基于平滑采样和改进损失的不平衡文本分类

在不平衡数据下,文本分类模型容易把样本数量较少的类别错分成数量较多的类别。在采样层面上提出一种平滑采样方法,在损失函数层面上根据不平衡分布改进交叉熵损失和标签平滑。复旦文本数据集上的实验表明,每种层面的改进都较基准模型有一定提高。当结合使用采样和损失函数的改进时,TextCNN、BiLSTM+Attention、TextRCNN和HAN模型在宏平均F_(1)值上分别提高4.17%、5.13%、5.06%和6.21%,在G-mean上分别提高6.56%、3.03%、3.92%和5.32%,较好解决了不平衡数据下文本分类任务。

基于重采样平滑粒子滤波的检测前跟踪

针对基于序列重采样(SIR)粒子滤波的检测前跟踪(TBD)算法的不足,提出了重采样平滑(RS)算法以及简化的RS算法,并将其应用于常规雷达的TBD算法,得到基于序列重要性重采样平滑(SIRS)的TBD(SIRS-TBD)算法.仿真结果表明,RS算法可以有效地提高粒子的多样性,在雷达上应用SIRS-TBD算法可以实现对低可探测目标的检测和跟踪。

基于MEMS振动陀螺的旋翼无人机组合导航算法设计

旋翼无人机需要惯导提供准确的角速度和加速度测量信息,而由于无人机的振动会对陀螺输出噪声产生影响,进而影响无人机的飞行平稳性。因此,该文提出了一种面向旋翼无人机的组合导航算法,基于扩展卡尔曼滤波,结合全球导航卫星系统/惯性导航系统(GNSS/INS)组合导航算法和无地磁传感器的航姿参考系统算法,在一定程度上解决了GNSS失效情况下的姿态稳定问题。针对旋翼无人机对导航系统输出信息平稳性的要求,采用自适应陀螺采样平滑方法,在少量增加数据处理复杂度的前提下,降低了航姿和角速度信息的噪声,在无人机应用中实现了良好的飞行轨迹重复性和控制平稳性。

基于相位恢复原理的SAR振动目标成像方法

在SAR成像系统中,振动目标成像具有成对回波的多普勒特征,不利于振动目标的检测和识别。提出一种基于相位恢复原理的振动目标聚焦成像方法。首先基于条带式SAR成像模式建立了振动目标空间几何模型,理论推导了将相位恢复原理应用到SAR振动目标成像的可能性;然后以振动目标回波数据和支撑域信息作为过采样平滑算法(OSS)的先验信息,通过改变平滑滤波器的参数,调整滤波器的带宽,以减少支撑域外部信息对振动目标的干扰,同时通过减少支撑域,提高迭代算法的收敛性,消除振动目标成对回波,最终得到聚焦的高分辨率振动目标图像。仿真和实验结果证明所提方法的有效性。

混合估计多模粒子滤波的机动弱目标检测前跟踪算法

针对低信噪比条件下的机动小目标实时检测与跟踪困难的问题,提出一种基于混合估计多模粒子滤波的检测前跟踪改进算法.首先根据前一时刻所采用的模型状态及其转移概率等先验信息实现当前时刻的模型采样;然后在充分考虑当前量测下实现当前的粒子预测,采用一种序贯重要性平滑重采样策略,在不增加计算量的前提下,改善了粒子多样性衰退的问题;最后通过新的粒子集完成对模型和状态的合理估计与目标检测.仿真结果验证了该方法的检测与跟踪性能优于传统的多模粒子滤波方法.