简介:单次脑电分类实验中,采用基于logistic回归的正则化方法来提高分类准确率.首先,提出一种新算法——局部保持投影稀疏logistic回归,将局部保持投影正则项加入到稀疏logistic回归中.该算法旨在保留原始特征空间邻域信息的同时保证结果的稀疏性.然后,利用边界优化法和逐分量迭代算法在训练集上求解权重向量,克服了牛顿一拉夫森法和迭代重加权最小二乘法的局限性.最后,在自步调手指运动数据集上采用十重交叉验证法得到80%的分类准确率,并与稀疏logistic回归的实验结果进行对比,说明局部保持投影正则项有效地保留了对脑电分类有用的信息.
简介:为了提高部分传输序列(PTS)方法在正交频分复用(OFDM)系统中降低峰均功率比(PAPR)的能力,研究了PTS方法中的子块划分问题.通过PTS的自相关函数(ACFs)和备选信号的互相关函数(CCFs),将子块划分和降低PAPR的能力相关联.这里用Q表示ACFs的均方幅度的方差.研究发现Q值越小PTS方法所能达到的PAPR性能越好,并以此作为子块划分的设计准则.依据这一准则,对4种常见的分块方法做了比较并提出一种有效的子块划分策略.比较结果表明具有良好结构性的子块划分方法在具有低运算复杂度的同时ACFs的均方幅度方差较大,因此PAPR性能不佳.新策略可以看作是在PAPR性能和运算复杂度间所做的一种折中.仿真结果表明该策略可以在相对低的复杂度的条件下达到最优性能,同时也不会增加附加信息.