期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
异常数据恒虚警检测的非参数方法
被引量：
2
1
作者
张一迪
王培志
+1 位作者
陆起涌
张建秋
《系统工程与电子技术》
EI
CSCD
北大核心
2019年第5期964-971,共8页
针对异常数据和/或数据序列的检测,根据再生核希尔伯特空间最大平均偏差异常数据和/或数据序列检测算法,发展出了一种恒虚警检测异常的非参数方法。将来自正常数据的最大平均偏差描述成了一个统计分布,分析表明:奈曼—皮尔逊假设检验可...
针对异常数据和/或数据序列的检测,根据再生核希尔伯特空间最大平均偏差异常数据和/或数据序列检测算法,发展出了一种恒虚警检测异常的非参数方法。将来自正常数据的最大平均偏差描述成了一个统计分布,分析表明:奈曼—皮尔逊假设检验可利用这个分布来进行异常假设检验,而bootstrap重采样技术或期望最大算法则可估计出正常数据或数据序列的统计分布,尽管在给定虚警率的条件下,异常假设检验所需的判决门限可由估计到的统计分布计算获得,但可以利用蒙特卡罗积分的方法来简化这个计算。数值仿真的结果验证了提出方法的有效性,同时,表明所提方法优于文献中报道的方法。
展开更多
关键词
最大平均偏差
恒虚警率
异常检测
bootstrap重采样
期望最大算法
蒙特卡罗方法
在线阅读
下载PDF
职称材料
基于最大均值差异测度的装配体相似性研究
被引量：
1
2
作者
张鵾
魏树国
+2 位作者
周妍
疏淑丽
李博
《机电工程》
CAS
北大核心
2023年第6期867-874,共8页
基于距离的装配体相似性度量方法由于忽略了对距离分布的分析,在其案例初筛过程中,采用该方法时易导致丢失部分相似的案例。针对这一问题,提出了一种基于最大均值差异(MMD)的装配体相似性度量方法。首先,利用装配体中零部件数量及零部...
基于距离的装配体相似性度量方法由于忽略了对距离分布的分析,在其案例初筛过程中,采用该方法时易导致丢失部分相似的案例。针对这一问题,提出了一种基于最大均值差异(MMD)的装配体相似性度量方法。首先,利用装配体中零部件数量及零部件类型数量、连接数量及连接类型数量,共4个参数,将装配体模型化为一维数据集合;然后,使用最大均值差异(MMD)算法,将表示装配体模型的一维数组映射到再生核希尔伯特空间(RKHS),在该空间内计算出装配体间的距离,并利用离散系数对距离进行了统计学分析;最后,通过基于实例的实验和基于装配体参数生成规则的仿真比较实验对其进行了验证。实验及研究结果表明:在准确度上,MMD算法与欧氏距离(ED)和加权距离(WD)算法一致;在鲁棒性上,无论进行相似性分析的两装配体零部件数量是否一致,该方法的距离分布在零部件数量超过6个后即可达到基本稳定,最高离散系数约为WD算法的23%,距离分布的鲁棒性有了较大程度的增强。
展开更多
关键词
装配体模型
装配体相似性
再生核希尔伯特空间
最大均值差异
欧氏距离
加权距离
离散系数
在线阅读
下载PDF
职称材料
SAR目标增量识别中基于最大化非重合体积的样例挑选方法
3
作者
李斌
崔宗勇
+3 位作者
汪浩瀚
周正
田宇
曹宗杰
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第10期3918-3927,共10页
为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境,其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本,这会造成大量存储资源的浪费,同时识别模型无法快速更新。保留...
