期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
一种基于代价的冒泡式多优先级认知无线电排队接入机制
1
作者 许瑞琛 蒋挺 《电子学报》 EI CAS CSCD 北大核心 2014年第6期1147-1156,共10页
本文首先根据认知无线电实际环境,在一类虚警事件和三类漏检事件的影响下,对M/G/1排队模型进行修正,给出主用户及次级用户数据传输时间的一阶矩和二阶矩的解析解,得到M/G/1-R(M/G/1-Revised)排队模型.其次在多优先级次级用户情境下,提... 本文首先根据认知无线电实际环境,在一类虚警事件和三类漏检事件的影响下,对M/G/1排队模型进行修正,给出主用户及次级用户数据传输时间的一阶矩和二阶矩的解析解,得到M/G/1-R(M/G/1-Revised)排队模型.其次在多优先级次级用户情境下,提出一种基于系统代价的冒泡式排队接入方案(B-M/G/1-R,Bubble-M/G/1-Revised),给出该方案能够最小化系统代价的证明过程.仿真与数值计算验证了M/G/1-R的有效性,在实际认知无线电环境下,B-M/G/1-R能够获得最小的系统代价和次级用户数据传输中断次数. 展开更多
关键词 认知无线电 实际环境 M/G/1 系统代价 打断次数
在线阅读 下载PDF
代价敏感分类策略在肺癌细胞识别诊断中的应用 被引量:1
2
作者 张缨 汪栋 +3 位作者 贾绍昌 叶玉坤 史颖欢 高阳 《医学研究生学报》 CAS 北大核心 2012年第6期567-570,共4页
目的代价敏感分类策略可以最小化误分类代价并有效提高识别率。针对计算机辅助肺穿刺样本的病理图像分析,提出一种新的代价敏感图像层的肺癌诊断系统(cost-sensitive image-level lung cancer diagnosis system,CILCDS)。方法基于潜在... 目的代价敏感分类策略可以最小化误分类代价并有效提高识别率。针对计算机辅助肺穿刺样本的病理图像分析,提出一种新的代价敏感图像层的肺癌诊断系统(cost-sensitive image-level lung cancer diagnosis system,CILCDS)。方法基于潜在狄利克雷分配模型(latent dirichlet allocation,LDA)、代价敏感支持向量机(cost-sensitive support vector machine,CSSVM)以及多类支持向量机(multi-class support vector machines,mcSVM)等最新计算机技术,对肺穿刺病理细胞学涂片进行识别诊断。实验数据集是271例肺穿刺样本图像,其中240例肺癌样本有术后组织病理诊断结果对照。结果通过与基于轴平行矩形(axis-parallel rectangles,APR)、K近邻(citation K-nearest neighbors,Citation-kNN)、集成多样性密度(ensemble ofdiversity density,EM-DD)、多分类多示例自适应增强法(multi-class multi-instance adaptive boosting,MCMI-AdaBoost)等方法进行对比,CILCDS在癌与正常细胞的判断以及癌细胞的分类识别诊断过程中能够取得更低的错误分类代价以及较好的组织病理结果符合率。结论 CILCDS对肺癌细胞涂片诊断率高,并能减少既往肺癌细胞病理诊断过程中假阳性结果。 展开更多
关键词 代价敏感图像层肺癌诊断系统 肺肿瘤/诊断/病理学 图像处理 计算机辅助
在线阅读 下载PDF
多目标跟踪的分布式MIMO雷达有限阵元选取算法 被引量:2
3
作者 宋喜玉 郑娜娥 高留洋 《系统工程与电子技术》 EI CSCD 北大核心 2017年第9期1992-1997,共6页
为充分发挥分布式多输入多输出雷达阵元选取的灵活性,提高多目标跟踪精度的同时,尽量降低系统的代价损耗,提出了一种基于多目标位置估计的阵元选取算法。首先,以提高目标位置估计精度为优化准则,在给定阵元子集大小和允许最高精度误差... 为充分发挥分布式多输入多输出雷达阵元选取的灵活性,提高多目标跟踪精度的同时,尽量降低系统的代价损耗,提出了一种基于多目标位置估计的阵元选取算法。首先,以提高目标位置估计精度为优化准则,在给定阵元子集大小和允许最高精度误差的约束下,建立了目标位置估计精度与系统代价损耗折中的阵元选取优化模型。然后,采用多起点搜索贪婪算法对模型进行求解,得到多目标跟踪的阵元选取结果。仿真结果表明,在一定阵元子集大小和跟踪目标个数的范围内,该算法能够获得良好的选取性能,并大大降低系统计算量。 展开更多
关键词 分布式多输入多输出雷达 多目标跟踪 阵元选取 系统代价
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部