多隐层输出矩阵极限学习机

得益于隐层节点学习参数的随机选择,极限学习机（extreme learning machine, ELM）在学习速度极快的基础上,可以达到较为良好的分类性能。但是,当隐层节点参数完全随机选择时,ELM的性能并不总能达到最优。本文提出多隐层输出矩阵极限学习机（multiple hidden layer output matrices extreme learning machine, M-ELM）方法解决这一问题,该方法通过对不同输出矩阵加权运算以优化隐层节点结构,其中权系数与输出权值在学习过程中同时分析确定。另外,利用该方法可以实现特征级融合ELM。实验证明,对于真实分类问题,M-ELM可以提供比ELM更为准确的分类结果。     

河南棉花新品种数量性状的典型相关和通径分析

通过对河南省2006年春棉品种区试10个品种的产量、植株及纤维品质性状组的典型相关与通径分析得出：选择生育期短、株高中等偏高、果枝节位低、果枝台数多的性状,有利于增加株铃,提高铃质量,并能间接增进主要纤维品质,确为选育高产优质棉花新品种的有效途径。但在选择结铃性强的植株性状时,应防止降低铃质量。从性状相关性间接选择对衣分无效,应通过室内考种择优选取。表11,参11。     

应用因子及聚类分析研究春棉数量性状及品种分类

对参加全国2005年春棉区试(A组)的13个品种,包括植株、产量和纤维品质共22个数量性状进行因子分析结果表明,前6个公因子对所考察性状变异的累计方差贡献率达89.24%,反映了所考查性状的绝大部分变异信息,根据各品种在各公因子上的得分值,将13个供试品种从产量和品质的差异聚为5大类。图1,表4,参8。     

棉花新品种产量性状与品质性状的典型相关与主成分分析

产量性状与品质性状的典型相关分析结果表明，棉花新品种要在产量上有所突破，应重点选择结铃性强的材料，不仅可同步提高单铃子棉重、手指和衷分，还会间接增加纤维长度与强度，但应注意防止熹克隆值的增大，使纤维变粗。主成分分析结果，前4个主成分的方差累计贡献率达86．79％，根据各品种主成分的综合得分，对各参试品种进行综合评价，排名前3位的品种依次为同舟棉2号、百棉1号和锦科791。在每个品种相应于4个主成分得分的基础上进行聚类分析，从产量和品质的相似度上将13个品种聚为3大类。图1，表7，参8。     

基于方向性S变换的多分量FM信号瞬时频率估计

针对复杂多分量调频信号的瞬时频率估计问题,提出一种基于方向性S变换的瞬时频率估计方法。首先,在S变换中引入变趋势窗,有效改善了高频区的频率分辨率;其次,提出了方向性S变换,该变换在引入方向性参数的基础上,利用最大化准则实现了复杂调频信号的时频方向匹配;最后,由于传统时频脊线及相应的均方根误差准则无法适用于多分量信号瞬时频率估计的性能评估,提出一种基于支撑域的置信度准则。仿真实验通过线性与非线性的多分量混合调频信号证明了该方法的有效性。     

基于自适应抽取STFT的混合DS/FH扩频信号参数估计

针对混合DS/FH扩频信号的参数估计问题,提出了一种基于自适应抽取的STFT信号分析方法。该方法利用STFT的信道化实现,采用抽取处理实现自适应窗长时频分析,有效地解决了窗长变化带来的数据量问题,易于通信侦测接收机实现。仿真实验以BPSK_DS/FH信号为例,表明了该估计方法的有效性。