为完善基于先验知识的标记增强方法对于情绪信息的捕捉,提出一种基于语义规则增强的蒙古语情感分布学习方法(semantic rule enhancement based Mongolian emotion distribution learning, SRE-MEDL)。在情感轮和情感词典的基础上,引入...为完善基于先验知识的标记增强方法对于情绪信息的捕捉,提出一种基于语义规则增强的蒙古语情感分布学习方法(semantic rule enhancement based Mongolian emotion distribution learning, SRE-MEDL)。在情感轮和情感词典的基础上,引入程度词典和否定词典,得到各种情感词组合,以此制定相应的语义规则计算情感词权重,将其融入到标记增强中。在情感分布学习中融入从情感分布空间到实例特征空间的反向重构映射来弥补正向映射引起的原始信息丢失问题。对比实验结果显示,在蒙古语和中英文常用数据集上,SRE-MEDL方法在标记增强任务和情感分布学习中的表现均优于现有方法。展开更多
雷达、声呐和无线通信等应用对于自适应波束形成的抗干扰能力和实时性提出了更高的要求。传统基于最速迭代的自适应波束形成算法存在“过拟合”特性,导致在相干干扰条件下的干扰抑制性能急剧下降。另外,当干扰存在扰动且导向向量失配时...雷达、声呐和无线通信等应用对于自适应波束形成的抗干扰能力和实时性提出了更高的要求。传统基于最速迭代的自适应波束形成算法存在“过拟合”特性,导致在相干干扰条件下的干扰抑制性能急剧下降。另外,当干扰存在扰动且导向向量失配时,也无法有效抑制干扰。针对上述问题,本文提出了一种基于共轭梯度(Conjugate Gradient,CG)加速的二次约束宽零陷干扰抑制自适应波束形成方法。该方法首先利用CG算法的快速收敛特性,完成采样协方差矩阵与导向向量间线性方程组的求解;其次将CG算法输出的权矢量作为迭代最速波束形成方法的初始权值,利用该方法的“过拟合”特性,确保对期望信号的强锁定;最后提出了一种强化干扰特征的波达方向(Direction of Arrival,DOA)估计方法,实现宽带相干干扰下的干扰来波方向估计,并将该方法与二次约束零陷展宽方法结合,用于捕获干扰特征,形成自适应零陷。仿真实验验证了所提方法在单快拍、宽带相干干扰条件下,能够自适应抑制干扰且稳健性较好。展开更多
文摘为完善基于先验知识的标记增强方法对于情绪信息的捕捉,提出一种基于语义规则增强的蒙古语情感分布学习方法(semantic rule enhancement based Mongolian emotion distribution learning, SRE-MEDL)。在情感轮和情感词典的基础上,引入程度词典和否定词典,得到各种情感词组合,以此制定相应的语义规则计算情感词权重,将其融入到标记增强中。在情感分布学习中融入从情感分布空间到实例特征空间的反向重构映射来弥补正向映射引起的原始信息丢失问题。对比实验结果显示,在蒙古语和中英文常用数据集上,SRE-MEDL方法在标记增强任务和情感分布学习中的表现均优于现有方法。
文摘雷达、声呐和无线通信等应用对于自适应波束形成的抗干扰能力和实时性提出了更高的要求。传统基于最速迭代的自适应波束形成算法存在“过拟合”特性,导致在相干干扰条件下的干扰抑制性能急剧下降。另外,当干扰存在扰动且导向向量失配时,也无法有效抑制干扰。针对上述问题,本文提出了一种基于共轭梯度(Conjugate Gradient,CG)加速的二次约束宽零陷干扰抑制自适应波束形成方法。该方法首先利用CG算法的快速收敛特性,完成采样协方差矩阵与导向向量间线性方程组的求解;其次将CG算法输出的权矢量作为迭代最速波束形成方法的初始权值,利用该方法的“过拟合”特性,确保对期望信号的强锁定;最后提出了一种强化干扰特征的波达方向(Direction of Arrival,DOA)估计方法,实现宽带相干干扰下的干扰来波方向估计,并将该方法与二次约束零陷展宽方法结合,用于捕获干扰特征,形成自适应零陷。仿真实验验证了所提方法在单快拍、宽带相干干扰条件下,能够自适应抑制干扰且稳健性较好。
