基于条件互信息下聚类的朴素贝叶斯分类算法

 采用条件互信息来度量任意2个条件属性之间的关联程度,采用互信息度量各条件属性与类属性间的关联程度,以此作为将各条件属性进行聚类的准则,提出一种新的将条件属性进行聚类的分组技术.同时,结合朴素贝叶斯分类算法,构造了改进的朴素贝叶斯分类模型.通过仿真实验表明该文提出的算法具有较好的分类性能.     

带有变耦合时滞的神经网络的同步性

为了研究了带有变耦合时滞的细胞神经网络的同步问题,运用Lyapunov第二方法,通过构造lyapunov泛函,采用Kroneck积的性质,以及线性矩阵不等式技术,得到一些新的同步性的判据,使此问题得到更好的解决.     

锂离子聚合物电池电量的非线性贝叶斯估计(英文)

精确的电量估计对于电池控制系统有着非常重要的意义.为此提出一种新颖的锂离子聚合物电池模型,其电量估计将由非线性贝叶斯推断方法来实现.     

具反应扩散项的变耦合时滞神经网络的鲁棒脉冲同步

运用Lyapunov方法,结合Kronecker积和Poincare不等式获得依赖于时滞和反应扩散算子的神经网络全局同步充分性判据,并且所获得的判据依赖于时滞.这些新的LMI形式的同步判据,易于用LMI工具箱进行求解,在时滞耦合神经网络的应用中具有重要的作用.此外,激活函数的扇形非线性假设可以进一步降低结论的保守性.最后,通过实例证明了结论的有效性.     

兼具高自由度低互耦的间距约束稀疏阵列设计

针对传统稀疏阵列难以实现孔径和互耦同步优化导致测向误差的问题,设计了一种兼具高自由度低互耦的间距约束稀疏阵列.该阵列由四段均匀线阵以一定间隔首尾相连构成,约束每段均匀线阵的阵元间距以及各段均匀线阵之间的间距尽可能大,形成了3段稀疏的均匀线阵和1段密布的线阵,有效减少了阵元间的互耦效应,基于该阵列推导了物理阵元位置、差联...     

基于同频等长信号融合的频率估计快速迭代算法

多段同频等长信号十分常见,对其进行信息融合能有效提高信号处理的精度,尤其适用于低信噪比、被测频率持续时间短的情况。为提高频率估计的精度、实时性和扩展已有方法的适用范围,给出了一种基于多段同频等长信号融合的快速迭代算法。在该算法中,设计相位差补偿因子矩阵以克服各段信号之间相位不连续;生成搜索频率序列以修正相位差补偿因子矩阵中的未知参量并得到具有特定形式的功率谱矩阵;采用间接迭代计算以改善算法实时性。在说明上述技术措施的应用原理时,给出了5项重要性质并作为该算法正确性的数学证明,针对多种应用环境状态进行了仿真实验,结果表明,该算法具有普适性、抗噪性好、频率估计精度比现有方法有较大提高,具有重要的理论和应用价值。