用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法（RZA-LMS）,提出了一种应用于系统辨识的新型自适应滤波算法（ARZA-LMS）。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。     

基于核Logistic回归的乐器音乐辨识

基于统计学习的音频分类具有理论基础坚实,实现机制简单等特点受到广泛关注并被很多音频分类系统所采用。本文对核Logistic回归算法(KLR)进行了深入分析,提出基于KLR的音频分类器设计方法,应用其解决同类型的乐器音乐分类问题。结合所采集的小提琴中提琴和大提琴的音乐信号样本进行了分类仿真试验,并与传统的Logistic回归(LR)和支持向量机(SVM)进行对比。结果表明,核Logistic回归模型具有较为优越的分类性能和非线性处理能力。     

基于最小最大概率回归的混沌时间序列全局预测

提出了使用最大化最小概率机器回归MPMR方法进行混沌时间序列的全局预测,在分析最大化最小概率机器MPM及用于回归的原理的基础上,MPMR方法被用于Mackey-Glass混沌时间序列多步预测.在对该序列进行1至20步的预测中,MPMR方法较局步加权线性回归方法具有更好的预测效果.核函数形状参数及回归管道宽度ε的选取将直接影响MPMR回归技术的系统性能,试验中我们使用了交叉验证的方法确定这两个参数值.试验证明,核函数形状参数和回归管道宽度取值都为2和3的情况下,预测效果更为理想.     

肿瘤图像病理诊断系统的设计

计算机辅助的肿瘤病理诊断与分析是提高病理医生工作效率的主要手段.提出了肿瘤病理诊断系统的软硬件结构,针对图像分割、图像边界跟踪和图像特征提取等功能进行了详细设计.实验结果表明,系统很好地完成了细胞图像的分割、细胞边界跟踪和重要细胞特征参数的提取,为病理医生识别病灶提供了客观依据.     

基于奇异谱分析的GRNN模型在金融时间序列中的应用

奇异谱分析(SSA)作为一类无参数、独立于模型的时间序列分析技术,适用于具有非线性、非平稳性、含噪声的金融时间序列数据的分析与研究.目前,基于SSA的预测通常采用线性递归、BP神经网络等模型,但其预测精度、训练速度并不理想.为此,该文提出基于SSA的广义回归神经网络(GRNN)预测模型,它以SSA所获取的主成份重构序列...     

分水岭算法在胃上皮内肿瘤图像分割中的应用

图像分割是图像识别的关键，笔者曾经分别采用松弛迭代和K均值聚类方法对胃上皮内肿瘤图像进行分割，实验表明这些算法对粘连严重的图像分割效果很差，故本文应用分水岭分割算法Vincent和Inver，对粘连情况不同的多类胃上皮内肿瘤图像进行了图像分割实验，实验结果表明：对于粘连较少的细胞图像，这两种算法都能较好地分离出目标细胞，但对于粘连严重的细胞图像，Inver算法的分割效果比Vincent要好，但lnver算法容易出现过分割现象．     

基于特征脸和二叉树支持向量机的人脸识别

提出使用特征脸和二叉树支持向量机（BT-SVM）分类器相结合的方法进行人脸识别。首先从训练图像中求得特征脸空间，然后将训练集和测试集图像投影到特征脸空间得到投影系数，使用训练样本投影系数训练BT—SVM分类器，再使用BT—SVM分类器对测试图像进行识别。在ORL人脸库进行模拟试验，结果表明BT-SVM分类算法获得比SVM分类算法更高的识别率。     

基于特征脸和LS-SVM分类器的人脸性别分类

提出使用特征脸和最小二乘支持向量机(LS-SVM)分类器相结合进行人脸性别分类.我们首先从训练图像中求得特征脸空间,然后将训练集和测试集图像投影到特征脸空间得到投影系数.使用训练样本投影系数训练LS-SVM分类器,对训练图像和测试图像进行分类试验,同时计算出分类准确率,实验结果表明LS-SVM分类要比其他分类算法有更好的优越性.在实验中我们也使用交叉验证来确定特征脸数目和核函数参数.     

数字电路的KIF表示

知识交换格式KIF是一种被广泛接受的公共知识表示语言，本文简介了KIF及作用，并实现了一简单的数字电路知识表示，从而实现数字电路的计算机理解与互操作．     

基于套索（Lasso）的中文垃圾邮件过滤

使用向量空间模型表示的文本邮件数据高维而稀疏,不利于邮件过滤分类模型的建立,通常需在分类器训练前进行维数约减。Lasso回归是一种基于l1正则化的多元线性模型,其在模型参数估计的同时实现了变量选择。提出使用Lasso回归进行垃圾邮件过滤,建立Lasso回归邮件分类模型、Lasso回归词条选择结合逻辑回归的分类模型,结合中文文本垃圾邮件数据集TREC06C进行垃圾邮件过滤实验。实验结果表明Lasso回归词条选择结合逻辑回归的邮件分类模型性能更佳。