检索结果-南通市图书馆

小型微型计算机系统 2018年第12期39卷 2729-2734页

作者：杜芬王彬薛洁龙雨涵刘辉熊新昆明理工大学信息工程与自动化学院昆明650500 云南警官学院信息网络安全学院昆明650223

针对t-SNE算法在高维降维中存在的奇异类样本区分能力弱的不足,给出了一种将分组加权的改进t-SNE算法应用于数字手写体奇异类样本的聚类和识别中的方法.该方法根据样本在高维空间内的不同分布状况而应用不同的分组权值重新计算相似度,... 详细信息

针对t-SNE算法在高维降维中存在的奇异类样本区分能力弱的不足,给出了一种将分组加权的改进t-SNE算法应用于数字手写体奇异类样本的聚类和识别中的方法.该方法根据样本在高维空间内的不同分布状况而应用不同的分组权值重新计算相似度,进而实现更合理的高维空间到低维空间的聚类映射.在基于MNIST构建的奇异类样本库上的对比试验结果表明,与t-SNE算法相比,分组加权t-SNE算法的聚类可视化与指标均得到了提高,其中查全率平均提高了4%,查准率平均提高了3. 3%,从而验证了该方法的可行性和有效性.

关键词：奇异手写体数字识别 t分布随机领域嵌入算法分组加权高维降维

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

部分均匀海杂波中基于分组加权的协方差矩阵估计算法

引用

信号处理 2019年第7期35卷 1170-1179页

作者：时艳玲杜宇翔蒋锐王昕南京邮电大学通信与信息工程学院

本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理... 详细信息

本文主要研究空间部分均匀海杂波背景下协方差矩阵的估计问题。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。为了减小该估计误差,本文对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,本文提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3 dB。

关键词：协方差矩阵估计分组加权干扰抑制空间部分均匀的海杂波

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于Canopy的高维样本相似性度量及分组加权t-SNE改进算法

基于Canopy的高维样本相似性度量及分组加权t-SNE改进算法

引用

作者：杜芬昆明理工大学

学位级别：硕士

随着数据规模的增大和数据复杂度的增加,高维数据的处理技术要求越来越高。其中高维数据的降维对于实现分类聚类、时序预测和关联性分析等有着重要意义。高维降维技术一般包括线性降维和非线性降维两种,其中t分布随机邻域嵌入(t-distrib... 详细信息

随着数据规模的增大和数据复杂度的增加,高维数据的处理技术要求越来越高。其中高维数据的降维对于实现分类聚类、时序预测和关联性分析等有着重要意义。高维降维技术一般包括线性降维和非线性降维两种,其中t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法是一种应用较为广泛的非线性降维方法,它的原理是计算高维空间内样本对之间的联合概率并与低维空间内样本对的联合概率进行匹配,从而实现数据从高维空间到低维空间的映射。在目前的研究中,由于在该算法的实现过程中研究人员较少考虑高维空间内样本间的实际分布状态,即无论高维空间内样本相似程度如何,都采用同一种概率算法,这影响了低维映射结果的区分度,使得聚类效果结果不够理想。针对这一问题,本文提出了一种基于Canopy的分组加权t-SNE算法,该算法首先对高维空间内样本的分布情况进行分析,使用Canopy算法进行高维样本相似程度的度量,在此基础上将高维空间样本的相似程度分为高相似程度、适中相似程度和低相似程度三组,并分别进行自适应加权后再计算高维空间内样本点之间的高维联合概率,从而更准确地反映高维空间内样本间的相似程度,以达到更好的降维效果。为了验证基于Canopy的分组加权t-SNE算法的降维效果,分别在两个应用领域展开了实验分析。基于Canopy的分组加权t-SNE算法在有监督数字手写体奇异类样本上的降维对比实验结果显示,与其它降维算法及传统t-SNE算法的降维效果相比,Canopy的分组加权t-SNE算法有效消除了类簇不紧凑,样本交叉等问题。降维后性能指标显示,数字手写体的查全率和查准率均比传统t-SNE算法得到了明显改善。基于Canopy的分组加权t-SNE算法在无监督脑网络状态观测矩阵上的降维对比实验结果显示,与其它降维算法及传统t-SNE算法的降维效果相比,Canopy的分组加权t-SNE有效的消除了脑网络状态的交叉和散点等问题。降维后的性能指标显示,脑网络状态聚类的戴维森堡丁指数、邓恩指数与轮廓系数均比传统t-SNE算法得到了明显改善。由此可见,无论是对于有监督的分类问题还是无监督的聚类问题,本文方法都获得了更好的降维效果,为高维数据降维方法提供了一种有效的解决方案。

