基于切比雪夫多项式的新形式调频变标合成孔径雷达成像算法

该文提出一种基于切比雪夫(Chebyshev)多项式逼近的新形式的调频变标(Chirp Scaling, CS) SAR成像算法。该算法采用切比雪夫多项式逼近替代了原始CS算法中对回波信号2维频谱的泰勒(Taylor)级数展开近似,公式更加精确。然后利用光学系统抽象出的数学模型确定变标函数以校正距离徙动。并且该算法使由近似引入的误差有了上界限,改善了场景边缘点的聚焦效果,增加了场景的聚焦深度。仿真结果验证了该算法的有效性。     

基于KNN的汉语问句分类

汉语问句分类是问答系统中重要的组成部分,问句分类结果的好坏直接影响问答系统的质量。利用知网(HowNet)义原树计算问句之间的语义相似度,并以此作为句子之间的距离度量,利用KNN算法构造分类器进行问句分类,并对最近邻分类算法、KNN分类算法及改进的KNN分类算法进行实验比较。结果表明加权的KNN分类器分类效果最好,达到了89.8%的精确率。     

基于KNN的Deep Web数据源分类研究

针对Deep Web的查询需求,文章提出了改进的对Deep Web数据源的分类方法:在对数据源进行分类时,采用了KNN分类算法来进行。由于KNN分类算法的K值选的过大或者过小都会对分类结果产生影响,因此提出了对K值进行优化的改进的KNN算法。文章利用k-means聚类算法来进行聚类,分别计算取得每个类别的k个距离相近的数据并计算这k个数据到聚类中心的距离,把这个距离的倒数作为该数据点对分类结果的贡献值。对训练集进行聚类后返回聚类中心,根据聚类中心计算权重,从而进一步来计算每个类别中k个最近邻贡献值之和S,选取S最大的类别作为测试数据的类别来进行分类,从而可达到比较好的分类效果。     

基于KNN的花卉分类技术应用

KNN算法在数据分析领域有着重要的应用。文章针对KNN算法中参数k选择不合理将导致分类结果准确率低的问题,将K折交叉验证法应用于KNN算法中k值的选取,通过k值分析图选取最佳k值,利用Python语言并基于Sklearn库实现KNN算法。在鸢尾花数据集上的实验表明,该模型是进行花卉分类的有效方法。     

基于前向神经网络的音乐情感识别分类算法

为解决单模态数据在音乐情感分类上的局限性,并同时提高对音乐情感分类的准确性,文中提出了一种基于前向神经网络的多特征融合音乐分类算法。在传统的前向神经网络模型中融入切比雪夫正交多项式簇作为隐藏层各神经元的激励函数,使每一层神经元的激励函数各不相同。利用梯度下降学习算法来进行网络参数的有监督训练;同时利用音频、歌词中不同模态的数据,使其形成多模态数据,来进行音乐情感分类模型的训练。实验测试结果表明,该算法对音乐情感的分类具有较好的效果,平均准确率为78. 37%,具有良好的有效性与可行性。     

切比雪夫Ⅱ型模拟高通滤波器的设计及实现

提出了一种基于反相积分器的信号流图来实现切比雪夫Ⅱ型模拟高通滤波器的方法。首先,基于归一化切比雪夫Ⅱ型模拟低通滤波器极点分布的特点,推导出归一化切比雪夫Ⅱ型模拟低通滤波器零极点和转移函数的公式,得到归一化切比雪夫Ⅱ型模拟低通滤波器设计的步骤;然后,基于频率变换与逆变换,提出一种利用归一化切比雪夫Ⅱ型模拟低通滤波器来设计切比雪夫Ⅱ型模拟高通滤波器的方法;最后,给出了利用归一化切比雪夫Ⅱ型模拟低通滤波器来设计切比雪夫Ⅱ型模拟高通滤波器的实例及其实现电路。     

