Go To English Version 超过100万源码资源,1000万源码文件免费下载
关键字:
  • 干扰信号识别.docx ... ,采用决策树法实现对上述干扰信号的识别,高斯白噪声信道,干噪比(JNR)为0~15dB,识别正确率大于95%。扩展部分:选择合适的特征参数,采用NN 或者SVM 机器学习实现对上述干扰信号的识别,高斯白噪声信道,干噪比(JNR)为0~15dB,识别正确率大于95%。 实验主要完成了三部分工作。 1. 通信 ...
  • 论文研究-改进粒子群算法在单体型重构问题中的应用.pdf 为了解决径向基网络(RBF NN)结构设计的随机性,进一步优化RBF网络性能,提出一种基于支持向量机(SVM)的径向基网络结构优化方法。通过训练得到的SVM确定径向基网络的隐层节点个数、隐层权值和阈值;同时利用SVM对输入向量进行特征变换,进一步对输入向量进行维数约简。通过齿轮箱的故障诊断实验表明,优化后的RBF网络具有更精简、稳定的网络结构,能得到更准确的诊断结果。
  • 论文研究-基于迁移学习的径向基函数神经网络学习.pdf 现实场景中存在很多小样本量数据集而且多有失真,传统神经网络在处理这类数据时泛化能力较差,不能达到预测数据或分类的目的。迁移学习可通过学习数据集A有用的知识对与其相关但不同正态分布的小样本数据集B进行辅助学习,因此提出了具有迁移学习能力的神经网络,以实现更好的分类或逼近效果。以基于ε-不敏感准则和结构风险的径向基神经网络(RBF)为基础构造了迁移径向基神经网络(T-RBF-NN)。通过加噪音数据集实验以及真实数据集实验验证加入迁移学习的神经网络在小样本情况下比传统神经网络具有更好的泛化性和鲁棒性。
  • 论文研究-组合核函数SVM在网络安全风险评估中的应用.pdf 针对传统的k-近邻(k-nn)方法的缺点,将聚类中的K均值和分类中的k近邻算法有机结合,提出了一种改进的k-nn快速分类算法。实验表明该算法在影响分类效果不大的情况下能达到快速分类的目的。
  • 论文研究--nn快速分类算法.pdf 针对时间序列数据,提出一种新的基于动态时间弯曲的下界技术,该技术首先基于分段聚集近似的线性表示对原始序列进行降维,同时生成查询序列的网格最小边界矩形近似表示,然后利用基于动态时间弯曲距离对两者下界距离度量。实验结果表明,该下界技术与以往相关技术相比,能够产生更大的下界距离,具有更强的紧凑度、裁剪搜索空间能力以及更短的运行时间,有利于时间序列数据挖掘。
  • 以最近相邻进行价格预测 - MetaTrader 5脚本.zip 本指标采用最近邻聚类技术, 也称为 k-NN, 搜索历史中最相似的模式, 并利用其过往价格为当前模式预测未来价格。
  • 论文研究-有监督S-kv-Isomap在入侵检测中的应用.pdf ... 与kv-Isomap算法,前者具有更好的可视化效果。在分类研究中比较了S-kv-Isomap、kv-Isomap、SVM和k-NN算法,实验结果表明,S-kv-Isomap方法在入侵检测中不仅保持较高的入侵检测率,而且误警率很低。
  • 论文研究-采用新邻居模型的多目标分解进化算法.pdf 在通常的基于分解的多目标进化算法中,繁殖计算时使用的解从基于子问题定义的邻居集合中选择,当目标函数存在多峰等复杂特征时,它们在决策空间的距离可能较远,这会导致算法性能变差。为了解决这一问题,提出了一种采用新邻居模型的多目标分解进化算法MOEA/D-NN。该算法重新设计了繁殖计算中使用的邻居模型,利用解在决策空间上的距离计算邻居,进而为每个子问题维护相应的邻居集合,在此基础上对邻居集合进行定时更新,实现了基于新邻居模型的繁殖计算。通过在公开测试集上的实验结果表明,提出的算法与几种经典的多目标进化算法 ...
  • 论文研究-一种基于菲涅耳变换的信息隐藏算法研究.pdf 为了提高网络传输信息的保密性能,提出了一种基于菲涅耳变换的隐藏算法,该算法将两幅尺寸同为[N×N]的可视隐藏信息进行菲涅尔变换,将变换得到的实部与虚部随机地加载于尺寸为[2N×2N]可视图像相应像素的邻近位置.考虑到可视图像像素的最大灰度值为255,采取特定方式对载体可视图像的灰度值进行了处理。该算法将信息的嵌入方式、光波长和衍射距离等信息作为密钥,安全性高,并且能够获得高质量的重建图像。实验证明该算法具有一定的实用性。
  • 论文研究-利用计算方法识别定义内含子保留的基因组特征.pdf 超过90%的人基因都存在选择性剪接。正确识别不同的选择性剪接模式对深刻理解基因剪接调控机制具有重要意义。内含子保留是一种较为常见的基因剪接模式。从基因组序列本身出发, 利用计算方法识别定义内含子保留的各种基因组特征,抽取统计意义上显著差异的特征,利用三种分类方法(SVM,NN,NB)对这些基因组特征进行了分类预测验证实验,保留内含子的平均预测精度达到70%,整体平均精度达到90%,取得了良好效果。研究方法也可应用于其他基因剪接模式的研究。