孟华
- 作品数：10 被引量：12H指数：2
- 供职机构：西南交通大学数学学院更多>>
- 发文基金：国家自然科学基金教育部人文社会科学研究基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学航空宇航科学技术更多>>
- 以问题为导向的复变函数教学与实践被引量：5
- 2020年
- 复分析在数学的众多分支、物理学、工程领域有着重要应用,因此它是众多工程类专业的必修课程.传统的复变函数教学方式存在着一些不足,并不完全适合当下的学生.这导致相当数量的学生觉得复变函数枯燥而不易学习.为解决这一问题,教师可以通过有效的启发,并以讨论问题的方式开展复变函数的教学.这种方式不仅有益于提高学习效率并且可以增加学生的学习兴趣.
- 孟华罗荣杨晓伟
- 关键词：复数域解析函数复积分PBL
- 基于数据分布特征的线性孪生支持向量机被引量：3
- 2019年
- 孪生支持向量机(TWSVM)目前已在众多领域取得了成功的应用,但标准TWSVM模型在处理具有分布特征的数据分类问题时鲁棒性差,尤其当数据的不确定性程度较大时,不考虑样本点分布特征的标准分类模型已不能满足分类准确率的要求。为此,文中提出了基于数据分布特征的加权线性孪生支持向量机(TWSVM-U)模型,它在TWSVM的基础上考虑数据的分布特征对分类超平面位置的影响,根据数据在分类超平面法方向的分散程度定量构造距离权重。事实上,TWSVM-U是TWSVM的推广,当训练样本数据不具有分布特征时,TWSVM-U模型将退化为标准TWSVM模型。十折交叉验证的实验结果表明,TWSVM-U模型在处理波动范围较大的不确定性数据分类问题时比SVM和TWSVM表现更优。
- 宋瑞阳孟华龙治国
- 关键词：不确定信息加权距离
- 基于重要区域定位与掩码的射频指纹可视化分析
- 2024年
- 针对时域脉冲信号样本的射频指纹提取与深度学习模型的可解释性,提出了一种基于Grad-CAM的重要区域可视化呈现方法,并通过重要区域的多次掩码测试,来分析重要区域对射频指纹识别结果的影响。基于10个辐射源的信号样本,对比了层数不同的两种ResNet模型的测试结果。测试发现该方法能够区分不同类型信号并呈现个体差异。分析表明,该方法能够发现不同辐射源发送相同信号时的重要区域定位差异,能可视化反映辐射源个体特征的空间距离,以及不同模型的特征表征与指纹定位准确度差异;同时发现对重要区域的掩码更容易产生误预测,证明特定信号存在与时频特征相关的射频指纹,并可辅助可视化定位影响射频指纹样本识别的关键点。
- 刘文斌刘文斌范平志李雨锴王钰浩孟华
- 关键词：可解释性射频指纹可视化信号特征
- 基于点云整体拓扑结构的图像分类算法被引量：1
- 2024年
- 卷积神经网络(CNN)参数众多、分类边界复杂,对数据的局部特征较敏感,导致当CNN模型受到对抗攻击时,精度明显下降;而拓扑数据分析(TDA)方法更关注数据的宏观特征,天然具有对抗噪声和梯度攻击的能力。为此,提出一种耦合拓扑数据分析和CNN的图像分类算法MCN(Mapper-Combined neural Network)。首先,利用Mapper算法得到刻画数据集宏观特征的Mapper图,通过多视图的Mapper图对每一个样本点进行新的特征表示,并将新特征表示成二值向量;其次,结合新特征和CNN提取的隐藏层特征,增强隐藏层特征;最后,使用特征增强后的样本数据训练全连接的分类网络,完成图像分类任务。在MNIST和FashionMNIST数据集上,将MCN与纯卷积网络、单一Mapper特征分类算法进行对比,采用主成分分析(PCA)降维的MCN的初始分类精度提升了4.65%和8.05%;采用线性判别分析(LDA)降维的MCN的初始分类精度提高了8.21%和5.70%。实验结果表明,MCN分类精度更高,并且对抗攻击能力更强。
- 王杰孟华
- 关键词：卷积神经网络多视图
- 基于信念子簇切割的模糊聚类算法
- 2024年
- 信念峰值聚类(BPC)算法是一种基于模糊视角的密度峰值聚类(DPC)算法的新变体,它用模糊数学的观点刻画数据的分布特征与相关性。但BPC算法的信念值计算主要基于局部数据点信息,未考察数据集整体的分布和结构,且原始的分配策略鲁棒性弱。针对以上问题,提出一种基于信念子簇切割的模糊聚类算法(BSCC),所提算法结合了信念峰值和谱方法。首先,通过局部信念信息将数据集划分为众多高纯度子簇;其次,将子簇视作新样本,通过簇间的相似关系,利用谱方法进行割图聚类,从而耦合局部信息与全局信息;最后,将子簇内的点分配至子簇所在类簇以完成最终聚类。与BPC算法相比,BSCC在带有多子簇结构的数据集上具有明显优势,如在americanflag数据集和Car数据集上的准确率(ACC)分别提高了16.38个百分点和21.35个百分点。在合成数据集和真实数据集上的聚类实验结果表明,BSCC在调整兰德系数(ARI)、归一化互信息(NMI)和ACC这3个评价指标上整体优于BPC和其他7种聚类算法。