基于ReliefF特征加权和KNN的自然图像分类方法

为对自然图像有效准确地分类,提出了一种对图像低层特征和KNN分类算法中的近邻样本分别进行加权的分类方法。针对不同类别图像的视觉特征的差异,通过ReliefF算法计算训练集中每个类别的特征权值,利用此权值来改进待测图像与训练集中图像的距离度量;按照不同近邻到待测样本的距离远近,为不同近邻赋予权值来改进KNN算法在类别决策上的不足。实验结果表明该方法较传统KNN和特征加权KNN方法,准确性提高且对不同K值具有良好的鲁棒性。     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

基于FCM-KNN的相干光环形QAM系统符号判决优化

针对高阶环形正交幅度调制 (QAM)的相干光通信 系统,提出了一种模糊C均值算法和K 最近邻算法相结合的非线性均衡算法。对接收端经相位噪声补偿后的数据,先用FCM算法有 效剪裁训练数据,同时对测试数据进行分类判决,从而极大降低了后续KNN算法的计算复杂 度。即首先计算训练集的初始质心和各数据点的初始隶属度,经过迭代计算收敛后,得到最 终的质心和各数据点的隶属度。然后将质心隶属度大于某阈值的测试数据点作为训练数据, 计算各测试数据与各训练集质心的距离对其暂时分类,接下来进行KNN算法分类。同时对测 试集进行分类判决,即对距该质心距离低于阈值的测试数据根据欧式距离直接判决,大于阈 值的测试数据用以上KNN方法进行判决。该算法基于112 Gbit/s单载 波单偏振相干检测环形16QAM单载波系统传输距离为1040 km进行了非线 性均衡效果仿真验证。仿真结果表明,本文所 提出的FCM-KNN算法可取得和KNN算法几乎相同的非线性均衡效果,而其复杂度比后者可降 低近20倍,对高阶QAM相干光通信系统长距离传输具有重要意义。     

基于混沌二进制粒子群优化的KNN文本分类算法

中文文本分类的主要问题是特征空间的高维性.提出了基于混沌二进制粒子群的KNN文本分类算法,利用混沌二进制粒子群算法遍历训练集的特征空间,选择特征子空间,然后在特征子空间中使用KNN算法进行文本分类.在粒子群的迭代优化过程中,利用混沌映射,指导群体进行混沌搜索,使算法摆脱局部最优,扩大寻找全局最优解的能力.实验结果表明,提出的新分类算法对中文文本分类是有效的,其分类准确率、召回率都优于KNN算法.     

一种新颖的微带带通滤波器的设计

介绍一种选择性介于切比雪夫滤波器与椭圆滤波器之间、物理上也易于实现的带通滤波器,给出了它的传输函数,依此在切比雪夫滤波器设计参数的基础上进行该滤波器的综合,然后用耦合谐振滤波器的理论与公式来分析该滤波器的频率响应。该滤波器采用新颖的开环谐振器耦合结构来实现,结果在保持很好的线性与较高的矩形系数的同时,体积也做得较小。     

基于Leap Motion的手势识别及在大型结构件虚拟安装中的应用

体感控制器Leap Motion因其追踪精度高、手势交互性好的优点被广泛运用于各类虚拟安装。将Leap Motion手势识别应用于高集成度大型结构件的高精度虚拟安装，可实现虚拟手对安装过程的交互控制。设计了一种基于加权卡方距离的模糊K最近邻结点(KNN)分类方法实现虚拟手势分类，根据手势特征的重要性赋予不同权值，可进一步提高分类准确率，测试结果表明改进分类方法识别准确率达到92.7%,比传统分类算法提高5.3%。使用三种手势进行发动机部件的虚拟安装实验，结果表明手势识别在安装过程中取得了良好的效果，可提升现实安装过程的质量和效率，对于提升大型军品的制造和安装水平具有重要意义。     

