論文元數(shù)據(jù)搜索，找到相關(guān)信息共 2 條：
1997, 19(1): 137-140.
刊出日期：1997-01-19
關(guān)鍵詞:
吸收邊界條件; 色散邊界條件; 時(shí)域有限差分法
本文給出了一種高精度的穩(wěn)定的色散邊界條件(DBC),可應(yīng)用于傳輸線的時(shí)域有限差分法(FDTD)的分析之中。我們用一個(gè)新的二階差分式代替了邊界條件中的微分算子。與P。Y。Zhao等人(1994)提出的色散邊界條件相比,本文中的邊界條件具有相同的絕對(duì)穩(wěn)定特性,但具有更好的吸收性能。
2015, 37(1): 29-36.
doi: 10.11999/JEIT140129
刊出日期：2015-01-19
在目標(biāo)識(shí)別中，對(duì)于樣本數(shù)較多且分布復(fù)雜的數(shù)據(jù)，若將所有訓(xùn)練樣本用來(lái)訓(xùn)練一個(gè)單一的分類器，會(huì)增加分類器的訓(xùn)練復(fù)雜度，且容易忽視樣本的內(nèi)在結(jié)構(gòu)，不利于分類。因此人們提出了混合專家系統(tǒng)(ME)，即將訓(xùn)練樣本集劃分為多個(gè)訓(xùn)練樣本子集，并在每個(gè)子集上單獨(dú)訓(xùn)練分類器。但是傳統(tǒng)ME系統(tǒng)需要人為確定專家個(gè)數(shù)，并且每個(gè)子集的學(xué)習(xí)獨(dú)立于后端的任務(wù)，如分類。該文提出一種基于Dirichlet過(guò)程(DP)混合隱變量(LV)支持向量機(jī)(SVM)模型(DPLVSVM)的目標(biāo)識(shí)別算法，采用DP混合模型自動(dòng)確定樣本聚類個(gè)數(shù)，同時(shí)每個(gè)聚類中使用線性隱變量SVM(LVSVM)進(jìn)行分類。不同于以往算法，DPLVSVM 將聚類過(guò)程和分類器的訓(xùn)練過(guò)程聯(lián)合優(yōu)化，保證了各個(gè)子集中樣本的分布上的一致性和可分性，而且可以利用Gibbs采樣技術(shù)對(duì)模型參數(shù)進(jìn)行簡(jiǎn)便有效的估計(jì)?；谌斯?shù)據(jù)集、公共數(shù)據(jù)集以及雷達(dá)實(shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了該文方法的有效性。
