根据总体最小二乘（total least squares，TLS）模型理论，提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型，并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解。实验结果表明，扩展的混合像元分解模型明显...根据总体最小二乘（total least squares，TLS）模型理论，提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型，并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解。实验结果表明，扩展的混合像元分解模型明显优于传统的最小二乘分解模型，总体精度大约提高了10％～20％。展开更多
针对采用最小均方误差(minimum mean square error,MMSE)检测算法在MIMO系统接收端进行检测时,需要进行大量伪逆运算导致检测复杂度增加的问题,提出了用一种基于迭代QR分解的MMSE V-BLAST算法,避免了伪逆运算,有效地降低了检测算法的复...针对采用最小均方误差(minimum mean square error,MMSE)检测算法在MIMO系统接收端进行检测时,需要进行大量伪逆运算导致检测复杂度增加的问题,提出了用一种基于迭代QR分解的MMSE V-BLAST算法,避免了伪逆运算,有效地降低了检测算法的复杂度,使系统检测性能得到了明显改善.在多散射物无线通信环境下进行仿真实验,结果表明,与传统的算法相比,提案算法在保证相同信噪比,误码率没有显著变化的前提下,系统检测复杂度明显改善.理论分析证明,系统中有效天线数目越多,所提出的算法优越性越明显.展开更多
流形学习可以用于发现大型高维数据集的内在结构,并给出理解该数据集的潜在方式,已被视为一种有效的非线性降维方法 .近年来,新数据点不断地从数据流中产生,将改变已有数据点及其邻域点的坐标,传统流形学习算法不能有效地用于寻找高维...流形学习可以用于发现大型高维数据集的内在结构,并给出理解该数据集的潜在方式,已被视为一种有效的非线性降维方法 .近年来,新数据点不断地从数据流中产生,将改变已有数据点及其邻域点的坐标,传统流形学习算法不能有效地用于寻找高维数据流的内在信息.为了解决该问题,本文提出了一种基于迭代分解的增量流形学习算法IMLID(Incremental Manifold Learning Algorithm Based on Iterative Decomposition),可以检测到数据流形中的逐步变化,校准逐渐变化中的流形,可提高在取样于真实世界的特征集上分类效果的精确率,利用真实数据集进行实验验证,结果表明本文提出的算法是有效的,与其他相关算法相比,其性能具有优势,在模式识别、生物信息等领域具有应用价值.展开更多
文摘根据总体最小二乘（total least squares，TLS）模型理论，提出了一种影像端元光谱可受噪声污染的混合光谱线性扩展模型，并实现了该模型的端元光谱自动迭代提取以及混合像元的限定性分解。实验结果表明，扩展的混合像元分解模型明显优于传统的最小二乘分解模型，总体精度大约提高了10％～20％。
文摘针对采用最小均方误差(minimum mean square error,MMSE)检测算法在MIMO系统接收端进行检测时,需要进行大量伪逆运算导致检测复杂度增加的问题,提出了用一种基于迭代QR分解的MMSE V-BLAST算法,避免了伪逆运算,有效地降低了检测算法的复杂度,使系统检测性能得到了明显改善.在多散射物无线通信环境下进行仿真实验,结果表明,与传统的算法相比,提案算法在保证相同信噪比,误码率没有显著变化的前提下,系统检测复杂度明显改善.理论分析证明,系统中有效天线数目越多,所提出的算法优越性越明显.
文摘流形学习可以用于发现大型高维数据集的内在结构,并给出理解该数据集的潜在方式,已被视为一种有效的非线性降维方法 .近年来,新数据点不断地从数据流中产生,将改变已有数据点及其邻域点的坐标,传统流形学习算法不能有效地用于寻找高维数据流的内在信息.为了解决该问题,本文提出了一种基于迭代分解的增量流形学习算法IMLID(Incremental Manifold Learning Algorithm Based on Iterative Decomposition),可以检测到数据流形中的逐步变化,校准逐渐变化中的流形,可提高在取样于真实世界的特征集上分类效果的精确率,利用真实数据集进行实验验证,结果表明本文提出的算法是有效的,与其他相关算法相比,其性能具有优势,在模式识别、生物信息等领域具有应用价值.
