谱聚类欠取样下自编码网络不平衡数据挖掘

不平衡数据集的应用领域日益广泛,需求也越来越高,为提升整体数据集的分类准确率,以谱聚类欠取样为前提条件,构建一种自编码网络不平衡数据挖掘方法.把聚类问题转换成无向图多路径划分问题,通过无向图与标准化处理完成谱聚类,经过有选择地欠取样处理多数类数据集,获取分类边界偏移量,利用学习过程是无监督学习的自编码网络,升、降维数据,获取各维度隐藏特征,实现各层面的数据高效表示学习,根据最大均值差异与预设阈值的对比结果,调整自编码网络,基于得到的分类界面,完成不平衡数据挖掘.选用具有不同实际应用背景的UCI数据集,从中抽取10组数据作为测试集,经谱聚类欠取样处理与模拟实验,发现所提方法大幅提升少数类分类精度与整体挖掘性能,具有较好的适用性与可行性.     

Radial Basis Function Neural Network Based Super-Resolution Restoration for an Undersampled Image

To achieve restoration of high frequency information for an undersampled and degraded low-resolution image, a nonlinear and real-time processing method the radial basis function (RBF) neural network based super-resolution method of restoration is proposed. The RBF network configuration and processing method is suitable for a high resolution restoration from an undersampled low-resolution image. The soft-competition learning scheme based on the k-means algorithm is used, and can achieve higher mapping approximation accuracy without increase in the network size. Experiments showed that the proposed algorithm can achieve a super-resolution restored image from an undersampled and degraded low-resolution image, and requires a shorter training time when compared with the mulfiplayer perception (MLP) network.     

Applying the Hough transform pseudo-linearity property to improve computing speed

This work describes a general method of acceleration of the convergence of the Hough transform based, on the one hand, on an improvement of the image analysis speed, and, on the other hand, on the space undersampling of the image. This method is used in image processing to extract lines, circles, ellipses or arbitrary shapes. The results presented are applied to the detection of straight-line segments and ellipses, but can be extended to any type of transform.     

一种新的自适应红外图像增强算法

传统的直方图均衡和灰度变换增强算法,不能针对红外图像的目标进行有效地增强.鉴于此,在研究红外图像特点的基础上,提出了一种基于直方图的自适应红外图像增强算法.该算法通过对原始图像的直方图进行自适应双阈值映射和欠采样投影处理,实现了对图像灰度级的重新分配;在减少冗余灰度级的基础上,有效拓宽了目标部分占据的动态范围,既提高了目标与背景间对比度又突出了目标细节层次.     

欠采样在基带预失真功率放大器线性化的应用

从理论证实了欠采样在基带预失真中的可行性,将欠采样用在基带预失真系统上,降低了功率放大器失真信号的采样率而完整地保留了信号中的非线性信息.最后,利用欠采样理论构建了基带预失真功率放大器系统,得到了19 dB三阶交调失真的改善,与正常采样下(5倍输入信号Nyquist采样率)的三阶交调失真的改善度相比相当,从而降低了系统的复杂度及成本.     

欠采样系统的SYSTEMVIEW仿真研究

欠采样技术是软件无线电的核心技术之一，目前被广泛用于雷达、移动等通信系统中，本文利用SYSTEMVIEW软件对该技术进行了仿真，并通过对AM和FM两种调制信号的欠采样研究，解释了新采样体制对部分系统参数的影响并寻求解决途径。     

带通欠采样技术及在数字中频软件接收机中的工程应用

对无混叠带通信号的均匀采样定理进行了讨论,分别指出了经典的低通信号均匀采样定理和最小无混叠带通信号采样定理均是该定理的特例,整数频带位时两倍带宽采样率的潜在危险,大于四倍带宽的采样率并不能保证带通信号的无混叠采样,无混叠采样率的降低与对信号保护带和采样时钟精度要求之间的矛盾,以及欠采样区间的选取与欠采样后原信号正负频谱错位之间的关系.之后,结合作者的工程实践,论文给出了该技术在数字中频软件接收机中的具体应用实例.根据实际中需要考虑的几个制约因素对采用的欠采样率进行了精确选择,使得系统可以采用一款廉价的DSP芯片,并成功地使用了该芯片所集成的低速ADC和有限的DSP运算资源,大幅降低了接收机的生产成本.其中还对带通信号欠采样后的频谱结构进行了讨论,指出利用欠采样实现免混频解调法存在的不安全性,为此,论文提出了在欠采样后再进行低频混频和低通滤波的解决办法.     

基于PSO-MUSIC算法的分布式目标DOA估计

提出了一种基于粒子群优化算法（PSO）和多重信号分类（MUSIC）算法的分布式目标波达方向（Direction of Arrival,DOA）估计方法。在空间欠采样情况下,该方法首先利用粒子群优化算法优化阵列阵元间距,得到阵列天线方向图高旁瓣电平最小情况下的阵元间距,阵列阵元间距决定了阵列流形,然后在该阵列流形下构造分布式目标信号模型,最后结合分布式目标导向矢量和MUSIC算法获得空间欠采样情况下分布式目标中心DOA的准确估计。仿真结果表明了该方法的有效性。     

基于随机森林和气象参数的PM2.5浓度等级预测

空气污染不仅危害人类的身心健康,而且还会制约城市的经济发展,其中PM2.5带来的影响尤为突出。为了方便准确地预测出空气中的PM2.5浓度等级,提出了一种基于随机森林的PM2.5浓度等级预测方法,特征因子采用太原市2013年-2017年的气象数据、预测站点的PM2.5浓度变化的时间规律以及与周围站点的时空关联性。该方法首先利用K-Means算法对原始气象数据聚类,降低不同分类器之间的相关性,然后利用欠采样方法对数据进行平衡采样,减少类不平衡对分类器性能的影响,最后利用泛化能力好的随机森林构建预测模型。经过真实数据验证,该方法对PM2.5浓度等级预测具有较好的精确度、召回率与[F]值。     

SMOTE过采样及其改进算法研究综述

近年来不平衡分类问题受到广泛关注。SMOTE过采样通过添加生成的少数类样本改变不平衡数据集的数据分布,是改善不平衡数据分类模型性能的流行方法之一。本文首先阐述了SMOTE的原理、算法以及存在的问题,针对SMOTE存在的问题,分别介绍了其4种扩展方法和3种应用的相关研究,最后分析了SMOTE应用于大数据、流数据、少量标签数据以及其他类型数据的现有研究和面临的问题,旨在为SMOTE的研究和应用提供有价值的借鉴和参考。