基于自动删除算法的最小选择恒虚警检测器

将自动删除算法和最小选择方法相结合,提出了一种在强干扰目标背景下基于自动删除算法的最小选择恒虚警检测方法.分析了自动删除算法的性能,推导了该方法的平均虚警概率,平均检测概率的解析表达式.该检测方法的排序时间只有自动删除均值检测器的一半,而通过计算机仿真显示在多目标环境中,当强干扰目标较多时,该检测方法优于自动删除均值检测器.

一种基于最小选择度优先的多敏感属性个性化l-多样性算法

数据发布中的隐私保护技术一直是数据挖掘与信息安全领域关注的重要问题.目前大部分的研究都仅限于单敏感属性的隐私保护技术,而现实生活中存在着大量包含多敏感属性的数据信息.同时,随着个性需求的不断提出,隐私保护中的个性化服务越来越受研究者的关注.为了扩展单敏感属性数据的隐私保护技术以及满足个性化服务的需求问题,研究了数据发布过程中面向多敏感属性的个性化隐私保护方法.在单敏感属性l-多样性原则的基础上,引入基于值域等级划分的个性化定制方案,定义了多敏感属性个性化l-多样性模型,并提出了一种基于最小选择度优先的多敏感属性个性化l-多样性算法.实验结果表明:该方法不仅可以满足隐私个性化的需求,而且能有效地保护数据的隐私,减少信息的隐匿率,保证发布数据的可用性.

最小选择恒虚警检测器的统一模型——TMSO

本文基于剔除平均（ＴＭ）提出了一种新的恒虚警检测器ＴＭＳＯ，它的前、后沿滑窗均采用剔除平均进行局部估计，再选择两者之中的最小值作为检测器对杂波功率水平的估计，去设置自适应检测门限，并应用了文献［３］提出的自动筛选技术。这样一来，ＳＯ、ＧＯＳＳＯ或ＯＳＳＯ可看作是它的特例。

广义最小选择恒虚警算法的性能分析

为了改善OSSO或GOSSO方法的性能,该文基于加权线性组合的有序统计量提出了广义最小选择(GSO)恒虚警检测器,文中讨论了线性组合有序统计量加权系数的选择与检测器性能的关系,在GSO特殊加权系数场合,提出了QBWSO、TMSO,CMSO三种性能较为优良的检测器。分析结果表明,TMSO和QBWSO在均匀背景及多目标环境中的性能均比OSSO的性能获得了改善,QBWSO在均匀背景中的性能比TMSO的略强;在均匀背景中,SO的性能最好。

混响背景下基于自动删除算法的最小选择恒虚警检测器

针对Barnard等人提出的非高斯混响背景下的恒虚警检测器在非均匀环境中性能下降的缺点,将基于自动删除算法的最小选择恒虚警检测方法运用于其检测器结构中,提出了非高斯混响背景下基于自动删除算法的最小选择恒虚警检测器.该方法可以自动删除参考单元中的干扰点,从而可以克服Barnard等人提出的方法存在的缺点.推导出了该检测器的平均虚警概率和平均检测概率.最后通过对仿真数据和试验数据的处理结果验证了该检测器的优越性.

集值映射的最小选择与应用

该文利用Banach空间几何理论研究了集值映射最小选择的连续性,给出了若干与空间几何性质相关的连续性定理,并利用所得结果讨论了满线性算子最小右逆的连续性问题.

