論文元數(shù)據(jù)搜索，找到相關(guān)信息共 5 條：
2014, 36(5): 1126-1132.
doi: 10.3724/SP.J.1146.2013.00400
刊出日期：2014-05-19
該文針對(duì)圖像融合領(lǐng)域內(nèi)難于對(duì)先驗(yàn)知識(shí)加以利用的問題提出一種新的有監(jiān)督學(xué)習(xí)的Takagi Sugeno Kang (TSK)模糊系統(tǒng)圖像融合方法。該方法通過引入TSK模糊系統(tǒng)構(gòu)建標(biāo)準(zhǔn)圖像融合圖像庫進(jìn)行學(xué)習(xí)，將學(xué)習(xí)準(zhǔn)則記錄下來形成融合模型，并指導(dǎo)新的圖像融合過程。不同于傳統(tǒng)方法，該方法可以有效地避免模型參數(shù)擇優(yōu)的難題，在融合圖像質(zhì)量和適用范圍方面表現(xiàn)出一定的優(yōu)勢(shì)。從單一類型圖像融合和多種類型圖像融合兩個(gè)角度進(jìn)行了實(shí)驗(yàn)研究，實(shí)驗(yàn)結(jié)果說明該方法的有效性。
1995, 17(5): 492-499.
刊出日期：1995-09-19
關(guān)鍵詞:
代數(shù)幾何碼; 基本累次算法; 譯碼算法
設(shè)C是虧格為g的不可約代數(shù)曲線;C*(D,G)為C上的代數(shù)幾何碼,該碼的設(shè)計(jì)距離為d*=deg(G)-2g+2。本文首先從理論上證明所給算法的合理性,然后給出一種基于基本累次算法(FIA)的譯碼算法。該算法是G.L.Feng等人(1993)提出的算法的改進(jìn)。它可對(duì)[(d*-1)/2]個(gè)錯(cuò)誤的接收向量進(jìn)行譯碼。運(yùn)算量與存貯量約為G.L.Feng等人算法的一半,且便于軟硬件實(shí)現(xiàn)。
2004, 26(6): 966-970.
刊出日期：2004-06-19
關(guān)鍵詞:
機(jī)動(dòng)目標(biāo)模型;跟蹤算法
在當(dāng)前統(tǒng)計(jì)模型的基礎(chǔ)上，結(jié)合實(shí)時(shí)輸入估計(jì)算法(Feng xinxi等，1996)的思想，提出了一種新的機(jī)動(dòng)目標(biāo)模型，并利用其方差調(diào)整關(guān)系建立了自適應(yīng)跟蹤算法。大量仿真結(jié)果表明該模型能夠準(zhǔn)確描述目標(biāo)的各種機(jī)動(dòng)情況，跟蹤算法具有良好的跟蹤性能，具有實(shí)際應(yīng)用價(jià)值。
2007, 29(11): 2669-2671.
doi: 10.3724/SP.J.1146.2006.00604
刊出日期：2007-11-19
關(guān)鍵詞:
語音編碼;基音量化;波形內(nèi)插
基音在語音編碼中通常采用7bit無失真均勻量化。由于濁音段語音的基音普遍具有緩慢漸變的特點(diǎn)，為了更有效地去除前后幀基音之間存在的相關(guān)性，該文基于Eriksson和Kang提出的4bit基音量化算法，針對(duì)漢語語音進(jìn)行研究，實(shí)現(xiàn)了一套4~6bit基音量化算法。該算法計(jì)算簡單，無需碼書存儲(chǔ)。將此基音量化方案應(yīng)用于WI模型和WI編碼器，主觀A/B聽力測(cè)試結(jié)果表明，該方案在高效量化基音的同時(shí)保證了合成語音質(zhì)量幾乎沒有損失，完全滿足低速率WI編碼器對(duì)量化基音的要求。
2015, 37(9): 2082-2088.
doi: 10.11999/JEIT150074
刊出日期：2015-09-19
經(jīng)典數(shù)據(jù)驅(qū)動(dòng)型TSK(Takagi-Sugeno-Kang)模糊系統(tǒng)在獲取模糊規(guī)則時(shí)，會(huì)考慮數(shù)據(jù)的所有特征空間，其帶來一個(gè)重要缺陷：如果數(shù)據(jù)的特征空間維數(shù)過高，則系統(tǒng)獲取的模糊規(guī)則繁雜，使系統(tǒng)復(fù)雜度增加而導(dǎo)致解釋性下降。該文針對(duì)此缺陷，探討了一種基于模糊子空間聚類的〇階L2型TSK模糊系統(tǒng)(Fuzzy Subspace Clustering based zero-order L2- norm TSK Fuzzy System, FSC-0-L2-TSK-FS)構(gòu)建新方法。新方法構(gòu)建的模糊系統(tǒng)不僅能縮減模糊規(guī)則前件的特征空間，而且獲取的模糊規(guī)則可對(duì)應(yīng)于不同的特征子空間，從而具有更接近人類思維的推理機(jī)制。模擬和真實(shí)數(shù)據(jù)集上的建模結(jié)果表明，新方法增強(qiáng)了面對(duì)高維數(shù)據(jù)所建模型的解釋性，同時(shí)所建模型得到了較之于一些經(jīng)典方法更好或可比較的泛化性能。
