由于传统的欧式空间方法无法有效反映协方差矩阵之间的差异,而导致信息损失,为了解决这一问题,提出了一种基于詹森-布雷格曼洛格德特散度(Jensen-Bregman LogDet divergence)的阵列波达方向(Direction of Arrival,DOA)估计方法,将目标...由于传统的欧式空间方法无法有效反映协方差矩阵之间的差异,而导致信息损失,为了解决这一问题,提出了一种基于詹森-布雷格曼洛格德特散度(Jensen-Bregman LogDet divergence)的阵列波达方向(Direction of Arrival,DOA)估计方法,将目标方位估计问题转化为矩阵流形上两点间的几何距离问题,揭示了方位估计与黎曼空间矩阵流形的映射规律,从而得到了几何距离最小值处对应的角度即为目标入射角度的结论,并通过构建两个强鲁棒性的矩阵流形,完成了矩阵信息几何DOA估计理论模型的建立。通过模拟仿真与实测数据对所新方法进行了验证。验证结果表明:与现有的最小方差无失真响应算法和多信号分类算法相比,新方法在低信噪比环境下拥有更好的估计精度;新方法的应用具有一定的实际意义和应用前景,可以为海洋防御及民用领域中的水下目标方位估计等提供坚实的技术支持。展开更多
在大数据时代,数据的类别标签数量激增,对现有的分类方法构成了重大挑战。为解决此问题,利用类别间的相似性,将数据类别标签以层次化方式处理。但现有的类别间相似性度量均使用欧氏距离,由于欧氏距离无法有效处理高维数据,因此,受Tanim...在大数据时代,数据的类别标签数量激增,对现有的分类方法构成了重大挑战。为解决此问题,利用类别间的相似性,将数据类别标签以层次化方式处理。但现有的类别间相似性度量均使用欧氏距离,由于欧氏距离无法有效处理高维数据,因此,受Tanimoto系数启发,提出一种新的类别相似性度量方法,使用Louvain算法构建树结构(TaniVT),考虑数据分布,设计基于类内散度的模糊粗糙分层分类器(fuzzy rough hierarchical classifier based on intra-class divergence,IDFRHC),将所提方法与已有的方法进行比较,通过实验验证了所提方法的有效性。展开更多
文摘由于传统的欧式空间方法无法有效反映协方差矩阵之间的差异,而导致信息损失,为了解决这一问题,提出了一种基于詹森-布雷格曼洛格德特散度(Jensen-Bregman LogDet divergence)的阵列波达方向(Direction of Arrival,DOA)估计方法,将目标方位估计问题转化为矩阵流形上两点间的几何距离问题,揭示了方位估计与黎曼空间矩阵流形的映射规律,从而得到了几何距离最小值处对应的角度即为目标入射角度的结论,并通过构建两个强鲁棒性的矩阵流形,完成了矩阵信息几何DOA估计理论模型的建立。通过模拟仿真与实测数据对所新方法进行了验证。验证结果表明:与现有的最小方差无失真响应算法和多信号分类算法相比,新方法在低信噪比环境下拥有更好的估计精度;新方法的应用具有一定的实际意义和应用前景,可以为海洋防御及民用领域中的水下目标方位估计等提供坚实的技术支持。
文摘在大数据时代,数据的类别标签数量激增,对现有的分类方法构成了重大挑战。为解决此问题,利用类别间的相似性,将数据类别标签以层次化方式处理。但现有的类别间相似性度量均使用欧氏距离,由于欧氏距离无法有效处理高维数据,因此,受Tanimoto系数启发,提出一种新的类别相似性度量方法,使用Louvain算法构建树结构(TaniVT),考虑数据分布,设计基于类内散度的模糊粗糙分层分类器(fuzzy rough hierarchical classifier based on intra-class divergence,IDFRHC),将所提方法与已有的方法进行比较,通过实验验证了所提方法的有效性。
