全集成连续时间T-C滤波器的非线性效应

本文建立了非线性失真分析的非线性传递函数法,提出了各种非线性频域失真测度,给出了非线性频域响应收敛定理;详细研究了T-C积分器和滤波器的非线性效应,并用已有方法和SPICE Ⅱ模拟验证了本文方法和结果的正确性与有效性。

全集成连续时间滤波器研究的进展

全集成连续时间滤波器是近年来模拟VLSI技术取得最重要进展的领域之一,也是当今国际上的前沿课题。它的诞生向传统的连续时间信号处理技术——开关电容技术和数字滤波技术提出了强有力的挑战。本文综述了这一研究领域的发展现状;评述了近年来的新进展;指出了有关的研究课题,并展望了这一研究领域的发展和应用前景。

利用旋转森林变换的异构多分类器集成算法

为了增强集成系统中各分类器之间的差异性,提出了一种使用旋转森林策略集成两种不同模型分类器的方法,即异构多分类器集成学习算法.首先采用旋转森林对原始样本集进行变换划分,获得新的样本集;然后通过特定比例选择分类精度高的支撑矢量机或分类速度较快的核匹配追踪作为基本的集成个体分类器,并对新样本集进行分类,获得其预测标记;最后结合两种模型下的预测标记.该算法通过结合两种不同分类器模型,实现了精度和速度互补,将二者混合集成后改善了集成系统泛化误差,相比单个模型集成提高了系统分类性能.对UCI数据集和遥感图像数据集的仿真实验结果表明,文中算法相比单一分类器集成缩短了运行时间,同时提高了系统的分类准确率.

贝叶斯集成框架下的极化SAR图像分类

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.

基于非负矩阵分解的谱聚类集成SAR图像分割

本文提出了一种新颖的基于非负矩阵分解的谱聚类集成SAR图像分割框架.首先,个体分割结果的产生采用基于Nystrom逼近的谱聚类方法,使用不同的尺度参数,得到具有差异性的个体分割结果;其次,使用非负矩阵分解的方法来合并这些个体分割结果,使用非负矩阵分解方法的优点在于其合乎人类大脑感知的直观体验,并具有明确的物理含义;最后,根据合并得到的像素点隶属度关系得到SAR图像分割结果.为了验证本文方法的有效性,对3幅纹理图像和4幅SAR图像进行分割实验,并对比K-means方法、基于Nystrom逼近的谱聚类方法、Meta-clustering方法,本文的方法无论是定性还是定量分析都是较好的,并具有一定的实用性.

利用0-1矩阵分解集成的极化SAR图像分类

全极化合成孔径雷达(Pol SAR)图像蕴含更丰富的散射信息,具有更多的可用特征。如何使用这些特征是极化SAR图像分类中非常重要的一步,但是目前尚未对此提出非常明确的准则。为了能够有效地解决上述问题,该文提出一种基于特征加权集成的极化SAR图像分类算法。该算法采用0-1矩阵分解集成方法对包括不同特征的数据集进行学习获得相应加权系数,并通过对每个特征集获得的预测结果进行加权集成来提高极化SAR图像分类性能。首先,输入极化SAR数据,获得极化特征作为原始特征集,并对其进行随机抽取获得不同的特征子集;然后,使用0-1矩阵集成算法得到每个特征值相对应的加权系数;最后,通过对各个特征子集的预测结果进行集成得到最终极化SAR图像分类结果。实测L波段和C波段极化数据的实验结果表明,该算法可以有效地提高极化SAR图像分类的准确度。

基于随机子空间核极端学习机集成的高光谱遥感图像分类

结合随机子空间和核极端学习机集成提出了一种新的高光谱遥感图像分类方法。首先利用随机子空间方法从高光谱遥感图像数据的整体特征中随机生成多个大小相同的特征子集;然后利用核极端学习机在这些特征子集上进行训练从而获得基分类器;最后将所有基分类器的输出集成起来,通过投票机制得到分类结果。在高光谱遥感图像数据集上的实验结果表明:所提方法能够提高分类效果,且其分类总精度要高于核极端学习机和随机森林方法。

