时域方法在地震同相轴倾斜或弯曲时,难以保证去噪的有效性;频域方法在信号频带较宽时,会衰减过多信号。基于此,提出一种时域与频域自适应奇异值分解(singular value decomposition,SVD)融合去噪算法。该算法包含分解与融合技术:在分解...时域方法在地震同相轴倾斜或弯曲时,难以保证去噪的有效性;频域方法在信号频带较宽时,会衰减过多信号。基于此,提出一种时域与频域自适应奇异值分解(singular value decomposition,SVD)融合去噪算法。该算法包含分解与融合技术:在分解技术中,根据奇异值二阶差分谱,在时域与频域中分别进行自适应去噪,得到两个分解矩阵;在融合技术中,提出了用于评估分解矩阵的一致度,利用融合策略得到融合矩阵,最后根据局部相似性调整得到去噪矩阵。在合成与野外数据集上与一些算法进行了对比实验,结果表明,所提算法能够更有效地压制噪声。展开更多
多标签学习已成功应用于文本分类、图像识别等各个领域。流行的技术包括提取标签特定特征、利用标签相关性等。提出带有标签相关性的预测调整算法PALC(Prediction adjusting with label correlation)将标签相关性融入串行并行神经网络...多标签学习已成功应用于文本分类、图像识别等各个领域。流行的技术包括提取标签特定特征、利用标签相关性等。提出带有标签相关性的预测调整算法PALC(Prediction adjusting with label correlation)将标签相关性融入串行并行神经网络。一方面,采用新颖的、更有效的串行并行神经网络架构来替代常见的显式特征提取或压缩感知方法;另一方面,考虑用固有的标签矩阵内的相关性来计算相关性矩阵,并以流形正则的方式优化分类器。对10个基准数据集与7种流行算法进行比较,结果表明PALC在3大排名指标下均有优势。展开更多
In a distributed Web server system where tasks are unpreemptible,the most important issue for improving quality of service (QoS) is how to realize fairness and reduce average slow down. In this paper we present an alg...In a distributed Web server system where tasks are unpreemptible,the most important issue for improving quality of service (QoS) is how to realize fairness and reduce average slow down. In this paper we present an algorithm named Scalable TAGS by integrating Central Queue algorithm and Task Assignment by Guessing Size (TAGS), together with its performance analysis, system parameter setting algorithm subject to fairness requirement, and optimal grouping method.展开更多
文摘时域方法在地震同相轴倾斜或弯曲时,难以保证去噪的有效性;频域方法在信号频带较宽时,会衰减过多信号。基于此,提出一种时域与频域自适应奇异值分解(singular value decomposition,SVD)融合去噪算法。该算法包含分解与融合技术:在分解技术中,根据奇异值二阶差分谱,在时域与频域中分别进行自适应去噪,得到两个分解矩阵;在融合技术中,提出了用于评估分解矩阵的一致度,利用融合策略得到融合矩阵,最后根据局部相似性调整得到去噪矩阵。在合成与野外数据集上与一些算法进行了对比实验,结果表明,所提算法能够更有效地压制噪声。
文摘多标签学习已成功应用于文本分类、图像识别等各个领域。流行的技术包括提取标签特定特征、利用标签相关性等。提出带有标签相关性的预测调整算法PALC(Prediction adjusting with label correlation)将标签相关性融入串行并行神经网络。一方面,采用新颖的、更有效的串行并行神经网络架构来替代常见的显式特征提取或压缩感知方法;另一方面,考虑用固有的标签矩阵内的相关性来计算相关性矩阵,并以流形正则的方式优化分类器。对10个基准数据集与7种流行算法进行比较,结果表明PALC在3大排名指标下均有优势。
文摘In a distributed Web server system where tasks are unpreemptible,the most important issue for improving quality of service (QoS) is how to realize fairness and reduce average slow down. In this paper we present an algorithm named Scalable TAGS by integrating Central Queue algorithm and Task Assignment by Guessing Size (TAGS), together with its performance analysis, system parameter setting algorithm subject to fairness requirement, and optimal grouping method.