排序方式: 共有132条查询结果,搜索用时 62 毫秒
1.
基于便携式传感器的模式识别在心电(ECG)监护领域具有广泛的应用前景,并且在心律不齐、心肌梗塞、心室肥大等心电的识别算法上都已有大量的研究与应用,但在心房肥大诊断上却未有模式识别相关的研究成果。心房肥大病症的心电数据量不足给研究造成重大障碍,部分分类器无法适应小样本训练下的分类。针对小样本训练进行研究,对比了不同分类方法,显示了基于统计模式识别的支持向量机(SVM)应用于心房肥大的应用潜力。另外,由于不同个体的心房肥大心电存在差异,在实际应用环境中,SVM存在无法良好泛化的问题,存在类别错分的医学风险。针对类别错分情况,采用分类器融合的方法改进分类器,提出了在SVM分类器输出端增加了拒绝域的分类器(SVM-R)的方法。实验结果表明:SVMR有较高的分类准确率与诊断可信度。 相似文献
2.
以支持向量机(SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有"灾难性遗忘"现象,即会遗忘以前学过的知识,并且不能增量学习新的数据,这已无法满足智能传感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据,即使新来数据属于新的类,也不会遗忘已经学习到的旧知识。为了解决上述问题,提出了一种基于壳向量算法的Learn++集成方法。实验结果表明:该算法不但具有增量学习的能力,而且在保证分类精度的同时,提高了训练速度,减小了存储规模,可以满足当下智能传感器系统在线学习的需求。 相似文献
3.
基于改进萤火虫算法的SVM核参数选取 总被引:1,自引:0,他引:1
支持向量机(SVM)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的SVM核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳的SVM核函数参数。实验表明,该算法选取的SVM核函数参数在保证分类器收敛性能的同时,提高了分类精度,取得了良好的优化效果。 相似文献
4.
无线网络协议的校验纠错机制繁重复杂,加重了通信带宽的负担.盲源分离无需任何先验知识就可重构出源信号,成为无线传感器领域的研究热点.但网络部署中,传感器信号的量化位数和Modem个数难以确定.针对上述问题,提出一种基于平方根容积卡尔曼滤波(SRCKF)的盲源分离算法.算法根据空间状态方程和测量方程,用平方根容积卡尔曼估计分离向量.实验结果表明:SRCKF算法在保持极高分离精度的情况下,能有效计算出量化位数和Modem个数的最优值,SRCKF算法效率是同类无先导卡尔曼滤波(UKF)算法效率的1.3578倍. 相似文献
5.
设计了一种用于人体传感器网络的低功耗接收器模拟前端,电路物理层信道利用人体进行通信,并采用了一种宽带信号传输技术,可以在0.8 V电压供电,100 mV输入敏感度条件下传输20 Mb/s的数据。片上的电压偏置电路提供了50Ω的输入阻抗。放大器采用了一种低压低功耗的Cascode结构,具有58 dB的增益,25 MHz的增益带宽积。另外采用了一种结构简单,功耗极低的电流反馈型Schmitt触发器。电路采用SMIC0.13μm标准CMOS工艺设计,面积0.02 mm2,供电电压0.8 V,功耗仅为2.2 mW。 相似文献
6.
7.
自旋转移力矩磁隧道结(STT-MTJ)是一种新兴的非易失性存储单元.因为有着掉电后数据不丢失、无限的写次数、与CMOS工艺兼容、不会增加器件面积以及良好的可缩放性等诸如多优点而得到了广泛的研究.但是由于目前的工艺厂商尚未推出相应的模型,研究者难以先期使用该技术进行电路设计.文章介绍了STT-MTJ的工作原理,详细研究了使用Verilog-A对STT-MTJ建模的思路,并在HSPICE中进行了仿真验证,为后续的STT-MTJ研究奠定了基础. 相似文献
8.
9.
基于嵌入式系统的Ogg Vorbis音频解码器实现 总被引:1,自引:0,他引:1
介绍了Ogg Vorbis音频标准,给出了基于三星CaADM2E嵌入式系统的Ogg Vorbis音频解码器的实现,并详细讨论了实现过程中功能模块划分、内存配置、数据位宽转换和汇编代码优化,最后给出了性能分析. 相似文献
10.