您的位置: 专家智库 > >

张俊生

作品数:2 被引量:5H指数:1
供职机构:天津理工大学计算机与通信工程学院更多>>
发文基金:天津市科技创新专项资金更多>>
相关领域:金属学及工艺电子电信更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇金属学及工艺
  • 1篇电子电信

主题

  • 1篇调频
  • 1篇调频信号
  • 1篇多分量
  • 1篇多分量线性调...
  • 1篇多分量线性调...
  • 1篇信号
  • 1篇信号频率
  • 1篇信号频率估计
  • 1篇神经网
  • 1篇神经网络
  • 1篇图像
  • 1篇图像修复
  • 1篇频率估计
  • 1篇自组织
  • 1篇自组织神经网...
  • 1篇网络
  • 1篇线性调频
  • 1篇线性调频信号
  • 1篇聚类
  • 1篇聚类算法

机构

  • 2篇天津理工大学

作者

  • 2篇张俊生
  • 1篇吴永超
  • 1篇王兆霞
  • 1篇马秀荣
  • 1篇白明
  • 1篇孙震
  • 1篇刘柳

传媒

  • 1篇科学技术与工...
  • 1篇天津理工大学...

年份

  • 1篇2012
  • 1篇2011
2 条 记 录,以下是 1-2
排序方式:
基于能量分离算法的多分量线性调频信号频率估计被引量:1
2011年
对基于能量算子的能量分离算法进行了改进,提高了该方法用于多分量线性调频信号瞬时频率估值的抗噪性.采用平滑样条插值的方法对离散信号进行插值,然后再对其应用连续信号的能量分离算法.仿真表明,改进后的算法在噪声环境下,比直接利用对应离散信号的分离算法估值更准确,当信噪比从5 dB以5 dB为步进,增大至30 dB时,平均估计误差约减小10%.
刘柳马秀荣吴永超张俊生
关键词:多分量线性调频信号
基于自组织神经网络SOM和K-means聚类算法的图像修复被引量:4
2012年
近来自然图像的修复已经成了一个热门话题。提出了一种基于K-means聚类算法的自组织神经网络(SOM),称为SOM-K。它首先利用SOM来训练每一个像素的特征向量,并把一幅图像分层。这样就能把每个破损像素分到每层,同时SOM训练后的输出也通过K-means聚类算法来聚合,分别在各个层中修复破损的像素。最后把修复好的各层溶合到一起。与单独使用SOM相比,SOM-K具有更精确的分类能力。
孙震王兆霞白明张俊生
关键词:图像修复自组织神经网络K-MEANS聚类算法
共1页<1>
聚类工具0