基于一乘准则的LMR在声音转换中的应用

线性多变量回归中聚类数的选择对转换效果有很大影响,通过研究聚类数与类内均方差、类间均方差的关系确定最佳聚类数。针对传统二乘规则的 LMR 的转换语音在听觉上自然度较差的缺陷,提出了基于一乘规则的 LMR,采用遗传算法解决绝对值条件下转换矩阵的求解问题,实验仿真表明,基于一乘规则的 LMR 的转换语音在主观听觉上优于基于二乘规则的 LMR,ABX 测试识别率平均提高了12.5%,MOS 分提高了0.24。     

雷达信号非均匀粒度聚类分选方法

聚类分析是数据挖掘中的重要技术.在比较分析了两种常用的聚类分析方法的基础上,将基于商空间的非均匀粒度聚类算法应用于雷达信号分选中,仿真实验的结果表明:该算法可以从不同层次观察聚类数据,更适用于复杂雷达信号聚类分选,具有良好的性能.     

一种新的k-means聚类雷达信号分选算法北大核心

针对传统k-means聚类算法在雷达信号分选中应用存在的不足,提出了一种基于数据场和灰关联分析的k-means聚类雷达信号分选算法。该算法首先根据数据场理论计算所有数据样本的势值,寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,局域势值最大值个数作为聚类数目;然后用灰关联度代替欧式距离来判断数据样本间相似性。该算法能够自动获取初始聚类中心和聚类数目,对频率捷变雷达具有较好的分选效果。仿真结果验证了算法的可行性。     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。     

蛋白质相互作用网络的几种聚类方法综述

蛋白质相互作用网络是后基因组时代系统生物学研究的重要内容.针对蛋白质相互作用网络中的聚类问题,介绍了几种代表性的聚类分析方法,初步分析了这些方法的特点,指出了当前研究工作的困难与挑战,并对今后的研究方向作了展望.     

基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

基于最优化的广域雷场空间多节点坐标修正算法

为了解决在智能雷场中,GPS精度无法满足节点布局精度要求的问题,提出了精准测距和GPS相结合的节点坐标修正算法。算法对活动雷进行聚类处理,将雷场划分为多个区域,在得到的多个点集中寻找可组成凸多边形的点。通过坐标修正模型,将问题转化为最优化问题,完成对凸多边形各顶点坐标的修正,最终实现全部节点的坐标修正。实验结果表明修正算法可以有效减少广域空间中多节点间坐标的相对误差,使坐标尽可能与节点实际物理位置一致。     

LRE试车数据挖掘中基于最大散度差的模糊聚类分析方法

在对液体火箭发动机试车数据进行聚类分析时,为解决故障数据样本与正常样本类间差异不大的问题,引入最大散度差准则,提出基于最大散度差的聚类算法MSD-CA.该算法以散度度量样本间的相似性,使样本的类内散度最小化和类间散度最大化同时进行.在此基础上,应用模糊理论对最大散度差准则进行模糊化,提出基于最大散度差的模糊聚类算法MS...     

基于优化初始聚类中心K-Means算法的跳频信号分选

提出了一种优化初始聚类中心的方法.方法通过搜索参数统计直方图峰值预估类数目,并根据峰值位置确定聚类中心大概位置.由于优化的初始类心与实际类心相隔不远,聚类迭代次数大为减少.与传统的优化聚类中心方法相比,本方法计算量更少.最后将改进K-Means聚类算法应用于跳频信号分选,仿真结果表明,分选效果良好.     

基于粗糙集的战教比例优化聚类决策模型应用

针对现行装甲装备战教比例标准下部队战备和训练任务之间的矛盾和问题,提出了基于粗糙集的K-means聚类分析的战教比例优化决策模型,利用粗糙集的属性约简算法消除冗余属性,根据各属性重要度确定其指标权值,然后依据分析所得优化决策方案及其影响指标加权数据值,以欧式距离为准则进行定中心K-means聚类。实例分析结果验证了该优化决策模型对于战教比例优化具有较好适应性和科学性。     

一种GMM-SVM混合说话人辨认模型

文中提出了一种GMM和SVM混合说话人识别模型,在特征参数域和概率得分域对两种模型进行了融合。混合模型结合了GMM和SVM各自的优势,使SVM的概率输出兼顾各说话人模型内部和模型之间的信息,并有效解决了SVM训练算法复杂,难以处理大量样本的问题。采用TIMIT数据库进行了说话人辨认实验,结果证明本文提出的GMM-SVM模型比传统的GMM模型和SVM模型具有更好的辨识性能。     

