排序方式: 共有38条查询结果,搜索用时 0 毫秒
11.
CW-FAX是利用计算机进行传真的软件,它不仅支持DOS应用环境,同时也适用于中文工作环境。本文介绍了CW-FAX中文传真软件的工作环境、工作原理及功能,尤其对中文信息的处理方面做了较详细的论述。 相似文献
12.
13.
针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。 相似文献
14.
15.
针对高原梯度带地区地震诱发碎裂岩边坡变形破坏问题,采用 UDEC软件对地震波45°斜入射作用下碎裂岩边坡的破坏进行了数值模拟.结果表明,边坡的变形破坏可以分为3个阶段:在地震波作用下,坡顶处的裂隙首先发育并迅速发展,边坡上部岩体被结构面切割而损伤破裂,完整性差,开始出现局部滑动;随着裂隙扩展贯通至节理面处,形成控制性结构面,边坡整体稳定性迅速降低,坡顶岩体开始局部下滑;随着岩体破碎严重区域增加,坡面上岩块以滑坡和崩塌2种形式掉落,形成堆积体,滑动区域逐渐扩展至边坡中下部,直至整体失稳破坏.地震动荷载对边坡的影响区域可分为破坏区和损伤区,破坏区对地震的动力响应明显大于损伤区;坡角和结构面倾角对边坡的变形破坏特征也有影响,坡角、结构面倾角越大,边坡变形破坏越严重. 相似文献
16.
通过检测水性油墨在不可吸收表面形成漆膜的特性,评价双生结构润湿剂对水性油墨性能的影响。结果表明:通过在水性油墨中添加双生结构硅氧烷基材润湿剂,漆膜的光泽度、稳定性、附着力和表面均匀性都得到了显著改善。 相似文献
17.
18.
一种基于Dirichelt过程隐变量支撑向量机模型的目标识别方法 总被引:1,自引:0,他引:1
在目标识别中,对于样本数较多且分布复杂的数据,若将所有训练样本用来训练一个单一的分类器,会增加分类器的训练复杂度,且容易忽视样本的内在结构,不利于分类。因此人们提出了混合专家系统(ME),即将训练样本集划分为多个训练样本子集,并在每个子集上单独训练分类器。但是传统ME系统需要人为确定专家个数,并且每个子集的学习独立于后端的任务,如分类。该文提出一种基于Dirichlet过程(DP)混合隐变量(LV)支持向量机(SVM)模型(DPLVSVM)的目标识别算法,采用DP混合模型自动确定样本聚类个数,同时每个聚类中使用线性隐变量SVM(LVSVM)进行分类。不同于以往算法,DPLVSVM 将聚类过程和分类器的训练过程联合优化,保证了各个子集中样本的分布上的一致性和可分性,而且可以利用Gibbs采样技术对模型参数进行简便有效的估计。基于人工数据集、公共数据集以及雷达实测数据的实验验证了该文方法的有效性。 相似文献
19.
针对基于单一极化特性增强的极化SAR图像目标检测方法的缺陷,该文将DP(Dirichlet Process)混合隐变量SVM模型(DPLVSVM)应用于极化SAR图像舰船目标检测,提出一种基于多极化散射机理的检测方法。该方法通过联合Dirichlet过程混合与Bayes SVM模型,将信号空间划分成若干局部区域,然后在每一局部区域学习一个独立的极化检测器,并将各局部检测器进行组合实现全局多极化散射机理的目标检测。模型采用非参数化Bayes方法自动确定局部区域数量,在完全Bayes框架下,将局部区域划分及检测器学习进行联合优化,保证了各局部区域样本的可分性。另外,为了降低极化特征冗余,该文进一步提出带特征选择功能的稀疏提升DP混合隐变量SVM模型(SPDPLVSVM),提高模型的推广能力。该模型由于采用共轭先验分布,因而可以利用Gibbs采样方法进行高效求解。在RADARSAT-2数据上进行的实验验证了所提方法的有效性。 相似文献
20.
自动调制识别是通信识别、电子侦察、干扰检测等领域中重要的环节. 针对低信噪比(signal-to-noise ratio, SNR)条件下自动调制识别准确率不高的问题,构建了一种基于注意力机制的卷积神经网络(convolutional neural network, CNN)调制识别模型(sequential convolution-based attention model, SCAM),用于处理原始I/Q序列信号从而进行调制识别. 通过在一维CNN模型中引入注意力机制,SCAM能够有效地在低SNR条件下提取原始I/Q序列信号中的特征信息,再通过特征融合的方式对多域特征信息进行联合提取,并将融合后的特征用于调制识别,从而提升了自动调制识别的准确率. 对比传统CNN模型,开源数据集RML2016.10a上不同SNR环境条件下的调制识别实验表明,本文提出的SCAM模型能取得更高的调制类型识别准确率.
相似文献