点.利用MATLAB仿真证明在信噪比不小于7dB的情况下,OFDM信号的识别准确率达99%.     

复杂地形中的电波传播损耗预测研究

远距离不规则复杂地形中,电波传播损耗计算精度较低,对此,文中提出了一种基于地理信息系统并根据实际地形提高电波传播损耗计算精度的算法模型,构建了可视化的软件显示平台。首先,根据国际电信联盟(ITU-R)的P系列电波传播建议书,结合实际地理信息情况获取了地形和环境因子的数据。然后,通过数字地图模型,针对传播路径上各种不同地形区域,分别建立传播模型来计算电波传播损耗,并完成仿真计算界面的设计和实现。最后,给定收发天线高度和频率,依据实际地形,建立完整的电波传播模型进行仿真实验。结果表明,该算法模型不仅能得到传播路径上每一个点的损耗,而且与传统的Hata模型对比,该算法在不同区域和地形中敏感度更高,可以有效提升传播损耗计算精度,更适用于计算实际地形中远距离不规则复杂地形下的电波传播损耗,帮助改善通信质量。     

基于支持向量机的模式识别方法

基于统计学习理论的支持向量机(SVM)方法是现代智能技术的一个重要分支。SVM实现了结构风险最小化(SRM),而不是经验风险最小化(ERM),在保证分类精度的前提下,提高了分类器的泛化能力。着重讨论C-SVM原理,并在此基础之上,对算法进行了测试。测试结果表明,C-SVM分类算法具有较好的推广能力。     

一种基于支持向量机的雷达多目标分类方法

针对小样本条件下雷达目标分类精度低的问题,提出了一种基于支持向量机(Support Vector Machine,SVM)的雷达目标分类方法。通过雷达目标特征的提取、选择和分类器的设计,实现了目标的多分类,且提高了目标分类精度。实验结果表明,基于二维特征的分类器可实现多目标的高精度分类,且平均分类精度均优于85%。     

一种基于支持向量机的多生物特征融合身份识别方法研究

融合人脸和指纹等特征信息进行身份认证识别。在对人脸图像使用主成分分析法降维和Herr-like方法特征提取、对指纹图像进行细节特征点提取的基础上,采用支持向量机进行融合识别。同时,采用一种改进的高斯核函数构造支持向量机。实验结果表明,该方法有效地提高了识别率和泛化能力。