检索结果-内蒙古大学图书馆

电子与信息学报 2016年第8期38卷 2007-2013页

作者：王鹏邱天爽任福全李景春谭海峰大连理工大学电子信息与电气工程学部大连116024 国家无线电监测中心北京100037 北京邮电大学信息与通信工程学院北京100876

针对稳定随机变量有限二阶矩不存在的特点,该文定义了一种新的广义相关熵,并从理论上证明了对称稳定分布随机变量广义相关熵的有界性。此外,提出了一种稳定分布噪声下基于最小广义相关熵准则的DOA估计新方法,给出了一种迭代优化算法并... 详细信息

针对稳定随机变量有限二阶矩不存在的特点,该文定义了一种新的广义相关熵,并从理论上证明了对称稳定分布随机变量广义相关熵的有界性。此外,提出了一种稳定分布噪声下基于最小广义相关熵准则的DOA估计新方法,给出了一种迭代优化算法并通过仿真实验分析了算法的收敛性。仿真结果表明,与现有基于分数低阶矩的FLOM-MUSIC、基于类相关熵的CRCO-MUSIC以及基于lp范数的ACO-MUSIC算法相比,所提方法可以获得更好的估计结果,尤其是在高脉冲性噪声环境下具有更加明显的优势。

关键词：波达方向估计相关熵广义相关熵稳定分布噪声 MUSIC算法

来源：评论

学校读者我要写书评

暂无评论

α稳定噪声下基于随机共振的微弱诱发电位潜伏期延长检测

引用

大连理工大学学报 2011年第2期51卷 281-285页

作者：刘文红汪源源王斌邱天爽复旦大学电子工程系上海200433 上海电机学院电子信息学院上海200240 大连理工大学电子信息与电气工程学部辽宁大连116024

提出了一种基于分数低阶统计量及随机共振技术的鲁棒性时间延迟估计新方法——随机共振共变时间延迟估计(SRCTDE)算法,用于在低混合信噪比条件下及α稳定噪声下微弱诱发电位信号潜伏期延长的检测.SRCTDE算法首先利用带噪诱发电位信号与... 详细信息

提出了一种基于分数低阶统计量及随机共振技术的鲁棒性时间延迟估计新方法——随机共振共变时间延迟估计(SRCTDE)算法,用于在低混合信噪比条件下及α稳定噪声下微弱诱发电位信号潜伏期延长的检测.SRCTDE算法首先利用带噪诱发电位信号与双稳态非线性动力系统之间的随机共振效应提高参考及待测诱发电位信号的混合信噪比,在最大对称共变系数准则下调整非线性系统的参数产生随机共振;接着计算两个随机共振系统输出之间的共变函数,其峰值位置给出诱发电位潜伏期延长估计值.计算机仿真对比实验验证了SRCTDE算法在不同混合信噪比下优于相关法及共变法的估计性能,结果表明SRCTDE算法是一种α稳定噪声下微弱诱发电位潜伏期延长检测的较好方法.

关键词：诱发电位潜伏期时间延迟估计 α稳定分布分数低阶统计量随机共振

来源：评论

学校读者我要写书评

暂无评论

基于单向耦合法的不确定复杂网络间有限时间同步

引用

自动化学报 2021年第7期47卷 1624-1632页

作者：张檬韩敏沈阳航空航天大学人工智能学院沈阳110135 大连理工大学电子信息与电气工程学部大连116023

针对具有不确定性的复杂网络有限时间同步问题,提出一种新颖的单向耦合控制方法.构建含有未知参量及未知拓扑结构的驱动-响应复杂网络模型,考虑两个网络具有不同的节点数,同时受到时变耦合时滞的影响,并且网络内部分别具有不同的节点系... 详细信息

针对具有不确定性的复杂网络有限时间同步问题,提出一种新颖的单向耦合控制方法.构建含有未知参量及未知拓扑结构的驱动-响应复杂网络模型,考虑两个网络具有不同的节点数,同时受到时变耦合时滞的影响,并且网络内部分别具有不同的节点系统.基于有限时间稳定性理论和线性矩阵不等式变换,通过在响应网络中引入单向耦合项,实现两个网络间的有限时间同步,同时准确辨识未知参量及未知拓扑结构.仿真实验验证所提同步方法的有效性,对比实验结果表明所提方法在减少耦合数量的同时具有更快的同步速率及更小的波动范围.

