简介:Laplacian特征映射是基于欧氏距离的近邻数据点的保持,高维数据点的近邻选取最终将影响全局低维坐标.本文将鉴别信息引入到近邻数据点中,使用有鉴别信息的距离测度来代替欧式距离测度,提出了一种基于自适应测度的半监督拉普拉斯特征映射相关反馈算法FAD-SSLE(feedbackonadaptivedistancesemi-supervisedlaplacianeigenmaps).在图像检索上的实验结果表明,该方法能够有效地利用少量的监督信息来提高分类和检索性能.
简介:首先介绍常见均衡器的结构和自适应算法,然后指出基于RLS自适应算法的判决反馈均衡器可以有较快的收敛速度,同时有较好的均衡效果,并通过Matlab仿真证明。
简介:根据混沌序列产生的确定性和非线性机制,基于Volterra级数和RLS算法,提出了一种少参数二阶非线性滤波算法用于混沌时间序列的自适应预测。仿真结果表明,这种非线性自适应滤波器能有效地预测一些超混沌序列,而且该滤波器的一步均方误差性能明显高于其他基于Volterra级数的NLMS算法,表明该算法具有良好的收敛性能。