概述地面数字电视单频网(Single Frequency Network,SFN)增益的概念、SFN覆盖判据及k因子对数正态法(k Log-Normal Method,k-LNM)算法,研究SFN组网前后对数正态分布变量的变化趋势,将SFN增益分为加性增益和统计增益,针对等场强和不等场...概述地面数字电视单频网(Single Frequency Network,SFN)增益的概念、SFN覆盖判据及k因子对数正态法(k Log-Normal Method,k-LNM)算法,研究SFN组网前后对数正态分布变量的变化趋势,将SFN增益分为加性增益和统计增益,针对等场强和不等场强两种场景给出了应用k-LNM计算SFN增益的实例并分析计算结果。研究过程和结果为地面数字电视广播(Digital Television Terrestrial Multimedia Broadcasting,DTMB)SFN组网规划和建设过程中扩大覆盖和降低干扰提供了新的理论依据。展开更多
随着信息技术的飞速发展以及网民规模的扩大,互联网数据量与日俱增,其中含有大量非结构化文本数据,因此,文中分类已成为当前的研究热点。特征选择的好坏直接影响文本分类的精度。传统单一的特征选择方法侧重点不同,使用不同的特征选择...随着信息技术的飞速发展以及网民规模的扩大,互联网数据量与日俱增,其中含有大量非结构化文本数据,因此,文中分类已成为当前的研究热点。特征选择的好坏直接影响文本分类的精度。传统单一的特征选择方法侧重点不同,使用不同的特征选择方法选择后的特征子集可能差别较大,进而导致不稳定的分类结果。文中提出了一种混合CHI与IG的特征选择方法,引入了融合特征的指标SOM(Score of Mixed),将特征根据SOM值排序,通过预定的阈值进行特征筛选,得出相对稳定且具代表性的特征子集。实验结果表明,使用该方法进行特征选择,文本分类的效果相比使用其他特征选择方法有一定的提升。展开更多
文摘概述地面数字电视单频网(Single Frequency Network,SFN)增益的概念、SFN覆盖判据及k因子对数正态法(k Log-Normal Method,k-LNM)算法,研究SFN组网前后对数正态分布变量的变化趋势,将SFN增益分为加性增益和统计增益,针对等场强和不等场强两种场景给出了应用k-LNM计算SFN增益的实例并分析计算结果。研究过程和结果为地面数字电视广播(Digital Television Terrestrial Multimedia Broadcasting,DTMB)SFN组网规划和建设过程中扩大覆盖和降低干扰提供了新的理论依据。
文摘随着信息技术的飞速发展以及网民规模的扩大,互联网数据量与日俱增,其中含有大量非结构化文本数据,因此,文中分类已成为当前的研究热点。特征选择的好坏直接影响文本分类的精度。传统单一的特征选择方法侧重点不同,使用不同的特征选择方法选择后的特征子集可能差别较大,进而导致不稳定的分类结果。文中提出了一种混合CHI与IG的特征选择方法,引入了融合特征的指标SOM(Score of Mixed),将特征根据SOM值排序,通过预定的阈值进行特征筛选,得出相对稳定且具代表性的特征子集。实验结果表明,使用该方法进行特征选择,文本分类的效果相比使用其他特征选择方法有一定的提升。