最小绝对收缩和选择算子回归筛选急性缺血性脑卒中溶栓患者症状性脑内出血预测因素分析

目的探讨基于最小绝对收缩和选择算子(LASSO)回归筛选急性缺血性脑卒中溶栓患者症状性脑内出血(sICH)发生的预测因素。方法选取2019年6月至2022年6月于鄂州市中心医院收治的428例急性缺血性脑卒中患者作为研究对象,静脉溶栓后24 h采用CT观察脑内出血情况,根据有无sICH分为sICH组36例和无sICH组392例。记录两组人口社会学资料、溶栓前实验室检查资料、影像学相关资料,采用LASSO回归分析筛选变量初步筛选重要预测因素,将非零回归系数的变量纳入多因素Logistic回归分析,确定影响急性缺血性脑卒中溶栓后发生sICH的独立预测因素。结果36例(8.41%)患者在溶栓后24 h内出现sICH归为sICH组,其余392例(91.59%)未出现sICH归为无sICH组。两组患者发病至溶栓时间、糖尿病、心房颤动、入院时美国国立卫生研究院卒中量表(NIHSS)评分、入院时血糖、C反应蛋白、CT显示大动脉高密度征象比较差异有统计学意义(t/χ^(2)=2.163、3.911、4.092、3.087、3.156、3.937、8.553,均P<0.05);LASSO回归算法共筛选出入院NIHSS评分、入院时血糖、C反应蛋白、大动脉高密度征象4个具有非零系数的显著相关指标;进一步多因素Logistic回归分析显示:入院NIHSS评分、入院时血糖、C反应蛋白、大动脉高密度征象为急性缺血性脑卒中溶栓后sICH的危险因素[OR(95%CI)=1.123(1.029~1.226)、1.391(1.086~1.781)、1.901(1.362~2.652)、3.112(1.364~7.104),均P<0.05];ROC曲线显示,基于LASSO-Logistic构建的模型预测急性缺血性脑卒中溶栓后sICH发生的AUC为0.802(95%CI=0.722~0.882),特异度为61.20%,敏感度为88.90%。结论基于LASSO回归筛选出的入院NIHSS评分、入院时血糖水平、C反应蛋白、大动脉高密度征象为急性缺血性脑卒中溶栓后sICH的预测因素。

对Aubin与Frankowska关于闭凸集值映射最小选择的一个结果的讨论

本文对Ｊ．－Ｐ．Ａｕｂｉｎ与Ｈ．Ｆｒａｎｋｏｗｓｋａ最近关于自反严格凸Ｂａｎａｃｈ空间中闭凸集值映射最小选择连续的一个结果加以讨论，首先在比自反性较强的一类空间中讨论了在弱于Ｊ·－Ｐ．Ａｕｂｉｎ与Ｈ．Ｆｒａｎｋｏｗｓｋａ的条件下闭凸集值映射最小选择的连续性，其次对Ｊ．－Ｐ．Ａｕｂｉｎ与Ｈ．Ｆｒａｎｋｏｗｓｋａ的结果给出一个新的简单证明，最后用反例说明本文给出的条件与Ｊ·－Ｐ·Ａｕｂｉｎ与Ｈ．Ｆｒａｎｋｏｗｓｋａ条件都是充分而不必要的。

基于最小电流选择的运算放大器设计

设计了一种工作电压为3V恒跨导满幅CMOS运算放大器,针对轨对轨输入级中存在的跨导不恒定和简单AB类输出级性能偏差这2个问题,提出了利用最小电流选择电路来稳定输入级的总跨导;浮动电流源控制的无截止前馈AB类输出级实现了运放的满幅输出,同时减小了交越失真。该电路通过HSpice进行仿真验证,在0～3V输入共模范围内,输入级跨导的变化小于3.3%,开环增益为93dB,单位增益带宽为8MHz,相位裕量为66°。