采用联合相似度谱聚类集成的极化SAR分类

为了降低谱聚类算法尺度参数对分类结果的影响,避免Nystrm逼近导致的分类结果不稳定,提出了一种基于谱聚类集成的极化合成孔径雷达(SAR)地物分类方法.首先,利用像素间的空间关系和极化信息,将基于相干矩阵Wishart距离的相似性测度和基于极化特征矢量欧氏距离的相似性测度相结合,引入马尔可夫随机场势函数,构造谱聚类的相似性矩阵;然后,采用基于Nystrm逼近的谱聚类实现极化SAR数据的单次谱分类;最后,采用集成策略完成对极化SAR图像的地物分类.实验结果表明,该算法提高了分类精度,区域一致性保持较好,且分类结果稳定.

图像分割的谱聚类集成算法

针对谱聚类算法对尺度参数敏感的问题,利用集成学习算法良好的鲁棒性和泛化能力,提出了一种无监督集成学习算法——谱聚类集成算法.该算法先利用谱聚类的内在特性产生集成学习所需的多个聚类个体,再采用Hungarian算法对生成的聚类个体进行重新标记,计算每个样本点关于每一个类别所占的比例,得到一个成分向量,然后运用对数比变换将所得的成分向量映射到另一个空间,去除成分数据的不适定性,最后对映射后的数据进行聚类,从而得到最终的集成结果.通过对UCI数据集和纹理图像的仿真实验表明,所提算法的聚类准确率与常用的共识函数具有一定的可比性,且运算代价较小,所需时间大约为MCLA算法的一半,同时避免了精确选择谱聚类算法的尺度参数.

基于稀疏编码和集成学习的多示例多标记图像分类方法

该文基于稀疏编码和集成学习提出了一种新的多示例多标记图像分类方法。首先,利用训练包中所有示例学习一个字典,根据该字典计算示例的稀疏编码系数;然后基于每个包中所有示例的稀疏编码系数计算包特征向量,从而将多示例多标记问题转化为多标记问题;最后利用多标记分类算法进行求解。为了提高分类器的泛化能力,对多个分类器进行集成。在多示例多标记图像数据集上的实验结果表明所提方法与其它方法相比有更好的性能。

利用集成支撑矢量机提高分类性能

为了提高支撑矢量机的泛化性能,利用l倍交叉筛选和控制样本特征属性策略建立了集成支撑矢量机,该集成策略加强了子分类器之间的互异性,进一步提高了集成学习机的分类性能,提高了学习机的泛化性能,同时具有较好的鲁棒性.

截断奇异值分解的生物发光断层成像重建问题

目的研究生物发光断层成像重建问题的求解方法,通过生物体表面检测到的光学信号准确、稳定地重建出生物体内部荧光光源的分布。方法将截断奇异值分解TSVD正则化技术用于已知光源可行区域的生物发光断层成像逆问题求解中,并利用广义交叉验证法结合一维搜索来选择合适的正则化参数。结果数值仿真表明,TSVD法可以快速有效地进行单光源和双光源的重建。结论TSVD方法在BLT重建中是可行和有效的,与常用的Tikhonov正则化方法相比,TSVD法的抗噪性能更好,重建时间也较少,且正则化参数的选取及调整更为方便。

全集成连续时间VLSI有源跨导-C神经网络的实现

基于连续时间模拟 MOS VLSI 技术的最新进展,本文初步提出了全集成连续时间有源跨导-C 神经网络理论。研究了 n 阶关联神经网络的非线性动力学性质。全集成连续时间有源跨导-C 神经网络通过主/从网络设计实现自学习训练,同时可与现有标准MOS VLSI 技术良好兼容,从而将为神经网络理论和方法转变成廉价的商品开辟新途径。也为神经网络信息处理系统的研制及复杂人工智能的研究提供了新方法。

高校科研实验室文化建设在创新人才培养中的探索与实践——以智能感知与图像理解教育部重点实验室为例

高校科研实验室是科技创新和人才培养的重要载体,是“双一流”建设的重要支撑。实验室文化建设是实验室的精神内涵,该工作以学生为核心,从提升科学素养、激发探索欲望、培养创新精神、增强实践能力四个方面逐层展开,是建设优质育人环境不可分割的重要组成部分。本文针对“培养什么人”这一基本问题提出了“如何培养创新人才”,从精神引领、制度建设和创新领航三个方面进行了探讨,同时分享了智能感知与图像理解教育部重点实验室在文化建设方面的探索与实践,以期为实验室文化建设提供参考和借鉴。

