衰落信道中等增益分集用于调制分类

针对在Rayleigh和Rician慢衰落信道下的QAM信号的调制分类问题,提出一种新的基于等增益分集的调制分类算法。给出等增益分集用于调制分类的模型,对合并器输出信号的归一化四阶累积量进行估计作为分类特征,并推导了用于判决的等增益合并器输出信号的四阶累积量理论值。计算复杂度仅为N阶(N为样本个数),数值仿真实验结果以及与已有方法的比较证明了理论分析的正确性和算法的实用性。     

一株高产抗菌活性物质链霉菌的初步分类鉴定

对一株土壤中筛选出的可以产抗菌活性物质的链霉菌进行了研究,测定了该菌的抗菌谱,发现该菌株对多种植物病原性真菌及细菌有拮抗作用,但对植物病原性真菌的抑制效果低于植物病原性细菌.通过形态特征、培养特征、生理生化特性及抑菌谱等系列比较,发现该链霉菌菌株与链霉菌属的黑胡桃链霉菌(Streptomyces nogalater)的特征基本相符;通过16S?rDNA序列比对,发现该菌株16S?rDNA与黑胡桃链霉菌的16S?rDNA同源性达99％.根据多项分类原则和系统进化树的构建分析,将该菌株暂归入黑胡桃链霉菌类.     

局部核方法及其应用

核方法是机器学习中一种强有力的学习算法.多个领域的实践表明,通过将领域知识嵌入到核函数中,一般会得到比较好的学习效果. 从微分流形的观点讨论了机器学习中全局信息与局部信息的关系,并提出了一种嵌入局部有意义信息的核方法.文本分类的实验结果表明,与其它几个分类算法相比,它具有较高的性能.     

基于主题突变检测的颠覆性技术识别——以无人机技术领域为例

颠覆性技术对实现中国科技创新跨越式发展具有重要战略意义。以无人机技术领域为例,获取Web of Science论文数据库和德温特(Derwent)专利数据库2005—2019年收录的2812篇论文与专利数据,基于LDA-LSTM文本分类算法得到技术主题,采用CiteSpace构建共现网络,从突变权重排序及突变时间段和突变共词聚类知识图谱2个角度进行主题突变检测,进而识别出无人机交互技术中的脑机接口技术及手势控制技术为该领域内的颠覆性技术,通过2020年无人机技术领域相关论文专利验证了识别框架的有效性。     

基于多目标蜂群算法的数据分类方法

为了保证运算时效的同时,提高复杂数据的分类精度,提出了基于多目标蜂群算法和极限学习机的数据分类算法。该方法以最小的特征个数和最高的分类精度为优化目标,利用改进的多目标蜂群算法对数据的特征个数和分类器参数进行寻优,针对多个有代表性的数据集进行仿真,结果表明所提出方法的有效性。     

一类3-正则图完美对集的计数

图的完美对集计数理论是图论研究的重要内容之一,此问题的研究具有很强的计算机科学、物理学和化学的应用背景,是一个有生机和活力的研究领域,也是快速发展的组合数学理论中许多重要思想的源泉.构造了一类3-正则新图2-3-nC₆,用嵌套递推的方法,得到了图2-3-nC₆的完美对集数的一个递推关系,再解出这个递推式的通解,从而得到了这个图的完美对集数计算公式.最后又给出这个图完美对集数计算公式的一个组合证明.     

论看守所管理体制改革——以比例原则为视角

比例原则是现代公法学中的“帝王条款”,比例原则应贯穿于看守所管理的整个过程,针对目前看守所管理中存在的有违比例原则的现象,建立看守所管理的分级管理和处遏制度是十分必要的,本文试图从比例原则的角度探讨看守所管理改革的若干思路.     

基于卷积神经网络和稀疏滤波的调制识别方法

针对当前通信系统所采用的主要调制方式,提出了一种基于卷积神经网络和稀疏滤波的调制识别方法。首先,分析了利用信号循环谱二维灰度图进行通信信号调制识别的可行性;然后,通过降采样和裁剪技术对循环谱图预处理;最后,设计了深度卷积神经网络架构,并提出了稀疏滤波预训练的方法。仿真结果表明:相比于经典的基于深度学习的调制识别方法,该方法模型简单,优化量少,且在小样本场景下性能最佳,具有很高应用价值。     

音乐推荐系统中的用户冷启动问题

利用新用户使用音乐时的上下文环境信息来解决冷启动问题.当用户播放音乐时，提取用户当时场景的时间、天气、状态等信息，利用这些信息构建决策树分类模型.当新用户使用音乐推荐系统时，提取当前情景的上下文信息，根据决策树分支和上下文信息判断新用户的兴趣，向新用户推荐音乐.实验结果表明，当采用上下文相关音乐推荐算法，推荐数目不超过6项时，新用户对推荐结果的满意度超过TopN算法.     

基于小波变换和支持向量机的心电信号ST段分类

摘要: 为完成ECG(Electrocardiogram)信号特征点提取, 并对ST 段分类, 提出了一种基于离散小波变换和支持向量机的ST 分类算法。首先对信号进行预处理, 完成噪声消除, QRS 波群检测和提取特征值; 然后计算ST段平均值、曲线面积和标准差, 并结合使用SVM(Support Vector Machine)对ST段进行分类。Matlab 仿真结果表
明, 小波去噪效果明显,ST 段未出现失真现象, 特征点提取完整。经MIT鄄BIT 数据库验证, 分类结果显示交叉验证准确率平均值为80. 70%, 训练准确率平均值为91. 83%, 测试准确率平均值为74. 28%。