基于MLP神经网络的超宽带信号自适应识别算法的研究

提出一种利用人工神经网络进行超宽带信号调制模式自适应识别的方法。采用三层MLP神经网络进行调制模式识别。首先对超宽带数字调制信号进行统计特征参数提取,特征参数作为MLP网络的输入层神经元参数,隐含层是双层结构。实验证明,当中间层采用正切型激活函数、输出层采用线性激活函数时,MLP分类器的识别性能最好。在5 dB信噪比环境下,算法的正确识别率高于95%。与传统的统计判决方法相比,神经网络分类器不需要设定判决门限就能实现自适应识别,并且达到更好的识别率,解决了软件无线电系统中的超宽带信号自动识别的问题。     

熵损失下定数Progressive删失情形Weibull分布尺度参数的估计

在熵损失下得到了尺度参数的最小风险同变估计的精确形式, 并讨论了一类形如［cT_α+d］^-1的估计的容许性; 考虑形状参数的估计方法, 进一步给出了熵损失下定数渐进删失Weibull分布两参数都未知时尺度参数的估计.     

英汉动量结构语法化程度对比——以time(s)和“次”为例

从英汉对比的角度,研究time(s)和"次"的英汉动量结构语法化程度,并围绕语法化程度,研究了表量结构的语法化路径、语法化机制、认知解释等。从语义转变、结构转变研究英汉表量结构的语法化路径,试图探寻英汉语动量结构的共性和差异。     

基于径向基函数神经网络农田害虫分类器设计研究

为改变我国植物保护行业中的害虫测报依赖人工识别计数、效率低下的现状，本文将图像识别等技术应用于农田害虫的自动检测系统当中．提取了害虫图像的十多个原始特征，并压缩成7维送入模糊分类器进行了分类识别。实验结果表明：该系统能够对农田中危害严重的十类害虫进行较好的分类。     

模糊Bayes决策模型及其应用

Bayes决策是传统决策理论中一种应用性很强的决策方法。将模糊数学方法引入Bayes决策中，详细介绍了基于模糊数学与Bayes决策分析解决实际问题的步骤，有效的实现了模糊数学与Bayes决策分析的结合，并在实际应用中取得了良好的效果。     

Sugeno型模糊复值积分及其在分类器融合中的应用

给出的模糊复值积分、Sugeno型模糊复值积分概念,研究了其基本性质;将其作为一种新的算法应用于分类问题中,对应用中的细节问题进行研究,并用1个实例对其算法进行验证,结果显示该方法具有良好的分类效果。     

点得分平行坐标可视化分析方法

提出了一种多元数据的点得分平行坐标表示及可视化分析方法.该方法利用简单贝叶斯公式计算各属性值或属性值区间的频数和点得分,最后根据构建的点得分平行坐标即可进行数据集的可视化分析和未知样本的分类.将该方法应用到一个肝功异常数据集的结果表明,利用该图表示可以有力地揭示数据内在结构和发现知识,从而特别适合应用到疾病诊断等数据分析领域.     

有限区间[a,b]上混合泊松过程的统计推断问题

定义出一类新的计数模型———有限时间区间[a,b]上的混合泊松过程N(t)并给出其增量的性质,然后在一定的前提条件下给出了其强度Λ的Baye检验,最后在前面检验的基础上给出了Λ的Byes估计。     

K-means聚类神经网络分类器在睡眠脑电分期中的应用研究

利用近似熵的方法对睡眠EEG信号进行分期,但睡眠Ⅲ期和Ⅳ期近似熵值非常接近,靠近似熵值无法区分,对分期结果中的Ⅲ期和Ⅳ期EEG信号进行AR(自回归)建模,作为该段EEG信号的特征属性,利用K-means聚类的神经网络分类器对睡眠Ⅲ期和Ⅳ期进行分期,达到了很好的分期效果.     

一种加权对称损失函数下Rayleigh分布尺度参数倒数的Bayes估计

首先给出了在加权对称损失函数下Rayleigh分布尺度参数的Bayes估计的一般形式.然后在给出先验分布的条件下,给出了Bayes估计的精确形式.最后证明了此Bayes估计的可容许性.