检索结果-南通市图书馆

浅谈稀疏标准化方法(Rarefaction)及其在群落多样性研究中的应用

在线全文

学校读者我要写书评

暂无评论

古生物学报 2012年第2期51卷 200-208页

作者：黄冰中国科学院南京地质古生物研究所南京210008

古生物学常涉及多样性对比的研究。因为待比较的样本通常大小不一,所以直接对原始数据进行比较一般并不准确。稀疏标准化方法使两样本在大小不同的情况下也可进行多样性对比,因此在古生物领域应用广泛,但该方法在群落多样性研究中使用... 详细信息

古生物学常涉及多样性对比的研究。因为待比较的样本通常大小不一,所以直接对原始数据进行比较一般并不准确。稀疏标准化方法使两样本在大小不同的情况下也可进行多样性对比,因此在古生物领域应用广泛,但该方法在群落多样性研究中使用不多。在一些相关应用研究案例中,使用者通常未能考虑稀疏化方法的使用条件和局限性,其中相交的稀疏化曲线很难或不能比较的问题更是经常为人所忽视。本文针对群落研究中多样性的对比问题介绍两类稀疏化方法,并强调其使用条件及局限性。以新发现的华夏正形贝腕足动物群为例讨论该方法的使用,同时对该动物群4个采样点的稀疏化数据进行曲线拟合分析,求解曲线交点,对稀疏化数据进行外插值运算,并借此首次为稀疏化曲线交叉不可解的问题提出一个解决方案。

关键词：物种多样性稀疏化曲线拟合外插值古群落

多普勒雷达资料同化的稀疏化方式对暴雨过程的影响研究

在线全文

学校读者我要写书评

暂无评论

大气科学学报 2016年第3期39卷 409-416页

作者：张晓辉王云峰李刚何光鑫顾成明解放军理工大学气象海洋学院江苏南京211101 南京信息工程大学大气科学学院江苏南京210044

利用中尺度非静力WRF(Weather Research and Forecasting)模式及其三维变分同化系统,对2007年7月淮河流域的一次强降雨过程进行多普勒雷达径向速度资料的三维变分同化试验,重点考察雷达资料的不同稀疏化方式对同化结果以及对暴雨数值模... 详细信息

利用中尺度非静力WRF(Weather Research and Forecasting)模式及其三维变分同化系统,对2007年7月淮河流域的一次强降雨过程进行多普勒雷达径向速度资料的三维变分同化试验,重点考察雷达资料的不同稀疏化方式对同化结果以及对暴雨数值模拟的影响。结果表明:同化多普勒雷达径向速度资料使得模式初始风场包含了更丰富的中尺度特征信息,有效调整了初始场的环流结构,能够改善模式对暴雨过程的模拟效果;以不同的稀疏化处理方式同化多普勒雷达径向速度资料对分析场会产生不同的影响,进而影响模式的降水预报效果,本次试验中当极坐标网格径向分辨率取10 km的时候降水过程的预报效果最好。

关键词：雷达径向速度同化稀疏化暴雨数值模拟

在线全文

学校读者我要写书评

暂无评论

最小二乘支持向量机分类的稀疏化方法研究

计算机工程 2011年第22期37卷 145-147,150页

作者：陈圣磊陈耿薛晖南京审计学院信息科学学院南京211815 东南大学计算机科学与工程学院南京210096

最小二乘支持向量机在提高求解效率的同时,会丧失解的稀疏性,导致其在预测新样本时速度较慢。为此,提出一种稀疏化最小二乘支持向量机分类算法。在特征空间中寻找近似线性无关向量组,构造分类判别函数的稀疏表示,相应的最小二乘支持向... 详细信息

最小二乘支持向量机在提高求解效率的同时,会丧失解的稀疏性,导致其在预测新样本时速度较慢。为此,提出一种稀疏化最小二乘支持向量机分类算法。在特征空间中寻找近似线性无关向量组,构造分类判别函数的稀疏表示,相应的最小二乘支持向量机优化问题可以通过线性方程组求解,从而得到最优判别函数。实验结果表明,该算法在不损失分类精度的前提下,能够获得比最小二乘支持向量机更快的预测速度。