关键词： Canopy-tsne算法分组加权高维降维奇异手写体数字脑网络状态降维

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

隧道支护结构体系协同优化设计方法及其应用

引用

岩土工程学报 2021年第3期43卷 530-539页

作者：孙振宇张顶立房倩侯艳娟北京交通大学城市地下工程教育部重点实验室北京100044

隧道支护结构体系的设计方法是隧道围岩稳定性控制的基本需求,如何确定合理的支护参数是保证隧道施工安全的关键问题。为此,首先将协同学原理引入隧道支护设计,构建了隧道围岩协同支护系统,阐明了其系统组成、研究层次及表征参数;隧道... 详细信息

隧道支护结构体系的设计方法是隧道围岩稳定性控制的基本需求,如何确定合理的支护参数是保证隧道施工安全的关键问题。为此,首先将协同学原理引入隧道支护设计,构建了隧道围岩协同支护系统,阐明了其系统组成、研究层次及表征参数;隧道围岩协同支护的核心为充分发挥支护—围岩系统、构件和要素的工作性能,从而产生协同增强效应,其特点为时机衔接、刚度匹配和变形协调,而其目的则是以最小的支护代价实现围岩稳定,本质上为多目标优化问题;进一步以围岩变形、支护受力和支护成本为设计目标,建立了基于分组加权的目标函数隶属度表征方法,据此提出了隧道支护体系多目标协同优化设计方法。将该方法在新建京张高铁八达岭长城站大跨过渡段进行应用,较之优化前支护性能利用率更高,设计更为合理,为隧道支护结构体系的优化设计提供了一种思路。

关键词：隧道工程支护设计协同作用多目标优化分组加权隶属度表征

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于分组机制的海面目标检测算法研究

基于分组机制的海面目标检测算法研究

引用

作者：杜宇翔南京邮电大学

学位级别：硕士

本文旨在研究基于分组机制的海面目标检测算法。海杂波下的目标检测是雷达目标检测过程中最为重要的分支,也是雷达信号处理中最为复杂的部分。海杂波下的目标检测问题在军事和民用方面都有着十分深远的意义。海杂波的空间部分均匀性和... 详细信息

本文旨在研究基于分组机制的海面目标检测算法。海杂波下的目标检测是雷达目标检测过程中最为重要的分支,也是雷达信号处理中最为复杂的部分。海杂波下的目标检测问题在军事和民用方面都有着十分深远的意义。海杂波的空间部分均匀性和假目标干扰的不可避免性导致利用传统算法来估计海杂波协方差矩阵时存在较大的估计误差。针对这个问题,提出了部分均匀海杂波中基于分组加权的协方差矩阵估计算法,利用IPIX雷达实测数据对其进行了仿真实验,对比了检测器性能。针对部分均匀海杂波中相邻距离单元满足不同统计特性的问题,提出了距离分布式目标下的基于知识辅助的分组广义似然比检测算法,利用IPIX雷达实测数据对其进行了仿真对比实验,实验证明了该检测算法的有效性分。论文工作主要包括下面三个部分:1)海杂波统计特性、基本模型总结。首先对海杂波的统计特性进行了概括,然后对海杂波常用模型进行了总结对比。2)部分均匀环境中基于分组加权的协方差矩阵估计算法研究。首先,对海杂波的参考样本进行分组处理,利用纹理的最大后验估计值作为加权系数,提出了分组加权样本协方差矩阵估计算法。考虑到假目标干扰的存在,利用协方差矩阵之间的差异提出了一致性因子,以确定干扰所在的分组,并剔除干扰。实测数据的实验结果表明,在存在假目标干扰的空间部分均匀海杂波背景下,所提出的分组加权协方差矩阵估计算法不仅能有效剔除假目标,而且优于不分组算法约3dB。3)基于知识辅助的分组广义似然比检测算法研究。首先,考虑到距离单元分组的影响,对广义似然比检测器的距离单元进行分组,推导出了分组广义似然比检测器。进一步,考虑到部分均匀杂波中参考单元的知识辅助模型,我们提出了距离分布式目标的知识辅助分组广义似然比检测器,并证明了其相对散斑协方差矩阵的估计具有恒虚警性。最终,通过实测数据的实验结果表明了KA-G-GLRT检测器的检测性能和有效性。

关键词：海杂波目标检测分组加权空间部分均匀

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：