考虑互耦的切比雪夫线阵天线波束形成

低副瓣是当今电子对抗时代中对雷达天线的必然要求,但由于阵列天线单元间有互耦的影响,实际的天线单元电流分布往往达不到我们设计的要求。本文在介绍切比雪夫线阵的设计公式和互耦的矩量法分析方法的基础上,首先用矩量法精确分析了考虑互耦影响时切比雪夫线阵天线阵元的电流分布,仿真实现了阵元互耦对切比雪夫线阵各阵元电流幅度及相位的影响效果以及互耦对切比雪夫线阵天线波束形成的影响效果,接下来用软件的方式补偿互耦所造成的影响,从而完成了切比雪夫线阵天线波束形成的综合。     

改进的KNN文本分类算法

而文本自动分类,作为一种有效的提高文本检索速度和准确率的方法,在电子文本信息管理中起着非常重要的作用。KNN算法作为一种非常简单,但是有效的文本分类算法,被广泛运用。针对传统KNN算法中对特征项的非监督权重分配的不足之处做了改进,采取x2统计量方法和信息增益这两种监督权重分配方法,有效地利用了训练集标签信息,提高了KNN算法的精确度。     

一种自适应的变电站设备红外图像分割方法

为了较好地实现变电站电气设备红外图像的分割,采用了一种自适应的变电站电气设备红外图像分割方法。通过采用基于形态学的权重自适应算法对变电站电气设备红外图像进行增强处理,然后采用基于加权切比雪夫距离的K-means算法对变电站电气设备红外图像进行分割,最后对分割得到的二值图像采用形态学方法进行处理。通过实验验证了该方法的有效性和适应性,方便了后续的特征提取和识别。     

支持向量机方法在文本分类中的改进

提出了一种应用于文本分类的KNN和SVM相结合的算法,将SVM近似看成每类只有一个代表点的1NN分类器,对于待识别样本,如果其离支持向量机的最优分界面较远,则用SVM分类;如果其离分界面较近,采用KNN对测试样本分类,将每个支持向量作为代表点,计算待识别样本和每个支持向量的距离对其作出判断.该算法综合了KNN和SVM在分类问题中的优势,既有效地降低了分类候选的数目,又提高了文本分类的精度.最后用实验验证了该算法的有效性.     

一种新的基于距离加权的模板约简K近邻算法

作为一种非参数的分类算法,K近邻(KNN)算法简单有效并且易于实现。但传统的KNN算法认为所有的近邻样本贡献相等,这就使得算法容易受到噪声的干扰,同时对于大的数据集,KNN的计算代价非常大。针对上述问题,该文提出了一种新的基于距离加权的模板约简K近邻算法(TWKNN)。利用模板约简技术,将训练集中远离分类边界的样本去掉,同时按照各个近邻与待测样本的距离为K个近邻赋予不同的权值,增强了算法的鲁棒性。实验结果表明,该方法可以有效地减少训练样本数目,同时还能保持传统KNN的分类精度。     

基于切比雪夫逼近准则设计的FIR滤波器的带限信道仿真

本文对切比雪夫逼近准则的特性进行了分析,并采用切比雪夫逼近准则设计FIR滤波器来仿真带限通信信道.最后利用Matlab进行了仿真,仿真表明设计结果的各项性能指标均达到指定要求,设计过程简便易行。     

基于PSO-ELM特征映射的KNN分类算法

针对传统极端学习机算法(ELM)和K近邻分类算法(KNN)在处理分类问题中存在的问题,提出一种基于PSOELM特征映射的KNN分类算法。该算法利用ELM的输入层权值和隐层神经元对输入样本进行非线性映射,并利用粒子群算法(PSO)寻找一组最优的ELM映射参数,再将映射后的特征样本输入到KNN算法中,提高处理线性不可分问题的能力。在多个数据集上的实验结果表明,文中算法比KNN改进算法以及ELM改进算法有更高的分类正确率。     

基于KNN算法对在校生考研预测模型的应用研究

运用K最近邻分类算法建立在校生考研预测模型,便于对在校生进行考前预判。为了提高预测的准确率,对传统K最近邻分类算法进行了改进,对样本的各特征属性赋予了不同权重,通过传统和加权两种K最近邻分类算法的不同使用,验证了改进加权KNN算法的实践效果。