一级黄色片免费播放|中国黄色视频播放片|日本三级a|可以直接考播黄片影视免费一级毛片

高級(jí)搜索

留言板

尊敬的讀者、作者、審稿人, 關(guān)于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復(fù)。謝謝您的支持!

姓名
郵箱
手機(jī)號(hào)碼
標(biāo)題
留言內(nèi)容
驗(yàn)證碼

一種快速的在線SVM多用戶檢測算法

王子磊 奚宏生 趙宇 盛延敏

王子磊, 奚宏生, 趙宇, 盛延敏. 一種快速的在線SVM多用戶檢測算法[J]. 電子與信息學(xué)報(bào), 2006, 28(8): 1386-1390.
引用本文: 王子磊, 奚宏生, 趙宇, 盛延敏. 一種快速的在線SVM多用戶檢測算法[J]. 電子與信息學(xué)報(bào), 2006, 28(8): 1386-1390.
Wang Zi-lei, Xi Hong-sheng, Zhao Yu, Sheng Yan-min. A Fast Online SVM Algorithm for Multi-user Detection[J]. Journal of Electronics & Information Technology, 2006, 28(8): 1386-1390.
Citation: Wang Zi-lei, Xi Hong-sheng, Zhao Yu, Sheng Yan-min. A Fast Online SVM Algorithm for Multi-user Detection[J]. Journal of Electronics & Information Technology, 2006, 28(8): 1386-1390.

一種快速的在線SVM多用戶檢測算法

A Fast Online SVM Algorithm for Multi-user Detection

  • 摘要: 基于傳統(tǒng)支持向量機(jī)的多用戶檢測算法運(yùn)算量大、耗時(shí)久,無法滿足實(shí)時(shí)性要求。該文提出了一種快速的在線支持向量機(jī)多用戶檢測算法。該算法利用KKT條件判別實(shí)時(shí)增加的訓(xùn)練序列并構(gòu)造當(dāng)前訓(xùn)練樣本集,從而能夠有效地減少訓(xùn)練樣本大小,加快訓(xùn)練速度。仿真實(shí)驗(yàn)表明,該算法在不影響分類效果的情況下大大加快了訓(xùn)練速度,且用于分類的支持向量較少,同時(shí)性能與傳統(tǒng)支持向量機(jī)算法相當(dāng)且明顯優(yōu)于MMSE(RLS)多用戶檢測器。
  • Verdu S. Multiuser Detection[M]. London: Cambridge UniversityPress, 1998: 154-387.[2]張賢達(dá), 保錚. 通訊信號(hào)處理[M]. 北京:國防工業(yè)出版社,2000: 420-482.[3]Madhow U, Honing M. MMSE interference suppression fordirect-sequence spread spectrum CDMA[J]. IEEE Trans. onCommunications, 1998, 46(8): 3178-3188.[4]Host-Madsen A, Kyung-Sean Cho. MMSE/PIC multiuserdetection for DS/CDMA systems with inter-and intra-cellinterference[J].IEEE Trans. on Communications.1999, 47(2):291-299[5]Kechriotis G, Manolakos E S. Hopfield neural network implementtationin the optimal CDMA multiuser detector[J]. IEEETrans. on Neural Networks, 1996, NN-7(1): 131-141.[6]Vapnik V. Statistical Learning Theory[M]. New York: Wiley-Interscience Publication, 1998: 401-491.[7]Nello C, John S T. An Introduction to Support VectorMachines[M]. London: Cambridge University Press, 2000:93-122.[8]Gong X H, Kuh A. Support vector machine for multiuserdetection in CDMA communications[A]. Conference Record ofthe Thirty-Third Asilomar Conference on Signals, Systems, andComputers [C]. Vol.1, 24-27 Oct., 1999: 680-684.[9]周偉達(dá), 張莉, 焦李成. 自適應(yīng)支撐矢量機(jī)多用戶檢測[J]. 電子學(xué)報(bào), 2002, 31(1): 92-97.[10]劉楓, 張?zhí)? 孫建成. 基于修改核函數(shù)的RLS-SVM 多用戶檢測算法[J].電子與信息學(xué)報(bào).2003, 25(8):1130-1134瀏覽[11]楊恒, 張賢達(dá). Rayleigh 信道下的支持向量機(jī)多用戶檢測方法[J].電子與信息學(xué)報(bào).2002, 24(2):257-260瀏覽[12]Lau K W, Wu Q H. Online training of support vector classifier[J].Patten Recognition.2003, 36(8):1913-1920[13]Osuna E, Freund R, Girosi F. An improved training algorithm forsupport vector machines[A]. Neural Network for SignalProcessing[1997] Ⅶ. Proceedings of the 1997 IEEE Workshop.USA , 24-26 Sept., 1997 [C]: 276-285.[14]Platt J. Fast training of support vector machines using sequentialminimal optimization[A]. In: Sch.lkopf B., Burges C.J.C., andSmola A.J. (Eds.) Advances in Kernel Methods-Support VectorLearning, Cambridge, MA, MIT Press. 1999: 185-208.[15]Chang C C, Hsu C W, Lin C J. The analysis of decompositionmethods for support vector machines[J]. IEEE Trans. on NeuralNetworks, 2000, 11(4): 1003-1008.
  • 加載中
計(jì)量
  • 文章訪問數(shù):  2551
  • HTML全文瀏覽量:  92
  • PDF下載量:  1074
  • 被引次數(shù): 0
出版歷程
  • 收稿日期:  2004-11-22
  • 修回日期:  2005-11-23
  • 刊出日期:  2006-08-19

目錄

    /

    返回文章
    返回