基于支持矢量机和循环累积量的调制识别算法

利用通信信号的循环平稳特性,在循环累积量域内构造信号分类特征矢量,采用支持矢量机将分类特征矢量映射到高维空间并构建最优分类超平面,实现对QAM调制信号的自动识别。该算法解决了样本在低维空间中的不可分问题,具有良好的泛化推广性能,并且可在多种调制信号环境下实现对感兴趣信号类型的识别。理论分析和仿真结果均证明了算法的正确性和有效性。     

一种高速多维报文分类算法

报文分类作为一种核心技术,在消息处理,内容过滤,Web信息检索和支持QoS的路由器等领域有重要应用。RFC算法是目前具有代表性的一种报文分类算法,具有匹配速度快,占用内存少、支持范围匹配等优点,但是它不能处理具有变长字符串域。结合多模式匹配算法的思想,对RFC算法进行了有益扩充,使新算法能够根据变长字符串域进行分类。试验结果表明,改进的算法在有效扩展KFC算法的适用范围的基础上,仍具有良好的性能。     

最小二乘支持向量机分类器的高稀疏化及应用

为减少训练完毕之后的最小二乘支持向量机的分类计算量,借鉴神经网络的快速剪枝策略,提出了一种新的稀疏化算法:HS-LSSVM。它在主成分分析基础上,筛选出样本子集作为支持向量,它们既包含较多核函数矩阵信息,又相互独立性强,具有较好的代表性。算法将其余个体的信息转移至支持向量上,在实现高度稀疏化的同时,良好地保持了LSSVM的分类性能,并能适用于多类问题。对多个分类问题的测试表明,HS-LSS-VM具有稀疏率高,分类性能强,且稀疏化速度较快等优点。     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.     

具备有限维修能力的舰船编队保障方案优化

以舰船编队维修保障资源优化为研究背景,在VARI-METRIC理论基础上,拓展了“无限维修总体”的假设条件,根据M/M/c排队论,建立了有限维修能力约束下的舰船装备可用度评估模型。以保障费用为优化目标,在装备可用度指标约束下,采用边际优化算法,对出航前舰船编队维修保障资源进行综合优化。通过任务想定,给出了优化结果,并对其进行了分析,结果较为合理。研究结论能够为装备保障管理人员制定保障方案提供决策支持。     

能力本位 理实一体 探索维修电工教学效果新突破

在明确课程目标的前提下,阐述了在课程教学中如何体现能力本位、如何通过采取理实一体化的教学方法,来实现维修电工课程在培养学生技能、素质、心理等方面的新突破。     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

浅论气象术语标准研制的问题与对策

为避免气象术语中出现循环定义、定义不协调、定义与术语不匹配、定义重复术语名称或使用代词等问题,运用术语学原理分析,提出研制术语时要注意“语料收集、定义研制、术语分类、辨析关系”的对策建议,这对提高术语研制质量,增强表达交流效果,完善气象标准体系具有重要作用。     

Species of the genera Bakera and Mangganeura (Homoptera: Auchenorrhyncha: Typhlocybinae) occurring on mango and other crop plants in the Oriental region

The genera Bakera (Bakera), Bakera (Guinobata) and Mangganeura (Homoptera: Auchenorrhyncha: Typhlocybinae) are re-described and compared. Sandalla is considered a synonym of Bakera (Guinobata) (syn. nov.).

Bakera (Bakera) nigrobilineata (Melichar) (=vittata Mahmood) is redescribed and illustrated from mango in the Philippines, on which it is frequently abundant, and found in association with Bakera (Bakera) luzonica sp. nov. which is described. Bakera (Bakera) abaca sp. nov. is described from the Philippines having been collected on abaca (Manila hemp). Bakera (Guinobata) nigroscuta Mahmood is redescribed from the Philippines and its association with coconut confirmed. Mangganeura reticulata Ghauri, described from Malaysia on mango, has been found in Thailand and the hitherto unknown female is described.     

基于共形阵的角度和极化信息联合估计算法

针对复杂载体上共形阵列存在多极化接收和遮挡效应的问题,本文提出一种基于方向图矩阵重构导向矢量的改进极化多重信号分类(multiple signal classification, MUSIC)算法。首先对共形天线阵列进行建模,在获取各个阵元的方位和俯仰分量方向图数据后,将方向图数据分解并重构阵列的导向矢量矩阵,最后结合极化MUSIC算法进行波达方向(direction of arrival, DOA)和极化参数联合估计。相对于理论导向矢量的极化MUSIC算法,本文所提改进算法在解决了遮挡效应的同时具有更高的估计精度,并可有效降低运算量。仿真实验结果验证了这一结论。