关键词：支持向量机最小二乘稀疏化分类特征空间二次规划

在线全文

学校读者我要写书评

暂无评论

一种基于加权有向图的神经网络稀疏化算法

哈尔滨工程大学学报 2006年第B7期27卷 18-21页

作者：才力王永滨杨莹巩微中国传媒大学计算机与软件学院北京100024

通过加权有向图对人工神经网络的结构进行描述，神经网络被看成为由内部各个子系统和子系统之间的相互作用而构成的一个动力系统．通过讨论其中子系统即神经元自身以及它们之间连接的变化对整个动力系统的影响，在产生的扰动不影响神经... 详细信息

通过加权有向图对人工神经网络的结构进行描述，神经网络被看成为由内部各个子系统和子系统之间的相互作用而构成的一个动力系统．通过讨论其中子系统即神经元自身以及它们之间连接的变化对整个动力系统的影响，在产生的扰动不影响神经网络的收敛性的前提下，提出一种稀疏化算法，可以在一定的误差允许范围内得到更稀疏的神经网络结构．文中使用这种算法对一个3层的BP网络实例进行了稀疏化实现，得到一个神经元更少的结构，说明基于加权有向图的神经网络稀疏化算法可以用于类似BP网络这种层次化的神经网络的稀疏化．

关键词：人工神经网络扰动稀疏化收敛

用于神经网络权值稀疏化的L_(1/2)正则化方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中国科学：数学 2015年第9期45卷 1487-1504页

作者：吴微杨洁大连理工大学数学科学学院大连116024

在保证适当学习精度前提下,神经网络的神经元个数应该尽可能少(结构稀疏化),从而降低成本,提高稳健性和推广精度.本文采用正则化方法研究前馈神经网络的结构稀疏化.除了传统的用于稀疏化的L1正则化之外,本文主要采用近几年流行的L1/2正... 详细信息

在保证适当学习精度前提下,神经网络的神经元个数应该尽可能少(结构稀疏化),从而降低成本,提高稳健性和推广精度.本文采用正则化方法研究前馈神经网络的结构稀疏化.除了传统的用于稀疏化的L1正则化之外,本文主要采用近几年流行的L1/2正则化.为了解决L1/2正则化算子不光滑、容易导致迭代过程振荡这一问题,本文试图在不光滑点的一个小邻域内采用磨光技巧,构造一种光滑化L1/2正则化算子,希望达到比L1正则化更高的稀疏化效率.本文综述了近年来作者在用于神经网络稀疏化的L1/2正则化的一些工作,涉及的神经网络包括BP前馈神经网络、高阶神经网络、双并行前馈神经网络,以及Takagi-Sugeno模糊模型.

关键词：神经网络稀疏化 L1/2正则化

在线全文

学校读者我要写书评

暂无评论

一种新的最小二乘支持向量机稀疏化算法

计算机应用 2009年第6期29卷 1559-1562,1581页

作者：吴宗亮窦衡电子科技大学电子工程学院成都610054

普通的最小二乘支持向量机(LS-SVM)稀疏化算法在处理有些常见的模式识别问题时,随着训练样本的删减,识别率下滑很快,往往达不到稀疏化的目的。针对这种情况,提出了一种新的LS-SVM稀疏化算法来弥补这种不足,从而使得LS-SVM稀疏化算法体... 详细信息

普通的最小二乘支持向量机(LS-SVM)稀疏化算法在处理有些常见的模式识别问题时,随着训练样本的删减,识别率下滑很快,往往达不到稀疏化的目的。针对这种情况,提出了一种新的LS-SVM稀疏化算法来弥补这种不足,从而使得LS-SVM稀疏化算法体系更加完善。将新算法应用到雷达一维距离像的识别中,实验结果证明了新算法的有效性。

