-
题名基于置信度的S模式信号随机多位纠错技术
被引量：1
- 1
-
-
作者
张涛
唐小明
金林
-
机构
海军航空工程学院
南京电子技术研究所
-
出处
《电讯技术》
北大核心
2015年第9期1005-1009,共5页
-
基金
国家自然科学基金资助项目(61032001)~~
-
文摘
针对现有纠错技术只能对少量随机错误或突发错误进行纠错的不足,提出了一种基于置信度的随机多位纠错方法。该方法在准确进行置信度判断的基础上,通过缩短循环冗余校验(CRC)处理时间或增加并行运算能力以增加纠错位数。同时给出了可运用于工程实际的保守技术和强力技术的联合纠错处理流程。通过解码纠错实验,统计结果表明该置信度判定法则的准确性为98.24%,通过图形处理器(GPU)强力纠错可实现高达83.37%的解码率,通过现场可编程门阵列(FPGA)强力纠错可实现73.66%的解码率,较现有强力纠错技术的纠错能力有较大提高,可增强对航空器监视的连续性。
-
关键词
S模式应答机
强力技术
CRC校验
随机多位误码
GPU纠错技术
置信度判断
-
Keywords
mode S responder
brute force technique
cyclic redundancy check
random error
GPU correcting technique
confidence declaration
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名一种自训练框架下的三优选半监督回归算法
被引量：4
- 2
-
-
作者
程康明
熊伟丽
-
机构
江南大学物联网工程学院
江南大学轻工过程先进控制教育部实验室
-
出处
《智能系统学报》
CSCD
北大核心
2020年第3期568-577,共10页
-
基金
国家自然科学基金项目(61773182)
江苏省自然科学基金项目(BK20170198).
-
文摘
工业生产过程数据由于主导变量分析代价等因素可能出现有标签样本少而无标签样本多的情况,为提升对无标签样本利用的准确性与充分性,提出一种自训练框架下的三优选半监督回归算法。对无标签样本与有标签样本进行优选,保证两类数据的相似性,以提高无标签样本预测的准确性;利用高斯过程回归方法对所选有标签样本集建模,预测所选无标签样本集,得到伪标签样本集;通过对伪标签样本集置信度进行判断,优选出置信度高的样本用于更新初始样本集;为了进一步提高无标签样本利用的充分性,在自训练框架下,进行多次循环筛选提高无标签样本的利用率。通过对脱丁烷塔过程实际数据的建模仿真,验证了所提方法在较少有标签样本情况下的良好预测性能。
-
关键词
工业生产
无标签样本
优选
半监督回归
相似性
高斯过程回归
置信度判断
自训练
预测
-
Keywords
industrial production
unlabeled samples
filter
semi-supervised regression
similarity
Gaussian process regression
confidence judgment
self-training
prediction
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
