基于EMD和小波去噪处理的信号瞬时参数提取

本文提出用小波去噪后再运用经验模式分解(EMD)和希尔伯特变换方法提取信号瞬时特征。该方法克服了直接运用EMD分解方法由大量噪声带来的不必要的干扰,减少了EMD存在的边界效应和分解层数,提高参数提取的准确性和时效性,使算法在信号瞬时特征提取中更具有应用和研究前景。

基于粒度计算和覆盖算法的信号样式识别

文章提出应用粒度计算和神经网络覆盖算法对通信信号的调制样式进行识别。采用数字信号处理方法,从已调信号中提取信号关键特征以及它们的统计值作为样本特征集。根据不同调制信号的特点,粗粒度处理训练样本形成新的学习样本并以此构造一个覆盖神经网络。然后利用得到的覆盖领域,进行样本识别。对粗粒度类别样本利用样本的关键属性进行投影区分。通过大量的仿真数据验证,此方法对通信信号样式识别取得了很好的效果。

商空间粒度计算理论在数据库和数据仓库中应用

商空间理论是研究不同粒度世界的一种新的数学工具。它用三元组(X,f,Т)描述一个问题,其中X表示问题的论域,f(·)是论域属性,Т是论域的结构。通过分析求解问题(X,f,Т),对论域X及其有关的结构、属性进行深入分析和研究,从而完成不同粒度世界的描述,并有着完整的理论基础。该文首次将商空间粒度理论应用于对数据仓库中数据进行了粒度分析,取得了很好的确定结果。

基于粗糙集理论和覆盖算法的模式分类方法

1.引言 模式分类是模式识别和人工智能研究最基本也是最重要的课题之一.现实世界事物纷繁复杂,尤其是海量数据库、互联网出现,这些信息的处理加工,对分类的要求更加迫切.

基于构造性覆盖算法的离群数据挖掘研究

本文提出一种通过构造覆盖领域进行离群点(outlier)挖掘的新方法。由于覆盖领域构造的特殊性,使得覆盖算法非常适合离群点的挖掘。在分析覆盖模型的基础上,给出了覆盖模型的离群点的定义和算法步骤。这样将复杂的离群点挖掘问题变成十分简单的覆盖领域样本分析问题,而且算法十分直观,并能很好地解释离群点的含义,同时适合对高维及海量数据的处理。本文给出实验例子,结果表明该方法是有效可行的。