选择性最小平方拟合法用于压力支持通气呼吸力学参数的测定

目的探讨选择性最小平方拟合法(SLSF)用于测定压力支持通气(PSV)病人呼吸力学参数的可能性及其效率。方法12例机械通气病人,将PSV水平调节到大于或等于20cmH2O通气15min达到"接近松弛"状态。通过插入食管囊管监测食管压(Pes)以及通过揿按呼气末暂停键的方法测定气道阻断压(P0.1)判断"接近松弛"状态。以经典方法在镇静和容量控制通气的状态下测定静态呼吸系统弹性(Est)和阻力(Raw)值。分别以SLSF法和非选择性最小平方拟合法(NSLSF)分析"接近松弛"状态时的气道压力(Paw)、流量(V′)和容积(V)数据,得到呼吸系统阻力(Rrs)和弹性(Ers)值。分别比较SLSF法与NSLSF法得到的Rrs和Ers值的变异系数、与经典方法测得Raw和Est值之间的差值及其拟合效率指标根均方差(RMSD)和决定系数(R2)的大小。结果SLSF法所得之Rrs和Ers值的变异系数小于NSLSF法,差异有显著性(P<0.05)。SLSF法所得之Rrs和Ers值与Raw和Est值之间的平均差值小于NSLSF法,差异均有显著性(P<0.05)。SLSF法所得之RMSD值小于NSLSF法,SLSF法所得之R2值大于NSLSF法,差异均有显著性(P<0.05)。结论当应用于较高PSV水平通气时,SLSF法的拟合效率比NSLSF法高,SLSF法所得之Rrs和Ers值较NSLSF法所得之Rrs和Ers值可靠性与稳定性好。与NSLSF法相比,SLSF法更适合于拟合PSV通气"接近松弛"状态时的呼吸力学参数。

VANETs中的基于最小传输选择的局部机会路由

机会路由充分利用无线网络的广播特性,极大地提高单播吞吐量。然而,现有的机会路由依赖拓扑的全局信息,而且收集全局信息增加了系统开销,这将限制了机会路由在大型无线网络的应用。为此,提出基于最小传输选择MTS-B(minimum transmission selection)算法的局部机会路由LOR(localized opportunistic routing)协议,记为MTS-BLOR。提出的MTS-BLOR采用分布式最小传输选择算法MTS-B,并利用局部信息将网络拓扑划分小的邻近节点集CNS(close-node-set),拓宽了机会路由在大型的无线网络中的应用。由于无需使用全局动态信息,MTS-BLOR降低了系统开销,减少了系统复杂度。同时,分析了转发清单的全局优化与因开销受限的可扩展性之间的权衡。实验仿真表明,与ExOR(extremely opportunistic routing)、MORE(MAC-independent opportunistic routing protocol)相比,MTS-BLOR在时间复杂度、端到端传输时延和吞吐量方面得到明显的提升。

选择性与非选择性最小平方拟合法应用于压力支持通气时拟合效率的比较

目的比较选择性最小平方拟合法(SLSF)与非选择性最小平方拟合法(NSLSF)应用于压力支持通气(pres-sure support ventilation,PSV)时的拟合效率。方法12例机械通气病人,将PSV水平调节到大于或等于20 cm HO2通气15 m in达到“接近松弛”状态。分别以SLSF法和NSLSF法分析“接近松弛”状态时的气道压力(Paw)、流量(V')和容积(V)数据,比较SLSF法与NSLSF法拟合效率指标根均方差(RMSD)和决定系数(R2)的大小。结果SLSF法所得之RMSD值小于NSLSF法,SLSF法所得之R2值大于NSLSF法,差异均有显著性(P<0.05)。结论当应用于较高PSV水平通气时,SLSF法的拟合效率比NSLSF法高,SLSF法更适合于拟合PSV通气“接近松弛”状态时的呼吸力学参数。

一种基于最小区域选择的LDPC码迭代译码算法

提出一种基于最小区域选择的LDPC(low-density parity-check)码迭代译码算法(min-zone selection decoding algorithm,MZS decoding).MZS算法把最小区域选择和近似计算的思想结合起来,针对传统的置信度传递译码算法(belief propagation decoding algorithm,BP decoding)中的Q(x)函数提出了一种有效的简化处理方式,而这种简化处理只产生少许的性能损失.仿真结果证明,通过合理的参数设置,MZS算法几乎可以提供和BP算法同样优秀的性能.

