排序方式： 共有4条查询结果，搜索用时 218 毫秒
1
1.
提出了一种基于希尔伯特边际谱和极限学习机相结合的癫痫脑电信号分类方法.首先将脑电信号进行经验模态分解,对前5个本征模态函数进行希尔伯特变换,得到其希尔伯特边际谱;然后将希尔伯特边际谱的Shannon熵、Renyi熵和Tsallis熵,以及5个不同频段节律信号的能量作为有效特征输入极限学习机进行分类.实验结果表明,本文方法对癫痫信号的分类准确率达到了99.8％,相比其它分类方法具有更高的检测精度和运算速度,对癫痫发作的实时检测具有潜在的应用价值. 相似文献
2.
3.
针对传统的凸组合仿射投影符号算法收敛速度慢和计算量大的问题,提出了一种基于S型函数的快速凸组合仿射投影符号算法。该算法用新的S型函数代替传统算法中的sigmoid函数,改进了联合参数的迭代公式,避免了复杂的指数运算,减少了计算量。同时,采用瞬时转移方案,使凸组合算法在初始自适应过程或在突然发生变化之后能加快小步长慢速算法的自适应过程,进而提升凸组合算法的收敛速度。在系统辨识和声学回声消除环境下的仿真实验表明,该算法具有良好的均方性能和跟踪性能,与传统的凸组合仿射投影算法相比具有更快的收敛速度和更低的计算复杂度。 相似文献
4.
在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度.在Matlab平台上分析了改进的步长函数中参数α;β以及γ的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性. 相似文献
1