基于可信度累积的伪随机序列多项式估计算法

针对高阶误码条件下伪随机序列多项式估计算法效率不高、容错性能差等问题进行研究,提出一种基于可信度累积的多项式估计算法。该算法结合了基于二元序列迭代的BM算法和改进型Chase算法,利用序列软信息,在BM算法外部构建序列及多项式可信度集合,通过可信度累积实现估计。然后,利用本原多项式的二元域性质,通过缩小累积多项式规模,提高估计精度。仿真结果表明,该算法性能不受制于多项式抽头个数,在误码率为18%的条件下能够完成17阶m序列多项式估计。     

基于个体经验的信任模型

为了提高信任评价的准确度,提出了一种新的基于个体经验的信任模型.通过考虑个体节点经验的差异,引入相对经验因子;在此基础上,建立了量化的信任评价体系.分析表明,新模型提高了信任评价的准确度,在反馈可信度的算法方面有较大的改善.该反馈可信度算法能够运用到多种信任模型中,具有较好的可扩展性.     

一种基于缩减伴随式集的QC-LDPC码级联译码算法

该文在研究缩减伴随式集译码(RLSD)算法和规则QC-LDPC码字结构的基础上,提出了一种新的针对中短QC-LDPC码的BP-RLSD级联译码算法。BP算法译码失败时的软输出对数信息,作为RLSD算法的输入。根据QC-LDPC码所具有的循环置换结构,给出一种根据伴随式的重量来确定候选错误模式搜索空间的算法,同时给出一种查表方法快速搜索出部分错误位置。结合接收序列的低可信度集合(LRIPs),可以实现最大似然(ML)码字的快速搜索。这些方法可以大幅减少计算时间。仿真显示该文提出的算法是有效的。与BP算法的级联译码,可以在计算复杂度和性能之间进行较好的折衷。     

纪录片的分层“呈现”

英国纪录片之父约翰·格里尔逊是历史上第一个对纪录片下定义的人。他在1926年1月一篇评论罗伯特·弗拉哈迪的影片《摩阿纳》的文章里,首先使用了documentary一词。他认为纪录片应当是对真实事物做一种有创意的处理。     

基于统计可信度的压缩感知协作频谱检测算法

压缩感知为认知无线电的宽频谱感知提供了一种新的方法和思路。基于压缩感知的原理,提出了一种多认知用户协作场景下基于用户统计可信度的协作频谱检测算法。该算法使用正交匹配协作追踪算法获得认知区域内的频谱占用情况,根据不同认知用户频谱检测的历史准确度综合判定用户感知结果的统计可信度。仿真结果表明,该算法在不同用户数、不同采样值、不同信噪比变化范围下其检测性能均优于传统算术平均方法,有效改善了检测性能。     

多元模糊数据的假设检验方法

模糊假设检验对处理模糊概念进行决策分析是很重要的。本文给出了一个模糊多元数据的假设检验方法。因为数据是模糊的,不能在一个清晰的置信水平上接受或拒绝原假设,故本文提出了一个与结果相关联的可信度的概念。为了能应用清晰数据的假设检验,本文引入了模糊数的δ-截概念。     

异构对等分布式存储中的DHitchhiker码

具有高可用性和安全性的去中心化存储因其应用的相同参数低码率RS(Reed-Solomon codes)码存在修复带宽较高的问题.对此,提出一种基于可信度的低修复带宽DHitchhiker码.首先将Hitchhiker码的第一子条带中的数据节点和部分校验节点捎带在余下的校验节点的第二个子条带上;接着将节点分类,让高可信节...     

基于认证规则的加权认证可信度研究

针对认证系统的子规则和复合规则给出表示其重要性的权值．在对当前模糊逻辑中加权模型真值计算研究的基础上，提出基于认证规则的加权认证可信度模型．模型先计算单加权认证规则的可信度，再计算多加权认证规则情况下用户的认证可信度，然后与系统认证可信度门陷值进行比较，从而形成认证结论．模型比较全面地描述了认证系统中的不确定性，更好地增强系统在多种认证机制情况下的安全性．     

融合偏置的动态专家信任推荐算法

针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响,该文将用户-项目评分数据与用户信任关系数据相结合;提出一种融合偏置的动态专家信任推荐算法(BDETA),首先根据用户信任关系数据进行社区划分,获取用户间显式信任值;其次从社区中用户-项目评分数据获取可信度、隐式信任值;通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子,根据用户的推荐能力为每个社区确定专家数据集;最后结合用户不同评分标准进行评分预测。在真实数据集FilmTrust的实验结果中,能够有效地解决协同过滤中冷启动与数据稀疏问题,可更好地满足用户的个性化推荐需求,并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现。     

多样性数据推荐算法研究

大数据背景下,数据挖掘及信息推荐越来越普遍,但目前推荐系统主要集中在单一数据来源,忽视源数据的多样性。文中根据用户历史或当前操作对推荐数据的影响定义数据集的可用性,考虑数据间可用度的相互影响、用户对不同源数据集的偏好程度及偏好的周期变化,结合关联规则推荐和协同推荐算法的优点,提出多样性数据推荐算法。