为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境,其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本,这会造成大量存储资源的浪费,同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题,该文提出基于最大化非重合体积的样例挑选方法(ESMNV),一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题,旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先,ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS),并使用高阶矩来表示分布。然后,它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后,结合贪心算法,ESMNV逐步选择使样例分布与目标类别分布差异最小的样例,确保在有限数量的样例情况下最大化所选样例的非重合体积。
展开更多
关键词
SAR目标增量识别
样例挑选
非重合体积
最大均值差异
贪心算法
在线阅读
下载PDF
职称材料
题名
异常数据恒虚警检测的非参数方法
被引量：
2
1
作者
张一迪
王培志
陆起涌
张建秋
机构
复旦大学信息科学与工程学院电子工程系智慧网络与系统研究中心
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2019年第5期964-971,共8页
基金
国家自然科学基金(61571131)资助课题
文摘
针对异常数据和/或数据序列的检测,根据再生核希尔伯特空间最大平均偏差异常数据和/或数据序列检测算法,发展出了一种恒虚警检测异常的非参数方法。将来自正常数据的最大平均偏差描述成了一个统计分布,分析表明:奈曼—皮尔逊假设检验可利用这个分布来进行异常假设检验,而bootstrap重采样技术或期望最大算法则可估计出正常数据或数据序列的统计分布,尽管在给定虚警率的条件下,异常假设检验所需的判决门限可由估计到的统计分布计算获得,但可以利用蒙特卡罗积分的方法来简化这个计算。数值仿真的结果验证了提出方法的有效性,同时,表明所提方法优于文献中报道的方法。
关键词
最大平均偏差
恒虚警率
异常检测
bootstrap重采样
期望最大算法
蒙特卡罗方法
Keywords
maximum
mean
discrepancy
(
mmd
)
constant false alarm rate (CFAR)
anomaly detection
bootstrap resampling
expectation-maximization (EM)
algorithm
Monte-Carlo method
分类号
TN911.7 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于最大均值差异测度的装配体相似性研究
被引量：
1
2
作者
张鵾
魏树国
周妍
疏淑丽
李博
机构
铜陵学院机械工程学院
工程液压机器人安徽普通高校重点实验室
安徽省铜基新材料共性技术研究中心
铜陵学院电气工程学院
出处
《机电工程》
CAS
北大核心
2023年第6期867-874,共8页
基金
安徽省高校自然科学重点研究项目(KJ2021A1060)
铜陵学院校级科研项目(2021TLXY18)
铜陵学院大学生科研基金资助项目(2021TLXYDXS088)。
文摘
基于距离的装配体相似性度量方法由于忽略了对距离分布的分析,在其案例初筛过程中,采用该方法时易导致丢失部分相似的案例。针对这一问题,提出了一种基于最大均值差异(MMD)的装配体相似性度量方法。首先,利用装配体中零部件数量及零部件类型数量、连接数量及连接类型数量,共4个参数,将装配体模型化为一维数据集合;然后,使用最大均值差异(MMD)算法,将表示装配体模型的一维数组映射到再生核希尔伯特空间(RKHS),在该空间内计算出装配体间的距离,并利用离散系数对距离进行了统计学分析;最后,通过基于实例的实验和基于装配体参数生成规则的仿真比较实验对其进行了验证。实验及研究结果表明:在准确度上,MMD算法与欧氏距离(ED)和加权距离(WD)算法一致;在鲁棒性上,无论进行相似性分析的两装配体零部件数量是否一致,该方法的距离分布在零部件数量超过6个后即可达到基本稳定,最高离散系数约为WD算法的23%,距离分布的鲁棒性有了较大程度的增强。
关键词
装配体模型
装配体相似性
再生核希尔伯特空间
最大均值差异
欧氏距离
加权距离
离散系数
Keywords
assembly model
assembly similarity
reproducing kernel Hilbert space(RKHS)
maximum
mean
discrepancy
(
mmd
)
Euclidean
distance
(ED)
weighted
distance
(WD)
discrete coefficient
分类号
TH128 [机械工程—机械设计及理论]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
SAR目标增量识别中基于最大化非重合体积的样例挑选方法
3
作者
李斌
崔宗勇
汪浩瀚
周正
田宇
曹宗杰
机构
电子科技大学信息与通信工程学院
出处
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024年第10期3918-3927,共10页
基金
国家自然科学基金(62271116)。
文摘
为了确保合成孔径雷达(SAR)自动目标识别(ATR)系统能够迅速适应新的应用环境,其必须具备快速学习新类的能力。目前的SAR ATR系统在学习新类时需要不断重复训练所有旧类样本,这会造成大量存储资源的浪费,同时识别模型无法快速更新。保留少量的旧类样例进行后续的增量训练是模型增量识别的关键。为了解决这个问题,该文提出基于最大化非重合体积的样例挑选方法(ESMNV),一种侧重于分布非重合体积的样例选择算法。ESMNV将每个已知类的样例选择问题转化为分布非重合体积的渐近增长问题,旨在最大化所选样例的分布的非重合体积。ESMNV利用分布之间的相似性来表示体积之间的差异。首先,ESMNV使用核函数将目标类别的分布映射到重建核希尔伯特空间(RKHS),并使用高阶矩来表示分布。然后,它使用最大均值差异(MMD)来计算目标类别与所选样例分布之间的差异。最后,结合贪心算法,ESMNV逐步选择使样例分布与目标类别分布差异最小的样例,确保在有限数量的样例情况下最大化所选样例的非重合体积。
关键词
SAR目标增量识别
样例挑选
非重合体积
最大均值差异
贪心算法
Keywords
SAR target incremental recognition
Exemplar selection
Non-overlapping volume
Maximum
mean
discrepancy
(
mmd
)
Greedy
algorithm
分类号
TN957.52 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
异常数据恒虚警检测的非参数方法
张一迪
王培志
陆起涌
张建秋
《系统工程与电子技术》
EI
CSCD
北大核心
2019
2
在线阅读
下载PDF
职称材料
2
基于最大均值差异测度的装配体相似性研究
张鵾
魏树国
周妍
疏淑丽
李博
《机电工程》
CAS
北大核心
2023
1
在线阅读
下载PDF
职称材料
3
SAR目标增量识别中基于最大化非重合体积的样例挑选方法
李斌
崔宗勇
汪浩瀚
周正
田宇
曹宗杰
《电子与信息学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
