智能学习技术及其应用

本文按三种学习方式：有导师学习、无导师学习和加强学习的次序,分别概述了在这些学习方式下各种学习算法和学习系统中所采用的学习技术、方法及其应用。通过智能学习技术的研究使我们了解目前学习技术的主要研究内容、应用和发展方向。     

发飘球技术的仿真方法研究

提出了一个发飘球技术的仿真方法,讨论了不同发球条件的飘球轨迹及其攻击力,最优飘球轨迹,有效发球区,大飘移量发球区及其发球参数等问题的仿真实现。验证结果与实际一致,表明方法可行实用,可定量地分析比较不同发球条件对飘球轨迹及攻击力的影响,从理论上探讨大飘移量的发球方法。具有简便、灵活、准确、形象直观、预测性好等特点,是研究运用球缝方位发飘球技术的有效方法,可为排球训练提供有价值的研究结果     

投影AOR迭代求解双边障碍问题

研究了求解双边障碍问题的AOR迭代算法.证明由此算法产生的迭代序列至少存在一个聚点,该聚点是双边障碍问题的解,并且当矩阵为非退化对称矩阵时,该序列收敛到双边障碍问题的解.     

利用隐空间投影算法的模型自适应方法

为了降低语音识别系统中噪声的影响,提出一种利用隐空间投影算法的模型自适应方法。该方法利用状态间的相关性提取出反映码本和待识别语音共同特性的基矢量。由于语音与噪声是相互独立的,因此,当语音识别系统中有噪声存在时,认为不能用基矢量表示的那部分余量就是噪声。与本征音方法相比,该方法可以有效地降低噪声对语音识别系统的影响。该方法在提取基矢量时利用了自适应数据,并且节省了存储空间。实验结果表明:该方法在噪声环境下相对于最大似然线性回归自适应方法有4~9百分点的提高,相对于最大后验概率和本征音方法有更大的提高。     

伪码引信抗欺骗干扰的互相关正交投影联合法

针对伪码引信中抗欺骗干扰的问题,提出了互相关与正交投影联合法.首先干扰作用下的伪码引信视频信号与伪码产生器产生信号进行互相关,通过门限检测法获得相关峰数目,若存在一个相关峰,不进行抗干扰处理,若存在两个相关峰,通过相关峰值检测估计干扰延时,利用该延时信息和伪码产生器产生信号获得正交投影矩阵,干扰通过正交投影被滤除.仿真分析发现该方法能有效滤除干扰,抗干扰后信号与理想回波信号基本吻合.     

基于近似投影的水平分层调度译码算法

基于交替方向乘子法(alternating direction method of multipliers, ADMM)的线性规划(liner programming, LP)译码模型因其不会出现错误平台和具有最大似然认证的优点,广受译码研究者的关注。目前大多数ADMM算法采用的是泛洪调度策略(flooding, FL),该算法存在译码收敛速度过慢的问题。基于水平分层调度的交替方向乘子法的低密度奇偶校验(low density parity check, LDPC)码译码算法能够加速译码收敛速度,然而目前水平分层调度算法中的投影算法采用的为精确投影算法,复杂度较高。针对该问题,将近似投影算法和水平分层调度算法结合,提出基于近似投影的ADMM水平分层调度译码算法以提高译码的性能。仿真实验表明,相比其他算法,本文提出的算法的译码性能可提升0.1～0.3 dB,迭代次数可降低19%～40%,平均译码时间可减少21%～65%。     

基于极小扩展原理的表现外延

给出因素空间中基于极小扩展原理的外延与表现外延,并研究表现外延的投影与柱体扩张的若干性质.     

基于改进3D-ESPRIT算法的GTD模型参数估计与目标识别

针对低信噪比条件下,传统的基于旋转不变技术的三维信号参数估计(three-dimensional estimating signal parameter via rotational invariance techniques,3D-ESPRIT)算法和平方前后向平滑的3D-ESPRIT(quadratic-forwa...     

投影寻踪模型在水资源工程方案优选中的应用

提出了水资源工程方案优选的投影寻踪(PP)模型的新方法。利用PP模型可把方案多维评价指标值综合成一维投影值,投影值越大表示该方案优选,根据投影值的大小就可对方案集进行优选。采用实码加速遗传算法进行PP建模,简化了投影寻踪技术的实现过程,克服了目前投影寻踪技术计算复杂、编程实现困难的缺点,为投影寻踪技术在水资源系统工程中的广泛应用提供了新的有力工具。应用实例的结果说明,直接由样本数据驱动的PP模型用于水资源工程方案优选简便可行,PP模型的投影值比较分散、易于决策,适用性和可操作性强,不需确定评价指标的权重,优选结果较为客观。     

谱方法的广义Hermite逼近

将古典的Hermite多项式推广到广义的形式,并讨论了利用广义的Hermite多项式作为基函数的谱方法的逼近性质.跟古典的Hermite多项式相比,广义的Hermite多项式有更好的逼近性质,而且能够更广泛地适应各种不同的问题.另外还讨论了广义的Hermite函数逼近.