您的位置: 专家智库 > >

徐丽

作品数:2 被引量:3H指数:1
供职机构:西南交通大学电气工程学院更多>>
相关领域:自动化与计算机技术电子电信环境科学与工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...
  • 1篇电子电信
  • 1篇环境科学与工...

主题

  • 1篇信号
  • 1篇信号识别
  • 1篇源信号
  • 1篇支持向量
  • 1篇支持向量聚类
  • 1篇识别率
  • 1篇网络平衡
  • 1篇无监督聚类
  • 1篇向量
  • 1篇量子进化
  • 1篇量子进化算法
  • 1篇模糊C-均值...
  • 1篇进化算法
  • 1篇聚类
  • 1篇聚类算法
  • 1篇均值聚类
  • 1篇均值聚类算法
  • 1篇雷达
  • 1篇雷达辐射
  • 1篇雷达辐射源

机构

  • 2篇西南交通大学

作者

  • 2篇利稷夫
  • 2篇徐丽
  • 1篇薛飞
  • 1篇张华

传媒

  • 2篇电子元器件应...

年份

  • 1篇2010
  • 1篇2009
2 条 记 录,以下是 1-2
排序方式:
量子进化算法在网络平衡分配模型中的应用
2009年
给出了采用量子进化算法来解决平衡交通分配的求解方法,解决了网络平衡交通分配模型因变量多、维数大、不好求解而影响其在实际交通规划中的应用问题。
徐丽利稷夫张华
关键词:量子进化算法
基于新型混合SVC算法的雷达辐射源信号识别被引量:3
2010年
无监督学习方法能够对雷达辐射源信号进行有效的识别,支持向量聚类(Support Vector Clustering,SVC)算法是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高,而且在处理分布复杂、不均匀样本时,识别率较低。文章结合模糊C-均值算法与SVC算法的优点,提出了一种新的混合模糊C-均值法和SVC算法的无监督聚类方法。此方法用模糊C-均值聚类算法对数据样本作初步地线性划分,以将原数据样本划分成若干子样本。再用SVC算法分别对这些子样本进一步划分,再由模糊C-均值聚类法将二次规划问题分解,因而大大减少了SVC的计算量,降低了时间消耗。相对于原数据样本,子样本的分布较为简单、均匀,容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明,此方法处理速度较快,具有较高的识别率。
利稷夫徐丽薛飞
关键词:模糊C-均值聚类算法支持向量聚类无监督聚类雷达辐射源识别率
共1页<1>
聚类工具0