针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据...针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据进行分类时,该方法构造的分类器在预测精度和运行时间上均有较大幅度的提升。展开更多
基于射频指纹(Radio Frequency Fingerprint,RFF)的物理层安全技术可以有效解决无线设备的安全接入问题,而特征提取作为射频指纹识别过程中的关键步骤,如何降低样本维度、减少测试训练时间、保证分类识别率是其研究的重要内容。针对上...基于射频指纹(Radio Frequency Fingerprint,RFF)的物理层安全技术可以有效解决无线设备的安全接入问题,而特征提取作为射频指纹识别过程中的关键步骤,如何降低样本维度、减少测试训练时间、保证分类识别率是其研究的重要内容。针对上述问题,提出了基于射频发射信号提取小波系数,通过Relief F算法和PCA算法,将信号维数降低到原来的29%,在能够保证SVM分类精度的情况下,有效减少了数据维度和时间消耗,同时降低了运算复杂度,适合运用在轻量级识别认证的终端环境。展开更多
文摘针对高维数据集,文中提出一种PREP(PCA-Relief F for EP)算法:首先采用PCA和Relief F算法实现特征降维;然后利用EP模式思想,构造精度更高、规模更小的EP模式分类器;最后利用标准数据集对文中的方法进行测试。实验结果表明,在对高维数据进行分类时,该方法构造的分类器在预测精度和运行时间上均有较大幅度的提升。
文摘基于射频指纹(Radio Frequency Fingerprint,RFF)的物理层安全技术可以有效解决无线设备的安全接入问题,而特征提取作为射频指纹识别过程中的关键步骤,如何降低样本维度、减少测试训练时间、保证分类识别率是其研究的重要内容。针对上述问题,提出了基于射频发射信号提取小波系数,通过Relief F算法和PCA算法,将信号维数降低到原来的29%,在能够保证SVM分类精度的情况下,有效减少了数据维度和时间消耗,同时降低了运算复杂度,适合运用在轻量级识别认证的终端环境。