論文元數(shù)據(jù)搜索，找到相關(guān)信息共 232 條：
2015, 37(5): 1111-1115.
doi: 10.11999/JEIT140955
刊出日期：2015-05-19
多基線相位解纏繞問題可以轉(zhuǎn)化為求解L1范數(shù)優(yōu)化問題的最優(yōu)解，然而L1范數(shù)多基線相位解纏繞算法存在內(nèi)存需求量大的問題，且對噪聲嚴(yán)重的干涉相位圖處理效果不理想。為了減少用線性規(guī)劃算法解L1范數(shù)多基線相位解纏繞時內(nèi)存需求較大的問題，該文提出用L范數(shù)的懲罰函數(shù)來近似L1范數(shù)的懲罰函數(shù)以減少優(yōu)化模型中優(yōu)化變量的大小，從而將多基線相位解纏繞模型其目標(biāo)函數(shù)變?yōu)?em>L范數(shù)+L1范數(shù)的形式，并且優(yōu)化變量的大小減少了約57%。最后，通過一個噪聲嚴(yán)重的實測數(shù)據(jù)對該文算法進(jìn)行了驗證，實驗結(jié)果表明，該文提出的方法不僅可以有效地解纏繞質(zhì)量較好的條紋圖，同時對噪聲嚴(yán)重區(qū)還具有一定的濾波效果。
2015, 37(10): 2377-2382.
doi: 10.11999/JEIT141590
刊出日期：2015-10-19
該文研究基于代理函數(shù)和先驗概率密度的L0范數(shù)平滑逼近問題的穩(wěn)健求解。首先，分析了平滑逼近函數(shù)的凹凸特性，給出提高恢復(fù)性能的參數(shù)調(diào)整策略與改進(jìn)的SL0和FOCUSS算法。其次，將噪聲背景下L0范數(shù)逼近過程進(jìn)行正則化表示，并基于牛頓方向推導(dǎo)其迭代重加權(quán)形式的求解框架，給出一種新的代理函數(shù)。最后，使用數(shù)值仿真證實了所提算法可以提高此類問題的求解的穩(wěn)健性，具有實用價值。
2018, 40(9): 2281-2286.
doi: 10.11999/JEIT171021
刊出日期：2018-09-01
對于一個平面圖G實施擴(kuò)3-輪運算是指在G的某個三角形面xyz內(nèi)添加一個新頂點v，使v與x, y, z均相鄰，最后得到一個階為|V(G)|+1的平面圖的過程。一個遞歸極大平面圖是指從平面圖K4出發(fā)，逐次實施擴(kuò)3-輪運算而得到的極大平面圖。 所謂一個(k,l)-遞歸極大平面圖是指一個遞歸極大平面圖，它恰好有k個度為3的頂點，并且任意兩個3度頂點之間的距離均為l。該文對(k,l)-遞歸極大平面圖的存在性問題做了探討，刻畫了(3,2)-及(2,3)-遞歸極大平面圖的結(jié)構(gòu)。
2018, 40(4): 905-911.
doi: 10.11999/JEIT170440
刊出日期：2018-04-19
GNSS信號的空間信號(SIS)質(zhì)量直接影響用戶的定位、測試和授時(Positioning, Velocity and Timing, PVT)服務(wù)精度，但由于授權(quán)信號保密等原因，授權(quán)信號的偽碼序列未知，衛(wèi)星導(dǎo)航系統(tǒng)授權(quán)信號質(zhì)量評估存在一定的困難性。該文主要分析GPS BIIF-5衛(wèi)星L1頻點的相干自適應(yīng)副載波調(diào)制(CASM)信號，利用匹配濾波理論恢復(fù)出采集數(shù)據(jù)中的P(Y)碼和M碼兩個授權(quán)信號分量的偽碼符號，采用極大似然估計結(jié)合信號分布特點準(zhǔn)確求解出各信號分量之間的功率分配。重點分析P(Y)碼和M碼信號相關(guān)性能，包含相關(guān)曲線、相關(guān)損失和S曲線過零點偏差(S-Curve bias)，定量地評估了授權(quán)信號的空間信號質(zhì)量。提出完整的基于GPS L1頻點授權(quán)信號質(zhì)量評估方法，研究成果可作為其他衛(wèi)星導(dǎo)航系統(tǒng)授權(quán)信號質(zhì)量評估的參考。
1998, 20(6): 852-855.
刊出日期：1998-11-19
介紹在L波段強(qiáng)流相對論速調(diào)管研究中,強(qiáng)流相對論短脈沖空心電子束的產(chǎn)生、傳輸、束流調(diào)制及其診斷等方面的初步實驗研究情況。在直線感應(yīng)加速器上,利用66mm、壁厚3mm的石墨空心陰極,加上約5kGs的準(zhǔn)直流引導(dǎo)磁場,引出了約500kV、4.5kA、脈寬100ns、54.5mm、厚度4.5mm的空心電子束。注入500kW的微波調(diào)制,束流經(jīng)過輸入腔后,得到了約6％的最大基波電流調(diào)制深度,經(jīng)過中間腔后,得到了約23％的基波電流調(diào)制深度。
1997, 19(3): 350-355.