- 丁雨张瀚霖罗荣孟华
- 关键词：聚类分析谱聚类
- 基于信源信息熵最小的单通道盲源数估计算法
- 2023年
- 源数会直接影响盲源分离的效果,源数估计问题是盲源分离(BSS)中的一个关键问题。针对此问题提出了一种将信息熵作为统计评价指标的单通道盲源数估计算法,使用信息熵来度量源信号的信息量大小从而确定源数。为了计算估计源信号的信息熵,首先,使用高斯混合模型(GMM)来拟合其分布;其次,基于马尔可夫链蒙特卡罗(MCMC)算法,采样得到服从目标分布的样本,并进行熵的计算;最后,通过最小化估计源信号平均信息熵得到盲源个数。一系列基于仿真数据和真实通信数据的实验表明:所提算法具有较强的鲁棒性,且能以94%的准确率估计出源数,从而验证了算法的有效性。
- 毛玲赵联文孟华李雨锴
- 关键词：信息熵高斯混合模型
- AGM信念收缩算子的拓扑式刻画
- 2016年
- 当agent的信念集是无限集时,传统的基于有限逻辑语言的刻画信念变化(belief change)的简单语义模型通常不再适用。Grdenfors和Makinson引入的epistemic entrenchment(认知牢固度)模型虽然可以用来从语义上刻画AGM型信念收缩算子,但他们并未给出如何构造一个具体的epistemic entrenchment的方法。在无限命题逻辑语言的背景下,通过在模型集上引入一个拓扑结构,构造出一种新的用来刻画AGM信念收缩的语义结构,称为认知链,并给出相应表示定理。讨论了epistemic entrenchment与认知链之间的关系。相对epistemic entrenchment而言,认知链具有结构简单并易于构造的特点。
- 孟华原雅燕储节磊王红军
- 关键词：知识表示拓扑空间
- 基于Gammatone倒谱系数的直升机声信号识别被引量：2
- 2021年
- 直升机辐射的声信号在空气中衰减速度慢、传播距离远,是直升机目标识别的主要依据.受人类听觉系统优异的声音信号识别能力的启发,提出了基于人耳听觉感知特性的Gammatone倒谱系数(Gammatone Cepstral Coefficients,GTCC)特征提取方法用于直升机声信号的识别.通过仿真实验,详细研究了参数设置对识别系统性能的影响,以及识别算法在噪声环境下的鲁棒性、对各种分类器的普遍适用性和相对其他特征提取方法的优越性,对实验结果给出了合理的解释.实验结果表明,所提出的方法能够根据声信号有效地辨识直升机的类别,具有很好的抗噪声干扰能力,有一定的应用前景.不同参数设置对识别性能的影响程度不同,其中窗函数长度、Gammatone倒谱系数特征数量和低频声信号对识别率的影响较大,而高频声信号对目标识别的影响较小.
- 王勇孟华陈正武魏春华刘垒
- 关键词：声信号直升机倒谱系数
- 辐射源个体识别的一种可解释性测试架构被引量：1
- 2023年
- 由于射频信号种类多,电磁环境复杂,特征提取难度大,现有的基于人工特征的射频辐射源个体识别方法的鲁棒性、适用性难以满足应用需求。数据驱动的深度学习方法虽然可以提供更灵活的辐射源个体识别模式,但深度学习方法自身可解释性差,而且缺乏通用测试模式来评价一个深度学习方法的优劣。本文在电磁大数据非凡挑战赛目标个体数据集的基础上,探索了基于该数据集的深度学习模型测试方法,提出面向辐射源个体识别神经网络模型的通用测试系统架构。该构架通过信号特征遮掩、生成对抗网络(GAN)、欺骗信号汇集、信道模拟等方法构造仿真测试样本,并把测试样本与原样本数据导入深度模型进行识别结果对比测试。基于测试结果分析了深度模型聚焦的信号关键特征位置,分析模型的鲁棒性,揭示信道环境对识别性能的影响,从而解释了深度学习网络模型的性能。
- 刘文斌范平志李雨锴王钰浩孟华
- 关键词：辐射源个体识别可解释性
- AGM信念收缩算子的拓扑式刻画
- 当agent的信念集是无限集时，传统的基于有限逻辑语言的刻画信念变化(beliefchange)的简单语义模型通常不再适用.G(a)rdenfors和Makinson引入的epistemic entrenchment(认...
- 孟华原雅燕储节磊王红军
