Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((张婷[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
Select
1.
基于Sanger神经网络的TDDM-BOC信号组合码序列盲估计
张婷, 张天骐, 熊梅
计算机应用 2017, 37 (
8
): 2189-2194. DOI:
10.11772/j.issn.1001-9081.2017.08.2189
摘要
(
448
)
PDF
(845KB)(
393
)
可视化
收藏
针对低信噪比(SNR)下时分数据调制二进制偏移载波调制信号(TDDM-BOC)的组合码序列盲估计问题,提出一种基于Sanger神经网络(Sanger NN)的新方法。首先将已分段的信号作为输入信号并利用Sanger NN提取各主分量的权值向量;然后通过其多次输入反复训练权值向量,直至权值向量达到收敛;最终利用各个权值向量的符号函数重建信号的组合码序列,实现TDDM-BOC组合码序列的盲估计。此外,采用最优变步长的方法来提高收敛速度。理论分析和仿真实验表明,Sanger NN可以实现-20.9~0 dB信噪比下TDDM-BOC信号组合码序列的盲估计,且其复杂度明显低于传统奇异值分解(SVD)法和自适应特征提取的在线无监督学习神经网络(LEAP);尽管Sanger NN收敛所需数据组数大于LEAP,但收敛时间明显少于LEAP算法。
参考文献
|
相关文章
|
多维度评价
Select
2.
改进的基于证书的聚合代理签名方案
左黎明, 郭红丽, 张婷婷, 陈祚松
计算机应用 2016, 36 (
10
): 2758-2761. DOI:
10.11772/j.issn.1001-9081.2016.10.2758
摘要
(
378
)
PDF
(708KB)(
375
)
可视化
收藏
针对喻琇瑛等(喻琇瑛,何大可.基于双线性对的聚合代理签名.中南大学学报(自然科学版),2015,46(12):4535-4541.)提出的聚合代理签名方案进行分析,指出该方案存在已知一个有效签名的情况下可伪造任意消息的有效签名漏洞,在此基础上提出了一个改进的基于证书的聚合代理签名方案,给出了一种新的攻击模型,并在随机预言机模型下证明了新方案针对新的攻击者是存在性不可伪造的。改进后的新方案能够抵抗合谋攻击和伪造签名攻击,适用于计算受限以及实时要求高的应用场合。
参考文献
|
相关文章
|
多维度评价
Select
3.
基于临界频带及能量熵的语音端点检测
张婷 何凌 黄华 刘肖珩
计算机应用 2013, 33 (
01
): 175-178. DOI:
10.3724/SP.J.1087.2013.00175
摘要
(
838
)
PDF
(605KB)(
574
)
可视化
收藏
语音端点检测的准确性直接关系着语音识别、合成、增强等语音领域的准确性,为了提高语音端点检测的有效性,提出了一种基于临界频带及能量熵的语音端点检测算法。算法充分利用人耳听觉特性的频率分布,将含噪语音信号进行临界频带划分,并结合各频带内信号的能量熵值在语音段和噪声段的不同分布,实现不同背景噪声下语音端点检测。实验结果表明,提出的语音端点检测算法与传统的短时能量法相比,检测正确率平均高1.6个百分点。所提方法在不同噪声的低信噪比(SNR)环境下均能实现语音端点检测。
参考文献
|
相关文章
|
多维度评价
Select
4.
一种基于代价敏感学习的范例推理方法及其应用研究
罗菲菲;刘贵全;安景琦;张婷慧
计算机应用 2005, 25 (
10
): 2444-2446.
摘要
(
1654
)
PDF
(612KB)(
1247
)
可视化
收藏
提出一种基于代价敏感学习的范例推理方法,可以对大规模、高维数据进行分类和预测。该算法在分类的同时,不断调整数据属性项权重,以减少由分类引起的误分代价。在某入侵检测数据分析中取得了较好的结果。
相关文章
|
多维度评价
Select
5.
基于CBR的文本自动分类研究
张婷慧,耿焕同,蔡庆生
计算机应用 2005, 25 (
09
): 2028-2030. DOI:
10.3724/SP.J.1087.2005.02028
摘要
(
1319
)
PDF
(181KB)(
1015
)
可视化
收藏
KNN方法是性能最好的文本分类方法之一,但它在分类时要计算待分类文档与所有训练样本的相似度,时间复杂度较大。文中提出了一种基于CBR的文本自动分类方法,先用聚类方法把训练样本库转换为范例库,然后用KNN思想分类。实验结果显示该方法分类的平均召回率和准确率达到了87.07%和89.17%;并且通过分析算法的时间复杂度得知,该方法的分类速度比KNN方法有很大的提高,因此具有很好的实用价值。
相关文章
|
多维度评价
Select
6.
基于神经网络的TDDM-BOC信号组合码序列盲估计
张婷
计算机应用
录用日期: 2017-04-02