虚拟战场的实时四声道立体声合成

面向虚拟战场提出了实现实时四声道立体声合成的简化算法。针对四声道立体声的特殊性 ,首先探讨了四声道立体声系统中扬声器的配置方案。在四声道立体声系统扬声器配置方案的基础上 ,解决了单声源的表示、声强衰减及实时立体声化问题 ,然后提出一种评价混声效果的标准及一个评价声源对整个声音所作贡献的公式 ,并由此提出一个混声公式 ,从而解决了多声源环境的实时混声问题。该套算法用于应用系统 ,取得了较好的效果。     

基于功率控制分组的RFID防碰撞算法改进

为了减少阅读器读取标签过程中的查询次数,降低标签发生碰撞的概率,提高系统效率,针对功率控制分组防碰撞算法不能根据标签数动态地进行组数划分,提出了一种改进算法。采用数学分析与二进制算法相结合的方法,找到最优组数,根据最优组数划分阅读器的读取区域,标签分布在划分的组中,阅读器依次读取不同组中的标签。通过划分组数,减少阅读器每次读取的标签数,从而降低标签碰撞的可能性。仿真结果表明,改进算法显著减少了碰撞次数,提高了系统效率。     

纯方位角目标运动分析的可观测性研究

纯方位角目标运动分析的可观测性是纯方位角观测系统中的一个基本问题.只有解决了系统的可观测性,才能进行有效的目标定位及跟踪.从随机系统的角度分析了纯方位角观测系统的可观测性,引入状态参量的Fisher信息矩阵作为判断系统可观测性的依据,提出了完全不同于判定确定性系统可观测性的随机观测系统可观测性的判定方法.最后给出了一个静止目标纯方位角观测系统的实例,说明了该方法的有效性.     

Cρ 准则下选择最优子集的并行算法

C_p准则是目前颇受重视的一种变量选择准则。本文针对大型线性回归模型,推导了从所有可能子集中用C_p准则选择最优子集的(乘除法) 运算次数,提出了C_p准则下变量选择的并行算法。给出了在YH-1和YH-2向量巨型计算机上运行该算法的模拟结果且获得了15倍左右的向量加速比s/v,体现了该算法的优越性。     

几何分布定数截尾步加试验的最优设计

在逐步type-II结尾场合下,研究产品简单步进应力加速寿命试验的优化设计。假定产品服从几何分布,讨论了几何分布产品加速方程如何建立,利用次序统计量的大样本性质,得到相应的Fisher信息矩阵,以对数特征寿命极大似然估计的渐进方差最小为准则结合Fisher信息矩阵,给出了步进应力加速寿命试验的最优分配比例,通过模拟验证最优设计的有效性。     

TIN数字地形模型的通视性算法

数字地形模型的地形通视性分析有着广泛的应用,对TIN地形模型上两点间的通视性算法进行了研究、改进与实现.研究结果表明,视线与三角形相交法算法简单直观,但计算效率太低;改进的视线与边相交法数据结构简单,编程实现容易,适合地形数据结构单一的系统;而投影覆盖检测算法通用性好,适合地形数据结构多样的系统.     

针对舰船目标高分辨距离像的特征选择方法

为了提高基于高分辨距离像(HRRP)的舰船目标识别率,首先通过目标区域提取来解决HRRP的幅度敏感性和平移敏感性的问题;然后根据传统的特征提取方法,提取出15个较好的特征进行多特征综合识别;最后在基于Fisher准则的特征选择方法上进行改进,提出了一种基于特征互补性的特征选择方法,选择一个最优特征子集。通过仿真实验验证了提出的特征选择方法,同时选择出一个最佳分类器。     

ATS: 一种基于通告时间戳的BGP收敛性改进机制

研究BGP收敛性改进问题,考虑网络运行状况,提出一种新的机制,称为通告时间戳机制ATS(advertisement time stamp)。在该机制中,BGP路由器在向对等体发送路由通告报文时,将相应的路由前缀打上时间戳。当通告报文准备好时,通过查看相应前缀的时间戳来判断报文是否可以立即发送还是应该等待。该机制充分融合了每对等体每目的网络速率限制定时器和每对等体速率限制定时器各自的优点,克服各自缺点。分析表明,该机制可以较大地减少Tup、Tlong及Tshort事件的收敛延迟。