搜索资源列表
sasdw.rar
- 现有数字信号自动调制识别方法大多只适用于无记忆信号，如PSK、ASK、FSK信号等。将有记忆 信号(MSK信号)和无记忆信号一起考虑，提出了一种改进的数字信号自动识别方法。该方法采用信号的瞬时统 计量作为特征参数，采用多层神经网络作为分类器。计算机仿真表明：当噪声采用高斯白噪声，并且信噪比大于 l5 dB时，识别率高于96％ ；当信噪比不低于l0 dB时，识别率不低于90％。,Existing digital signal automatic modulation recognition
DataMining3rd
- 评测数据在去掉停用词的 分类过程开放测试中,引入Good-Turing算法的分类性能比Laplace原则提高了3·05 ,比Lidstone方法提高 1·00 .而在交叉熵选择特征词的算法中,增加Good-Turing的贝叶斯分类方法可比最大熵分类性能高95 .通过这种数据平滑的算法,有助于克服因数据稀疏而引发的特征词缺失问题 -Evaluation data in the open test of the classification process to remove stop
non-Gaussian-noise-Identification
- 该文提出一种基于广义分数阶傅里叶变换和分数低阶Wigner-Ville 分布的数字调制识别新方法，该方法提取广义分数阶傅里叶变换的零 中心归一化瞬时幅度谱密度的最大值和分数低阶Wigner-Ville 分布幅度的最大值作为识别特征参数，并采用判决树分类器，实现了非高斯噪声下数字调制信号识别。-This paper presents a generalized fractional Fourier transform and fractional lower order Wigner-Vill
fenlei
- 空间约束半监督高斯过程下的高光谱图像分类 -Space constraints Semi-supervised hyperspectral image classification under the Gaussian process
gaosihefenlei
- 用于SVM高斯核分类-Gaussian kernel for SVM classification-Gaussian kernel for SVM classification
Video-classification-
- 本文档包含了对视频分类的方法论文，先提取视频中音频信息和图像信息，然后进行拼接并使用PCA进行降维处理，最后使用高斯联合模型进行学习和分类-This document contains papers on the video classification method, first extract the video audio information and image information, and then stitching using PCA dimension reduction,