查詢結果分析
來源資料
相關文獻
- 以模糊C平均值聚類法則為基礎之M準位相位位移鍵調變型態分類研究
- A Tree-Net Classifier for Non-Linear Boundary Problems
- 應用機器視覺系統於表面瑕疵分類之研究
- Automated Facial Expression Recognition System Using Neural Networks
- 影像處理與統計分類器應用於玫瑰切花分級之研究
- A Method of Fuzzy-Neural Network to Pattern Classification
- 以Fuzzy C-Means聚類法進行梭織物組織自動化辨識之研究
- 預測客戶潛在的消費行為--使用以遺傳演算法為基礎的組合多層分類器
- 放射狀基底函數網路在分類NBA球隊表現之應用
- A Multi-layer Classifier for Recognition of Unconstrained Handwritten Numerals
頁籤選單縮合
題 名 | 以模糊C平均值聚類法則為基礎之M準位相位位移鍵調變型態分類研究=Study of M-ary PSK Signal Classification Algorithm Based on FCM Rule |
---|---|
作 者 | 楊耀波; 劉慶華; 宋大偉; | 書刊名 | 中正嶺學報 |
卷 期 | 27:2 1999.01[民88.01] |
頁 次 | 頁79-88 |
分類號 | 448.5 |
關鍵詞 | 調變型態; 分類器; 統計動差; FCM聚類演算法; M準位相位位移鍵; Modulation type; Classification algorithm; Fuzzy-c means clustering rule; M-ary PSK signals; |
語 文 | 中文(Chinese) |
中文摘要 | 本論文提出一M準位相位位移鍵(M-ary phase shift keying;MPPSK)調變信號的 調變型態分類器。信號的相位統計動差平均值及變異數被採用為特徵向量。分類器之發展過 程分為兩階段。 第一階段在於輸入訓練特徵向量, 並運用 FCM 聚類法則求出各聚類中心; 第二階段則輸入測試特徵向量,計算其對各聚類中心之隸屬度,再選取隸屬程度最大者,決 定其類別歸屬,在 FCM 聚類演算法中, 我們採用兩種不同的距離函數,對分類器性能進行 評估與比較。 模擬結果顯示,以對角範數 (diagonal norm) 作為距離函數所得性能較以歐 幾里得範數者為佳。 其中又以第 8 階動差有最佳性能表現。在 CNR=10dB 時,平均分類錯 誤率低於 0.3%。 |
英文摘要 | This paper presents a classification algorithm for classifying the modulation type of M-ary PSK signals. The mean and variance of phase sample of received signals are chosen as features. The development of classification algorithm is split into two phases. First, the cluster centers are evaluated with known feature vectors based on fuzzy-c means (FCM) clustering rule. Next, the grade of membership for unknown input data is computed, and then its modulation type is classified into the one that has the maximum value. Simulation results show that FCM with the diagonal norm performs better than that with the Euclidean norm. Of the various moments, the 8th moment offers the best performance. At CNR=10 dB, the average misclassification rate is less than 0.3%. |
本系統中英文摘要資訊取自各篇刊載內容。