关键词：复杂网络有限时间同步单向耦合未知参量

来源：评论

学校读者我要写书评

暂无评论

LLTV:局部线性全变差滤波方法

引用

电子学报 2012年第12期40卷 2507-2511页

作者：王爱齐邱天爽大连理工大学电子信息与电气工程学部辽宁大连116024 大连交通大学理学院辽宁大连116028

本文提出了一种新颖的滤波方法—局部线性全变差滤波方法(LLTV),可以对数字图像进行有效的滤波处理.该方法采用图像的局部线性近似模型,并结合了全变差规则项,在滤除噪声的同时,能够很好的保持图像的边缘信息,而且其简单的、线性时间算... 详细信息

本文提出了一种新颖的滤波方法—局部线性全变差滤波方法(LLTV),可以对数字图像进行有效的滤波处理.该方法采用图像的局部线性近似模型,并结合了全变差规则项,在滤除噪声的同时,能够很好的保持图像的边缘信息,而且其简单的、线性时间算法,可以对各种数据进行快速处理.实验结果表明,在计算机视觉的各种应用中,如去噪、平滑、细节增强和高动态范围(HDR)压缩等方面,该方法都表现出高效的性能.

关键词：局部线性模型全变差细节增强 HDR压缩

来源：评论

学校读者我要写书评

暂无评论

面向大规模类不平衡数据的变分高斯过程分类算法

引用

大连理工大学学报 2016年第3期56卷 279-284页

作者：马彪周瑜贺建军大连民族大学信息与通信工程学院辽宁大连116600 大连理工大学电子信息与电气工程学部辽宁大连116024

变分高斯过程分类器是最近提出的一种较有效的面向大规模数据的快速核分类算法,其在处理类不平衡问题时,对少数类样本的预测精度通常会较低.针对此问题,通过在似然函数中引入指数权重系数和构造包含相同数目正负类样本的诱导子集解决原... 详细信息

变分高斯过程分类器是最近提出的一种较有效的面向大规模数据的快速核分类算法,其在处理类不平衡问题时,对少数类样本的预测精度通常会较低.针对此问题,通过在似然函数中引入指数权重系数和构造包含相同数目正负类样本的诱导子集解决原始算法的分类面向少数类偏移的问题,建立了一种可以有效处理大规模类不平衡问题的改进变分高斯过程分类算法.在10个大规模UCI数据集上的实验结果表明,改进算法在类不平衡问题上的精度较原始算法得到大幅提高.

关键词：类不平衡问题高斯过程变分推理大规模数据分类

来源：评论

学校读者我要写书评

暂无评论

基于测地距离的超像素生成方法

引用

大连理工大学学报 2012年第4期52卷 610-614页

作者：王爱齐邱天爽大连理工大学电子信息与电气工程学部辽宁大连116024 大连交通大学理学院辽宁大连116028

超像素能够捕获图像的冗余信息,从而大大降低图像处理后续任务的复杂度.尽管很多分割算法都能生成超像素,但所生成的超像素大多具有高度的不规则性,大小和形状变化很不一致,而且很难控制其个数.利用图像曲面的内蕴几何,即测地距离来衡... 详细信息

超像素能够捕获图像的冗余信息,从而大大降低图像处理后续任务的复杂度.尽管很多分割算法都能生成超像素,但所生成的超像素大多具有高度的不规则性,大小和形状变化很不一致,而且很难控制其个数.利用图像曲面的内蕴几何,即测地距离来衡量像素间的相似性,提出了一个算法简单的、具有线性复杂度的超像素生成方法,能够生成形状近似规则的、分布均匀的、有指定个数的超像素.实验表明,对于不同复杂度的图像,该方法均能取得较好的结果.

关键词：测地距离超像素聚类分割

来源：评论

学校读者我要写书评

暂无评论

基于自组合核的增量分类方法

引用

系统工程与电子技术 2016年第8期38卷 1958-1968页

作者：冯林张晶吴振宇大连理工大学电子信息与电气工程学部计算机科学与技术学院辽宁大连116024 大连理工大学创新创业学院辽宁大连116024

在线极端学习机(online sequential extreme learning machine,OSELM)模型在解决动态数据实时分类问题时,无需批量计算,仅保留前一时刻训练模型,根据当前时刻样本调整原有模型即可。然而,该增量方法在离线训练阶段随机指定隐层神经元使... 详细信息

在线极端学习机(online sequential extreme learning machine,OSELM)模型在解决动态数据实时分类问题时,无需批量计算,仅保留前一时刻训练模型,根据当前时刻样本调整原有模型即可。然而,该增量方法在离线训练阶段随机指定隐层神经元使模型鲁棒性差,且求解过程难以拓展于核方法,降低了分类效果。针对上述问题,提出一种基于自组合核的在线极端学习机(self-compounding kernel online sequential extreme learning machine,SCK-OSELM)模型。首先,提出一种新的自组合核(self-compounding kernel,SCK)方法,构建样本不同核空间的非线性特征组合,该方法可被应用于其他监督核方法中。其次,以稀疏贝叶斯为理论基础将训练数据的先验分布作为模型权值引入,并利用超参调整权值后验分布,从而达到对当前时间点参数稀疏的目的。最后,将稀疏得到的参数并入下一时刻运算。对动态数据的实时分类实验表明,该方法是一种有效的增量学习算法。相比于OSELM,该方法在解决动态数据实时分类问题时获得更稳定、准确的分类效果。