基于最小路径选择度的电力通信网络路由优化策略研究

针对电力通信业务对服务质量和可靠性的要求越来越高,在软件定义网络的基础上提出了一种基于最小路径选择度的电力通信网络路由优化策略。将基于图形卷积网络的链路带宽占用率预测模型的预测结果与三角模算子相结合得到路径选择度,作为电力业务传输路径选择的依据,实现了电力通信网链路资源的动态分配。通过仿真与传统的路由优化策略进行丢包率、传输时延和链路带宽占用率等对比分析,验证该策略的优越性。仿真结果表明,该策略可以满足电力传输的要求,链路负载分配更加均匀,在丢包率、传输时延和链路带宽占用率方面均优于传统的路由优化策略。

基于最小绝对收缩与选择算子模型稀疏恢复的多目标检测

针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。

基于0.5um COMS工艺的最小电压选择器设计

在自适应电荷泵式LED驱动电路中,为了使LED驱动电路尽可能多的工作在高效的环境下,则需要接入一个对负载电压进行监测的最小电压选择器,来控制电荷泵的模式转换。本设计在Cadence平台下,采用CSMC0.5um COMS工艺,利用MOS管与三极管的电压电流特性实现了对四个输出通道上的最小电压选择。最后对该设计电路进行了仿真验证,结果表明该优化结构可精准的选择出各通道中的最小电压,可有效应用于自适应电荷泵LED驱动电路中。

一种改进的高光谱图像最小噪声波段选择方法

有效的波段选择方法可提高高光谱图像处理的速度和处理效果。为了进一步提升前向搜索的最小噪声波段选择算法的效率,提出了一种基于光谱形状相似性分析结合最小噪声准则的高光谱图像波段选择方法。通过虚拟维度方法估计聚类数范围,基于光谱角距离度量类内散度和类间散度定义聚类有效性指标,利用时间序列关键点提取准则对聚类后每类数据的平均光谱提取关键波段集,运用最小噪声波段选择方法从关键波段集中搜索最优波段子集。最后,通过RX方法对波段选择后的高光谱图像进行异常检测。实验结果表明,相比直接前向搜索的最小噪声波段选择方法,所提出的改进算法用于异常检测能进一步提高检测精度。

基于输出信噪比门限的自适应广义选择合并的性能分析

介绍了各种基于输出门限的GSC合并方式:MS-GSC、OT-GSC、MEC-GSC,并对其在独立同分布瑞利信道下的误码率、功耗、实现复杂度进行分析比较。这几种方案都继承了GSC低设备复杂度的特点。利用输出信噪比门限对整个系统的性能和功耗上进行了进一步的权衡。

基于多变量模式分析的飞行学员脑功能连接的识别研究

目的基于多变量模式分析(multivariate pattern analysis,MVPA)对飞行学员和健康的普通人的大脑功能连接进行有效识别。材料与方法采集了40名已经取得执照的飞行专业在校学生与39名地面专业在校学生的功能磁共振数据。通过网络功能连接分析得到功能连接矩阵作为特征,分别通过最小绝对收缩选择算子(least absolute shrinkage and selection operator,LASSO)算法与独立样本t检验方法对特征降维。使用不同核函数的支持向量机(support vector machine,SVM)进行训练和预测,使用留一交叉验证法进行模型性能评估,最终根据训练后SVM模型中的权重定位对应脑区之间的功能连接。结果使用LASSO特征筛选的线性(linear)核SVM模型准确率为81.82%,敏感度82.05%,特异度81.58%,曲线下面积(area under the curve,AUC)为0.88。核函数对模型准确率的影响不大。模型中右侧中央旁小叶、双侧中央后回、双侧顶下缘角回、右侧梭状回、左侧眶部额中回、左侧顶上回、右侧眶部额下回有较高的权重,模型中的权重集中在感觉运动网络(somatomotor network,SMN)与默认模式网络(default mode network,DMN),分别占用所有权重的25.62%和25.27%。结论结合LASSO算法进行特征筛选的SVM可以对飞行学员大脑进行有效识别,并且有更好的可解释性和更小的过拟合。模型权重信息反映了飞行学员主要在运动能力和感知能力有别于普通人。