基于变换域APSO的任意阵列宽带DOA估计算法

为了提高宽带信号来波方向(Direction-of-arrival,DOA)估计精度并降低计算复杂度,本文结合已知的发射信号波形,提出了一种基于变换域加速粒子群最优化(Accelerated Particle Swarm Optimization,APSO)的宽带DOA估计算法,该算法适用于任意阵列和低采样率情况。首先对阵列接收数据进行匹配滤波以及傅里叶变换处理,其次根据频域宽带阵列数据模型,利用确定性极大似然(Deterministic Maximum Likelihood,DML)准则构建宽带DOA估计的空间谱函数,然后采用变换域APSO算法对空间谱函数进行最大值搜索,搜索结果即为DOA估计值。该算法无需DOA预估计,不依赖空间谱函数的梯度信息,计算复杂度低。仿真实验表明,所提算法具有高估计精度和低计算复杂度,在信噪比为20 dB时,DOA估计均方根误差为0.02°。

适用任意平面阵列的二维宽带DOA快速估计算法

二维宽带波达方向(DOA)估计对实现水声通信定位一体化具有重要作用。双边相关变换(TCT)算法是高分辨宽带DOA估计的经典算法之一,但只适用均匀线列阵下的一维DOA估计,且计算量大。本文在对TCT简化算法(STCT)进行扩展改进的基础上,提出了一种适用于任意面阵列且具有低计算复杂度的二维宽带DOA快速估计算法。所提算法利用水声通信同步信号的已知波形对阵列输出数据进行匹配预处理,有效压缩了聚焦变换所需频点数量,从而降低了聚焦变换过程的计算量;利用余弦域加速粒子群最优化(APSO)搜索二维空间谱谱峰,在保持高搜索精度的同时显著降低了搜索计算量。相较于单纯的STCT扩展算法,所提算法保持高DOA估计精度,在信噪比为20 dB时精度约为0.02°,但计算量远低于前者。仿真和实验结果验证了所提算法的优势。

应用于心脏病诊断的线性回归决策树模型

心脏病是一种十分常见的高发性疾病,已经成为导致人类死亡的主要因素之一。提高心脏病的医疗诊断的准确性,并对其实行更早的干预与治疗是需要关注的问题。在本文中,我们在数据预处理和模型建立前期阶段采用的是python代码实现,最终发现患病比例与性别和年龄也有着一定的联系。然后采用了SPSS对其进行分析,发现R值为0.719,属于0.5~1之间的大效应的情况,因此,模型拟合效果良好。此外,方差分析的显著性值为0,处于0~0.05的范围之内,可以说明各个参数建立的线性关系回归模型具有极显著的统计学意义,即线性关系显著。模型建立的后期阶段采用以决策树为代表的多种预测模型,最终预测准确率如下:基于信息熵的决策树模型为85.6%,基于基尼指数的决策树模型为84.2%,基于基尼指数的决策树(预剪枝)模型为86.6%。我们发现:模型的准确率均在85%左右,其中基于基尼指数的决策树(预剪枝)模型准确率最高。

基于PCA的Bayes分类器应用于心电图临床诊断

心血管疾病(CVD)是一种常见的慢性疾病,初期没有明显症状,发展较慢难以发现,且发病危险性高。因此检查环节十分重要,其中动态心电图采集大量心电数据,大量的心电数据在支持各种心脏疾病诊断的同时,却也提升了人力物力的分析成本,需耗费大量医师人力,大大降低诊断效率,加上人工检查可能因疲劳或分心产生失误,降低可靠性。为了更有效率的运用医师人力、减少人工误差、提高医疗水平质量、解放医师人力与更有效的运用医疗资源以惠及广大患者,设计出了如何利用患者的ECG数据:对资料进行特定的预处理,接着将数据汇入Matlab和SPSS进行主成分分析,之后使用贝叶斯分类器对机器进行训练,并给出运行诊断的结果准确率为75.8%。

基于朴素贝叶斯算法的中文评论分类

针对中文评论分类问题,采用朴素贝叶斯算法进行深入研究。首先,根据中文评论分类的需求设计了朴素贝叶斯分类器;然后,使用WEKA以不同特征提取方式对其功能性进行了对比分析。通过一系列的实验数据的横向对比表明,在朴素贝叶斯分类器下采用集成特征选取时文本分类的准确率最佳,准确率达97.65%,验证了朴素贝叶斯分类器在处理中文评论分类问题的可应用性。