暂无评论
特征选择是处理高维数据的一项有效技术。针对传统方法的不足,结合[F-score]与互信息,提出了一种最小冗余最大分离的特征选择评价准则,该准则使所选择的特征具有更好的分类和预测能力;采用二进制布谷鸟搜
基于SVDD算法(一种改进的oneclass支持向量机算法)提出了一种能够处理无类标非纯净训练集的异常检测方法,可以在无类标非纯净训练集上进行模型训练,在很大程度上降低了对训练数据集的要求。另外针对
单通道盲源分离是一种特殊的欠定盲源分离情况,常规的盲源分离算法不再适用。本文针对此问题提出通过快速经验模态分解(EEMD)将由多路信号混合成的单通道信号分解为多路本征模态函数,采用主成分分析估计源信号
盲信号分离图像相关论文中文基于独立分量分析的变步长自适应盲分离算法2008硕基于独立分量分析的盲信号处理研究与应用2006硕基于独立分量分析的图像处理及应用研究2010硕基于独立分量分析的遥感
为了提高单通道盲源分离性能,首先由单路信号利用经验模态分解得到一系列本征模函数分量组合成多路信号;其次针对存在模态混叠的本征模函数分量,提出利用信号周期性构造其多路信号,并利用独立分量分析消除模态混叠
针对欠定盲分离中混合矩阵估计精度不高的问题,采用了改进的人工蜂群(ABC)聚类算法。从观测信号的线性聚类特点和蜂群的多样性考虑,改进雇佣蜂的搜索策略,从而加快算法的收敛速度。同时,引入基于Levy飞行
传统的前馈神经网络盲源分离算法由于步长固定存在许多缺点,而基于Sigmoid函数的自适应步长算法虽然能够克服固定步长算法的缺陷,但其稳态性能较差。针对这个问题,提出一种改进的自适应步长算法,该算法可灵
自然梯度算法有较快的收敛速度、良好的分离性能,在盲信号分离中占有重要地位.基于自然梯度的盲源分离算法一般分为固定步长和变步长的自然梯度算法,固定步长的自然梯度算法存在分离速度与稳定性之间的矛盾,即步长
论文研究-基于熵最大化的区间直觉模糊多属性群决策方法.pdf, 针对决策信息为区间直觉模糊数且属性权重完全未知的多属性群决策问题, 提出了一种基于信息熵的决策方法. 为保证决策的完善性, 首先从区间
目前有关动态目标阴影抑制研究中, 较好的方法是基于RGB颜色空间核密度估计分割模型, 但它只能用于彩色视频阴影抑制, 在灰度视频中是无效的。针对这一局限, 提出了一种基于核密度估计模型的动态目标阴影消
暂无评论