全集成连续时间MOSFET-C滤波器非线性分析的基本理论与方法

本文提出了非线性失真分析的非线性传递函数法,建立了各种非线性测度和非线性频域灵敏度,证明了非线性频率响应的稳态收敛定理,同时给出了求解一般非线性网络的非线性传递函数的递归方法,本文的结果为全集成连续时间MOSFET-C滤波器非线性效应的研究奠定了理论基础.并提供了一种新的方法.

整数矩阵变换的选择集成及对雷达目标的识别

为了改善单个分类器对雷达目标的识别性能,分别从差异性和准确率两个因素出发,提出了一种通过变换分类器选择集成对雷达目标识别的算法.首先,为了增加集成个体差异性,将个体分类器的预测标记作为变换的原始目标,将正确标记引入来代替变换中的目标均值,以此构造一个整数矩阵.通过将个体分类器的预测标记投影到经过正确标记的直线上,从而获得一组新的预测标记.然后,根据准确率和RPFmeasure这两种衡量分类器性能的准则,选择一些性能提高了的个体进行集成,以此保证个体分类器的准确率.最后,通过结合被选择的个体预测标记来改善对雷达目标的识别性能.对于UCI机器学习资源库中数据集和雷达一维距离像的实验结果表明,该算法能有效平衡个体差异性和个体准确率两个因素,并且相比单个分类器和其他集成方法,该方法提高了对雷达目标的识别准确率.

全集成模拟神经网络理论与实现

基于 MOS VLSL 技术的最新进展,以 HopfieId 神经网络为对象,本文提出了全集成MOSFET-C 神经元和全集成 SC 神经元,给出了 MOSFET-C 神经网络和开关电容神经网络实现.从而为神经网络信息处理系统的分析、研制以及应用提供了新方法.1 MOSFET—C神经网络在模拟 VLSI 中,采用 MOS 工艺实现高质量的电容和运算放大器完全不成问题,如果进一步把 MOSFET 运用于非饱和区,构成所谓的压控电阻,就可获得所需的精确电阻,从而实现连续时间模拟处理器及系统的全集成化,称之为 MOSFET—C技术,然而,用 MOSFET

遗传算法与模糊逻辑的双向集成

简要介绍了模糊逻辑和遗传算法相互结合的途径与方法 ,并提出了一些其中有可能出现的问题。文章认为二者在很多方面具有互补性 ,可以进行广泛而深度地结合 :一方面可以用模糊控制规则来提高遗传算法的性能 ,克服未成熟收敛等现象 :另一方面 ,应用遗传算法可以有助于模糊逻辑的数据库、规则库和知识库的设计与构造。

集成颜色特征和统计特征的极化合成孔径雷达图像城区分类框架（英文）

针对城区分类,利用颜色特征构造一个新颖的无监督的分类框架.首先,基于最近提出的极化合成孔径雷达(PolSAR)数据的四分量分解模型,计算了常用的颜色空间:YUV,RGB,HSI和CIELab,通过引入颜色熵量化的选择颜色特征;然后,联合纹理特征和扩展的散射功率熵,用自适应的均值漂移算法分割PolSAR图像;最后,根据基于G0分布的距离测度合并聚簇为较为匀质的地物类别.通过L波段AIRSAR数据和C波段Radarsat-2的PolSAR数据验证了提出算法的有效性,分类正确率表明,相比于已有的工作,提出的算法对于城区有较好的区分能力.

一种改进的自适应数字波束形成技术

智能天线技术是移动通信中的关键技术之一。在智能天线中需要确定估计阵元之间的组合权值以尽可能地抑制干扰,增大输出信号的信干噪比,提高系统的性能。本文充分利用DS-CDMA系统中信号波形的统计特性,给出一种新的估计算法,提高组合权值的求解精度,仿真结果证明了方法的有效性。