刊出日期：1997-05-19
關(guān)鍵詞:
故障診斷; L1范數(shù); 神經(jīng)優(yōu)化
基于精確罰函數(shù)法,提出了新的求解L1范致問題最優(yōu)解的神經(jīng)網(wǎng)絡(luò)方法,它避免了Kennedy和Chua(1988)網(wǎng)絡(luò)罰因子較大時性態(tài)變壞問題。對Bandler(1982)提出的模擬電路故障診斷L1范數(shù)法進(jìn)行了改進(jìn),將線性約束L1問題轉(zhuǎn)化為非線性約束L1問題,并用新的神經(jīng)網(wǎng)絡(luò)方法求解,計算量小。模擬實驗表明,所提神經(jīng)網(wǎng)絡(luò)方法和改進(jìn)的模擬電路故障診斷L1范數(shù)方法是可行的。
2013, 35(9): 2059-2065.
doi: 10.3724/SP.J.1146.2012.01647
刊出日期：2013-09-19
基于密度差(Difference Of Density, DOD)思想，L2核分類器算法具有良好的分類性能及稀疏性，然而其訓(xùn)練域與測試域獨立同分布的假設(shè)限制了其應(yīng)用范圍。針對此不足，該文提出一種新的面向遷移學(xué)習(xí)的L2核分類器(Transfer Learning-L2 Kernel Classification, TL-L2KC)，該方法既保持了L2核分類器算法良好的分類性能，又能處理數(shù)據(jù)集緩慢變化及訓(xùn)練集在特定約束條件下獲得導(dǎo)致訓(xùn)練集和未來測試集分布不一致的問題?；谌嗽鞌?shù)據(jù)集和UCI真實數(shù)據(jù)集的實驗表明，該文提出的TL-L2KC算法較之于經(jīng)典的遷移學(xué)習(xí)分類方法，具有相當(dāng)?shù)?、甚至更好的性能?/div>
2010, 32(2): 296-300.
doi: 10.3724/SP.J.1146.2008.01850
刊出日期：2010-02-19
關(guān)鍵詞:
衛(wèi)星通信; L2C; 信號捕獲; 時分復(fù)用; 檢測概率; 抗干擾容限
L2C是GPS現(xiàn)代化Block IIR-M衛(wèi)星發(fā)射的一個新民用信號。為了估計GPS L2C的捕獲性能，該文首先研究了GPS L2C捕獲算法，即本地產(chǎn)生的歸零CM，利用FFT快速實現(xiàn)短碼的捕獲后，利用短碼和長碼固定的相位關(guān)系實現(xiàn)長碼的捕獲，仿真驗證，該方法能夠快速實現(xiàn)L2C的捕獲；然后利用統(tǒng)計理論分析了L2C碼捕獲性能，建立了確定接收機(jī)抗干擾能力一般方法，該方法可以運用到其它GNSS信號干擾性能的分析中去。
1997, 19(3): 416-419.
刊出日期：1997-05-19
關(guān)鍵詞:
雙極型; 雙邊沿觸發(fā)器; 系統(tǒng)設(shè)計方法
本文首先提出雙邊沿D觸發(fā)器的系統(tǒng)設(shè)計方法,代替直觀設(shè)計。接著用此法設(shè)計出I2L型和TTL型雙邊沿D觸發(fā)器。
2015, 37(6): 1372-1377.
doi: 10.11999/JEIT141093
刊出日期：2015-06-19
為了避免圖像數(shù)據(jù)向量化后的維數(shù)災(zāi)難問題，以及增強(qiáng)對野值(outliers)及噪聲的魯棒性，該文提出一種基于L1-范數(shù)的2維線性判別分析(L1-norm-based Two-Dimensional Linear Discriminant Analysis, 2DLDA-L1)降維方法。它充分利用L1-范數(shù)對野值及噪聲的強(qiáng)魯棒性，并且直接在圖像矩陣上進(jìn)行投影降維。該文還提出一種快速迭代優(yōu)化算法，并給出了其單調(diào)收斂到局部最優(yōu)的證明。在多個圖像數(shù)據(jù)庫上的實驗驗證了該方法的魯棒性與高效性。
- 首頁
- 上一頁
- 1
- 2
- 3
- 4
- 5
- 下一頁
- 末頁
- 共:24頁
Copyright © 2018《電子與信息學(xué)報》編輯部 京ICP備20021838號-8
中國科學(xué)院電子學(xué)研究所,北京市2702信箱,郵編：100190
電話：010-58887066傳真：021-64253812Email：jeit@mail.ie.ac.cn
本系統(tǒng)由
北京仁和匯智信息技術(shù)有限公司
開發(fā)
