排序方式： 共有7条查询结果，搜索用时 250 毫秒
1
1.
非正交多址 （NOMA）技术大大提高了频谱效率,并且支持海量连接,是第五代移动通信中最具潜力的多址技术。现有NOMA资源分配算法仅从功率分配或子载波分配单一角度出发,未实现两者的联合优化。因此,为实现发射功率受限时最大化系统总传输速率的优化目标,在子载波分配方案确定的情况下,提出一种基于固定子载波分配的功率分配方案。在此基础上,提出一种基于速率贡献比的删除准则,以实现子载波和功率的联合优化。仿真结果表明,该方案明显优于传统的NOMA功率分配方案,不仅降低了算法复杂度,而且提升了系统性能。 相似文献
2.
随着人们日常生活水平的提高,全国心血管疾病患病人数已接近21%,心血管疾病对生命的威胁愈加严重,已成为我国居民的主要死亡原因之一。因此,对心血管疾病数据进行统计分析,提前预警显得尤为重要。为了得到更贴合实际的各指标正常区间,在收集指标时新增“用户自我感觉”指标作为用户身体状况自评数据,并结合各指标已有数据划分健康人群,得到新的正常区间,体检人员一旦有相关指标出现异常便计入高发人群数。以冠心病为例作出高发人群数趋势图,并设计体检信息管理系统,可对上传的体检数据及用户身体状况自评数据进行大数据分析得到疾病预警结论,并告知体检人员身体健康状况。 相似文献
3.
“新工科”建设背景下,工科专业的培养方案、培养模式有了新需求。结合当下新兴的e-Learning在线课程与翻转课堂,提出一种MOOC CDIO“线上-线下”混合教学框架,强调以学生为中心,非常符合“新工科”的教学理念。详细分析了专业课程分级综合教学模式,并进一步给出了教学体系的评价标准。该平台框架既可以满足理论和实践探索课程建设需求,又可以作为具体课程设计指导,提供更适合学生学习的课程,帮助教师提高教学质量。 相似文献
4.
特征选择在机器学习中运用广泛,Boruta算法是一种常见的特征选择方法,算法思想简单、易于操作,但样本复杂度较高。针对该问题提出改进Boruta算法,在原算法阴影特征样本建造中只对部分样本打乱重排序,降低了阴影特征样本的复杂度。实验结果表明,改进的Boruta算法在混合比例约为0.4~0.6时相比原算法,提取出的特征拟合模型预测性能略有提高。使用平均减少不纯度（mean decrease impurity）和随机Lasso这两种传统方法选择同样数量的特征建立模型进行预测,发现改进的Boruta算法预测性能比上述两种方法更优,改进的Boruta算法在降低样本复杂度的同时提高了预测性能。 相似文献
5.
K 均值算法（K-Means）是聚类算法中最受欢迎且最健壮的一种算法,然而在实际应用中,存在真实数据集划分的类数无法提前确定及初始聚类中心点随机选择易使聚类结果陷入局部最优解的问题。因此提出一种基于最大距离中位数及误差平方和（SSE）的自适应改进算法。该算法根据计算获取初始聚类中心点,并通过 SSE 变化趋势决定终止聚类或继续簇的分裂,从而自动确定划分的类簇个数。采用 UCI 的 4 种数据集进行实验。结果表明,改进后的算法相比传统聚类算法在不增加迭代次数的情况下,聚类准确率分别提高了17.133%、22.416%、1.545%、0.238%,且聚类结果更加稳定。 相似文献
6.
上行链路的大规模多入多出（MIMO）系统信号检测中,最小均方误差（MMSE）算法由于涉及矩阵求逆运算使得算法复杂度过高。为改善这一缺点,在传统MMSE算法的基础上,通过设计一种新的迭代方式代替矩阵求逆,使原算法的复杂度降低了一个数量级。理论分析及仿真表明,改进算法显著改善了传统MMSE算法的复杂度,仅需少量迭代次数就能快速向理想MMSE矩阵求逆检测算法收敛。 相似文献
7.
提出一种基于正则化方法的K均值奇异值分解（K-SVD）算法。新算法在更新字典阶段,建立一种正则化模型,针对经典K-SVD算法中每次原子更新,引入正则项参与字典更新过程,将每次更新原子所产生的误差限制在设定范围内完成原子更新。在K-SVD算法正则化模型基础上,对K-SVD的衍生算法近似K-SVD(Approximate K-SVD)进行了研究,提出了适用于AK-SVD的正则化模型。实验结果表明,新模型训练字典的误差相较于传统算法缩小了13.8%。将训练字典用于图像去噪时发现,新模型下字典重构出图像的峰值信噪比（PSNR）比传统算法提升0.5dB左右。 相似文献
1