重采样技术在高维复杂信号检测中应用.docVIP

重采样技术在高维复杂信号检测中的应用 一、毕业设计（论文）任务 课题内容 在信号处理领域，高维的涌现，对是一个挑战成为不得不面对的问题但是，样本集，”，对模型的真实性拟合。(Resampling Methods)是从自然模型多次采样得到样本集，基于此一系列样本集进行学习，并通过集成学习得到自然模型拟合。重采样技术的主要方法是AdaBoost算法，其基本思想是将大量学习能力一般的弱分类器通过一定方法组合起来，构成一个学习能力很强的强分类器。 课题任务要求 1. 具有一定的专业知识和实验开发能力，掌握课题相关理论知识和实验技术。 2. 要求有一定的文字功能和文档处理能力，撰写合格的毕业设计论文，提供相关实验图表。 3. 在学习本课题相关领域知识的基础上，掌握一定的自主学习方法，具备一定创新能力。 课题完成后应提交的资料（或图表、设计图纸） 1.毕业论文含： 1）中英文摘要 2）重采样方法概述 3）重采样技术原理 4）自适应重采样技术的经典算法 5）重采样技术的matlab仿真实验 2．毕业论文任务书，毕业论文开题报告，毕业正文外文文献原文及翻译李子清, 张军平. 人脸识别中子空间的统计学习机器学习及其应用. 清华大学出版社, 2006陈希孺. 数理统计学简史. 长沙：湖南教育出版社, 2002Simon Haykin, McMaster.神经网络与机器学习 加拿大：机械工业出版社, 200T. G. Dietterich. Machine Learning Research: Four Current Directions AI Magazine. 18 (4), 97-136, 1997. [5] Rosset, Zhu and Hastie. Boosting as a Regularized Path to a Maximum Margin Classifier. Journal of MachineLearning Research 5 (2004) 941–973, 2004. [6] Newman, D.J. Hettich, S. Blake, C.L. Merz, C.J. (1998). UCI Repository of machine learning databases. 同组设计者 无 注：1. 此任务书由指导教师填写。如不够填写，可另加页。 2. 此任务书最迟必须在毕业设计（论文）开始前一周下达给学生。 3. 此任务书可从教务处网页表格下载区下载 重采样技术在高维复杂信号检测中的应用 摘要 在信号处理领域，高维的涌现对是一个挑战成为不得不面对的问题样本集，对模型的真实性拟合。matlab仿真，通过比较分析得出了三种典型算法各自的特点和算法的优劣。 关键词：样本集；重采样；分类器；集成学习 RE-SAMPLING TECHNIQUE IN HIGH-DIMENSIONAL COMPLEX SIGNAL DETECTION Abstract The emergence of high-dimensional complex signals is a challenge for signal processing. Because dimensional complex signal is widespread, the detection of a signal becomes a problem to face. The sample set was obtained by sampling, and apply the re-sampling technique, the authenticity of the sample to fit the statistical model, which greatly reduces the difficulty of signal detection. Re-sampling technique is repeatedly sampled from the natural model of the sample set, a series of sample sets based on this study, obtained by integration of the natural learning model fitting. The main re-sampling method is self-adaptive algorithm. the basic idea is to a large number of general learning ability of weak classifiers combi