关键词：最小二乘支持向量机稀疏化雷达一维距离像

基于稀疏化LS-SVM的宽频段波达方向估计

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2012年第3期33卷 669-672页

作者：李鹏飞张旻钟子发合肥电子工程学院309研究室合肥230037 安徽省电子制约技术重点实验室合肥230037

天线阵列的宽频段测向特性十分复杂,使采用智能学习的方法对波达方向进行估计时,面临着一个海量数据的复杂学习问题.采用LS-SVM建立来波方位估计模型,对LS-SVM的支持向量进行稀疏化,利用支持度高的支持向量作为训练样本,并通过二次学习... 详细信息

天线阵列的宽频段测向特性十分复杂,使采用智能学习的方法对波达方向进行估计时,面临着一个海量数据的复杂学习问题.采用LS-SVM建立来波方位估计模型,对LS-SVM的支持向量进行稀疏化,利用支持度高的支持向量作为训练样本,并通过二次学习获取了天线阵列的复杂测向能力,实现了宽频段波达方向的估计.实验结果表明,用稀疏化的支持向量进行二次学习,能显著提高来波方位估计的精度,在宽频段来波方位估计中有巨大的应用价值.

关键词：最小二乘支持向量机稀疏化宽频段波达方向

基于联合互谱函数的短波同频多目标直接定位方法

在线全文

学校读者我要写书评

暂无评论

电子学报 2022年第10期50卷 2462-2468页

作者：夏楠邢宝辉高丹阳崔桐大连工业大学辽宁大连116034

针对短波通信中的同频干扰问题,本文通过短波信号建模和计算时差样本点构建空间频移算子,从而进行时域信号的离散空间变换,大幅度抑制了多径和噪声分量的干扰.提出了信号的空间域稀疏化方法并利用聚类算法实现多发射源的直接定位.仿真... 详细信息

针对短波通信中的同频干扰问题,本文通过短波信号建模和计算时差样本点构建空间频移算子,从而进行时域信号的离散空间变换,大幅度抑制了多径和噪声分量的干扰.提出了信号的空间域稀疏化方法并利用聚类算法实现多发射源的直接定位.仿真结果表明,该算法性能在信噪比和信干比都较低的情况下优于现有的到达时间差(Time Difference Of Arrival,TDOA)定位算法,实测结果表明所提算法定位相对误差小于3%.

关键词：短波通信短波同频干扰直接定位联合互谱函数稀疏化

具有多核结构的稀疏化DNN在轴承诊断中的应用

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2020年第2期 248-251,255页

作者：吴小龙雷文平陈宏韩捷郑州大学振动工程研究所

为了进一步提高深度神经网络(Deep Neural Network,DNN)在轴承故障诊断中的可靠性和稳定性,对深度学习(Deep Learning)中的一些关键技术进行了研究、借鉴以及改进。具体地沿用传统DNN中被广泛用于无监督学习的去噪自动编码器(Denoising ... 详细信息

为了进一步提高深度神经网络(Deep Neural Network,DNN)在轴承故障诊断中的可靠性和稳定性,对深度学习(Deep Learning)中的一些关键技术进行了研究、借鉴以及改进。具体地沿用传统DNN中被广泛用于无监督学习的去噪自动编码器(Denoising Auto-encoder,DAE)进行特征提取,使得特征提取过程不再依赖于先验知识;然后对传统DNN中的DAE进行稀疏化处理,使得特征的提取更加合理、准确;并在DNN中引入核函数运算形成多核结构,提高诊断结果的可靠性以及鲁棒性。最后通过具体的实验,与传统DNN、支持向量机(Support Vector Machine,SVM)等故障诊断方法相对比,来最终反映基于稀疏化DAE的多核结构DNN在轴承故障诊断领域更优越的正确率与稳定性。

关键词：深度学习自动编码器稀疏化核函数特征提取故障诊断