关键词：动态数据在线极端学习机自组合核稀疏贝叶斯

来源：评论

学校读者我要写书评

暂无评论

编码曝光图像的L0正则化去模糊重建方法

引用

数据采集与处理 2020年第1期35卷 65-78页

作者：李响蒋敏彭钰蘅李明伟孙怡大连理工大学电子信息与电气工程学部大连116024 大连海洋大学信息工程学院大连116023

目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像,本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同,编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为... 详细信息

目标的运动会导致其成像模糊。为了从模糊的图像中恢复清晰的目标图像,本文采用了编码曝光成像技术。与传统相机成像中快门一直处于开启的状态不同,编码曝光相机成像是在快门开启和闭合转换过程中成像。由于在时域快速转换的编码等效为频域较宽的滤波器,因此编码曝光成像有效地保留了目标的高频信息。为了从编码曝光图像中清晰地复原图像,本文设计了能保留图像高频细节的L0正则项约束的图像重建和模糊核估计方法。通过待重建图像与模糊核的交替迭代更新来完成图像重建。仿真合成图像和实际采集图像的实验表明,本方法对多种运动产生的模糊均有良好的图像复原效果。

关键词：运动模糊编码曝光图像重建 L0正则化约束

来源：评论

学校读者我要写书评

暂无评论

删除信道下单反馈SLT编码

引用

大连理工大学学报 2015年第4期55卷 399-404页

作者：牛芳琳王洪玉海龙大连理工大学电子信息与电气工程学部辽宁大连116024 辽宁工业大学电子与信息工程学院辽宁锦州121001

基于反馈信息的喷泉码在选择合适的度分布函数下可以有效降低译码开销.将DALT码与基于反馈信息的SRSD度分布函数相结合,提出一种适用在删除概率较低信道中使用的单反馈SLT编码方法.与传统LT码相比,该方法仅增加一次反馈,降低了编译码过... 详细信息

基于反馈信息的喷泉码在选择合适的度分布函数下可以有效降低译码开销.将DALT码与基于反馈信息的SRSD度分布函数相结合,提出一种适用在删除概率较低信道中使用的单反馈SLT编码方法.与传统LT码相比,该方法仅增加一次反馈,降低了编译码过程的复杂度,其编译码复杂度、开销等均与信道删除概率有关.理论分析及实验结果表明,在低删除概率信道中,采用所提方法可以有效地减少传输中编码包的个数,其喷泉码性能优于传统的LT码和SLT码.

关键词：喷泉码鲁棒孤立子分布 SLT 码 MP 译码

来源：评论

学校读者我要写书评

暂无评论

基于径向对称变换的自适应交通禁止标志检测

引用

光电子．激光 2014年第3期25卷 532-539页

作者：李厚杰邱天爽宋海玉王培昌贺建军大连理工大学电子信息与电气工程学部辽宁大连116024 大连民族学院信息与通信工程学院辽宁大连116605 大连民族学院计算机科学与工程学院辽宁大连116605

提出一种基于径向对称变换的自适应交通禁止标志的检测算法。采用RGB归一化阈值分割算法对交通图像进行二值化处理,构造和利用区域轮廓特征矢量,判决和提取候选标志区域。对于标志互相遮挡候选区域,提出采用基于分水岭变换的自适应标志... 详细信息

提出一种基于径向对称变换的自适应交通禁止标志的检测算法。采用RGB归一化阈值分割算法对交通图像进行二值化处理,构造和利用区域轮廓特征矢量,判决和提取候选标志区域。对于标志互相遮挡候选区域,提出采用基于分水岭变换的自适应标志分离算法进行标志分离;然后,对于低维的标志候选区域,根据其自身尺度特征提出一种参数自适应的径向对称圆形检测器和检测算法,最终确定禁止标志。本文算法在标准交通标志数据集(GTSDB)进行了实验验证。实验结果表明,与现有方法相比,本文算法有效提高了算法执行效率和检测性能,降低了算法复杂度;并且,对交通标志尺度、亮度和天气变化、运动模糊以及标志互相遮挡等有着良好的鲁棒性。

关键词：区域轮廓特征分水岭变换径向对称变换参数自适应性交通禁止标志检测

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：