期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
一种导向矢量双层估计的稳健波束形成算法 被引量:6
1
作者 李文兴 毛晓军 翟助群 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2018年第3期594-600,共7页
针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向... 针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。 展开更多
关键词 自适应阵列 稳健波束形成 低复杂度 导向矢量估计 阵列流形误差 线性空间基向量
下载PDF
流形判别分析和支持向量机的恒星光谱数据自动分类方法 被引量:3
2
作者 刘忠宝 王召巴 赵文娟 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2014年第1期263-266,共4页
尽管经典的分类方法支持向量机SVM在天文学领域广泛应用,但其只考虑类间的绝对间隔而忽略类内的分布性状,因而分类性能有待于进一步提升。鉴于此,提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流... 尽管经典的分类方法支持向量机SVM在天文学领域广泛应用,但其只考虑类间的绝对间隔而忽略类内的分布性状,因而分类性能有待于进一步提升。鉴于此,提出一种新颖的基于流形判别分析和支持向量机的恒星光谱数据自动分类方法。该方法引入流形判别分析的两个重要概念:基于流形的类内离散度MW和基于流形的类间离散度MB。所提方法找到的分类面同时保证MW最小且MB最大。可建立相应最优化问题,然后将原最优化问题转化为QP对偶形式求得支持向量和判别函数,最后利用判别函数判断测试样本的类属。该方法的最大优势在于进行分类决策时,不仅考虑样本的类间信息和分布特征,而且还保持了各类的局部流形结构。SDSS恒星光谱数据上的比较实验表明该方法的有效性。 展开更多
关键词 自动分类 恒星光谱数据 流形判别分析 支持向量机
下载PDF
基于流形模糊双支持向量机的恒星光谱分类方法 被引量:4
3
作者 刘忠宝 高艳云 王建珍 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2015年第1期263-266,共4页
支持向量机(support vector machine,SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(... 支持向量机(support vector machine,SVM)具有良好的学习性能和泛化能力,因而被广泛应用于恒星光谱分类中。然而实际应用面临的数据规模往往很大,SVM便暴露出计算量大、分类速度慢等问题。为了解决上述问题,Jayadeva等提出双支持向量机(twin support vector machine,TWSVM),将计算时间减少至SVM的1/4。然后上述方法仅关注数据的全局特征,对每类数据的局部特征并未关注。鉴于此,提出基于流形模糊双支持向量机(manifold fuzzy twin support vector machine,MF-TSVM)的恒星光谱分类方法。利用流形判别分析获得数据的全局特征和局部特征,模糊隶属度函数的引入将各类数据区别对待,尽可能减少噪声点和奇异点对分类结果的影响。与C-SVM,KNN等传统分类方法在SDSS恒星光谱数据集上的比较实验表明了该方法的有效性。 展开更多
关键词 自动分类 恒星光谱 流形判别分析 模糊隶属度 双支持向量机
下载PDF
基于流形判别分析的全局保序学习机
4
作者 张静 刘忠宝 《电子科技大学学报》 EI CAS CSCD 北大核心 2015年第6期911-916,共6页
当前主流分类方法在分类决策时无法同时考虑样本的全局特征和局部特征,而且大多算法仅关注各类样本的可分性,往往忽略样本之间的相对关系。为了解决上述问题,提出了基于流形判别分析的全局保序学习机。该方法引入流形判别分析来反映样... 当前主流分类方法在分类决策时无法同时考虑样本的全局特征和局部特征,而且大多算法仅关注各类样本的可分性,往往忽略样本之间的相对关系。为了解决上述问题,提出了基于流形判别分析的全局保序学习机。该方法引入流形判别分析来反映样本的全局特征和局部特征;通过保持各类样本中心的相对关系不变进而实现保持全体样本的先后顺序不变;借鉴核心向量机有关理论和方法,通过建立所提方法与核心向量机对偶形式的等价关系实现大规模分类。人工数据集和标准数据集上的比较实验验证了该方法的有效性。 展开更多
关键词 全局保序 大规模分类 流形判别分析 支持向量机
下载PDF
准 Riemann 流形上的准广义 Volterra 方程
5
作者 李泉珍 陈国辉 陈为远 《贵州工业大学学报(自然科学版)》 CAS 1997年第A10期1-7,共7页
用张量分析方法,在3N维Euclid空间E3N的m阶切空间E(m)3N的准Riemann流形中,推导广义D′Alembert原理、准广义Volterra方程,举例说明应用。
