自步稀疏最优均值主成分分析

主成分分析(PCA)是一种无监督降维方法。然而现有的方法没有考虑样本的差异性,且不能联合地提取样本的重要信息,从而影响了方法的性能。针对以上问题,提出自步稀疏最优均值主成分分析方法。模型以L_(2,1)范数定义损失函数,同时用L_(2,1)范数约束投影矩阵作为正则化项,且将均值作为在迭代中优化的变量,这样可一致地选择重要特征,提高方法对异常值的鲁棒性;考虑到训练样本的差异性,利用自步学习机制实现训练样本由“简单”到“复杂”的学习过程,有效地降低异常值的影响。理论分析和实验结果表明,以上方法能更有效地降低异常值对分类精度的影响,提高分类精度。

基于服务质量的WiMAX前向兼容LTE上行调度算法

长期演进技术(LTE)可单向兼容全球微波互联接入技术(WiMAX),WiMAX到LTE的前向兼容却无法实现。为此,提出一种基于服务质量(QoS)的上行调度算法。通过为双方服务流提供多类映射规则,根据优先级对上行资源进行动态分配,满足类间不同链路的特定要求,确保同类内链路间的公平性。仿真结果表明,与经典的轮询算法相比,该算法在吞吐量和QoS方面有明显的优势,在超负荷情况下能够保持算法的健壮性,实现WiMAX到LTE的交互通信。