一种变基宽径向基神经网络的大数据集分类方法

为了提高径向基神经网络模型的分类精度和缩短收敛时间,提出了一种变基宽神经网络模型的构建算法,这种方法是在减聚类算法和K-means算法确定聚类中心的基础上,选择样本与聚类中心距离的最大值作为σ,基宽σ的值随着聚类中心的优化而不断自适应地更新.采用该方法同多支持向量机的RBF模型聚类算法以及高斯函数RBF神经网络模型中定基宽算法对乳腺癌(breast cancer)、葡萄酒(wine)、元音(vowel)三个大数据集分类,从分类准确度和收敛时间两方面作对比.实验结果表明,该方法能提高大数据样本集的分类精度和收敛速度.

时宽-波形基联合捷变的LPD通信波形

为了提升通信信号的低检测概率(low probability of detection,LPD)性能,从降低通信波形各域能量聚敛性的角度,提出时宽-波形基联合捷变(joint agility of time width and waveform bases,JATW)的波形构架。基于此构架,以切普扩频(chirp spread spectrum,CSS)和正弦扩频(sinusoidal frequency spread spectrum,SFSS)为波形基,采用变时宽(varied of time width,VTW)参数配置方法,提出基于VTW-CSS/SFSS混合波形的LPD通信波形。采用数学推导辅以数值仿真分析的方法,分析所提出波形的各域能量聚敛特征。理论分析和数值仿真结果表明,相较于CSS和SFSS,所提波形的各域能量聚敛性明显较弱,JATW的波形构架有助于提升通信波形的LPD性能。