关键词 分析力学 准黎曼流形 准广义V方程
下载PDF
基于最小流形类内离散度的支持向量机 被引量:3
6
作者 高艳云 庞敏 《计算机应用研究》 CSCD 北大核心 2015年第9期2639-2642,共4页
尽管经典分类方法支持向量机SVM在各领域广泛应用,但其在分类决策时仅关注类间间隔而忽视类内分布,因而分类能力有限。鉴于此,Zafeiriou等人提出最小类方差支持向量机MCVSVM,该方法建立在支持向量机和线性判别分析的基础上,在进行分类... 尽管经典分类方法支持向量机SVM在各领域广泛应用,但其在分类决策时仅关注类间间隔而忽视类内分布,因而分类能力有限。鉴于此,Zafeiriou等人提出最小类方差支持向量机MCVSVM,该方法建立在支持向量机和线性判别分析的基础上,在进行分类决策时同时考虑各类的边界信息和分布特征,因而较之SVM具有更优的泛化能力。但上述两种方法均忽略了样本的局部特征。基于上述分析,在流形判别分析的基础上提出基于最小流形类内离散度的支持向量机SVM-M2WCS。该方法在建立最优分类面时,不仅考虑各类的边界信息和分布特征,而且还保持了各类的局部流形结构。经理论分析可得该方法在一定条件下与SVM和MCVSVM等价,这表明SVM-M2WCS较之SVM和MCVSVM具有更优的泛化能力。人工数据集及标准数据集上的比较实验表明SVM-M2WCS的有效性。 展开更多
关键词 支持向量机 流形判别分析 分布特征 边界信息 局部信息
下载PDF
一种融合流形学习的视频人脸性别识别改进算法 被引量:1
7
作者 张丹 《电讯技术》 北大核心 2012年第6期1031-1034,共4页
如何有效利用视频中人脸之间的时空连续性信息来克服人脸分辨率低、图像尺度变化大和姿态、光照变化以及遮挡等问题是视频人脸识别的关键所在。提出了一种基于流形学习的视频人脸性别识别算法。该算法不仅可以通过聚类融合学习来挖掘视... 如何有效利用视频中人脸之间的时空连续性信息来克服人脸分辨率低、图像尺度变化大和姿态、光照变化以及遮挡等问题是视频人脸识别的关键所在。提出了一种基于流形学习的视频人脸性别识别算法。该算法不仅可以通过聚类融合学习来挖掘视频内在的连续性信息,同时能发现人脸数据中内在非线性结构信息而获得低维本质的流形结构。在UCSD/Honda和自采集数据库上与静态的算法比较结果表明,所提算法能够获得更好的识别率。 展开更多
关键词 视频人脸性别识别 流形学习 聚类融合 保局投影 支持向量机
下载PDF
准Riemann流形变质量非完整系统动力学
8
作者 李泉珍 《贵州工学院学报》 1993年第4期80-89,96,共11页
本文在3N 维 Euclid 空间 E_(3N)的 m 阶切空间 E_(3N)^(m)中,推导变质量非完整系统的广义微分变分原理及广义 D′Alembert 方程,举例说明应用。
关键词 非完整系统 变质量 准黎曼流形
下载PDF
广义D′ALEMBERT原理G_б^(m)+Q_б^(m)=0的应用
9
作者 段成尧 《贵州工学院学报》 1990年第1期1-13,共13页
本文应用广义D′Alembert 原理G_σ^(m)+Q_σ^(m)=0,研讨了任意阶非线性非完整力学系统。在3N 维 Euclid 的 m 阶切空间 E_(3N)^(m)中,推导出该系统的三种形式的动力学方程组。用 G_σ^(m)+Q_σ^(m)=0求解了一例题,并与用所导出的动力... 本文应用广义D′Alembert 原理G_σ^(m)+Q_σ^(m)=0,研讨了任意阶非线性非完整力学系统。在3N 维 Euclid 的 m 阶切空间 E_(3N)^(m)中,推导出该系统的三种形式的动力学方程组。用 G_σ^(m)+Q_σ^(m)=0求解了一例题,并与用所导出的动力学方程求解作了比较。 展开更多
关键词 动力学 非完整体系 分析力学
下载PDF
基于最小流形类内离散度支持向量机的110m栏成绩预测方法研究 被引量:1
10
作者 张雅清 《重庆师范大学学报(自然科学版)》 CAS CSCD 北大核心 2015年第5期165-168,共4页
针对支持向量机在成绩预测时面临的泛化能力不足问题,提出基于最小流形类内离散度支持向量机M2 SVM。实验选取2000-2009年59次刘翔110m栏成绩作为研究对象,首先将前54次成绩作为训练样本并对模型进行训练得到分类标准,然后将后5次成绩... 针对支持向量机在成绩预测时面临的泛化能力不足问题,提出基于最小流形类内离散度支持向量机M2 SVM。实验选取2000-2009年59次刘翔110m栏成绩作为研究对象,首先将前54次成绩作为训练样本并对模型进行训练得到分类标准,然后将后5次成绩作为测试样本并依次输入模型,比较预测结果与实际结果之间的相似程度,从而说明所提方法的有效性。该方法对人才选拔、成绩提升和梯队建设等具有重要意义。 展开更多
关键词 支持向量机 最小流形类内离散度 110M栏 成绩预测
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部