简介：机器学习者的精确性被数据的质量影响学习者上被劝诱。在这篇论文，训练数据集的质量被移开划分过滤器作为吵闹检测的例子改进。合适的数据集首先被分成子集，；不同基础学习者在每这些裂口上被劝诱。如果它被某些基础学习者分类，预言以如此的一个方法被联合，一个例子作为吵闹被识别。划分过滤器的二个版本被使用：多重划分的过滤器；反复划分的过滤器。过滤器移开的例子的数字被过滤器的投票的计划调节；重复的数字。这研究的主要目的是比较造在上的最后模型的预兆的表演过滤；未过滤的训练数据集。一个高保证软件项目的软件测量数据的案例研究被执行。模型的预兆的表演在过滤合适的数据集上造了，这被显示出；在吵闹的测试数据集上评估了通常比造在上的那些好吵闹(未过滤)合适的数据集。然而，预兆的性能被噪音的存在在评估数据集基于某些好攻击的过滤器影响。

简介：

简介：Oneofthemostcommonimageprocessingtasksinvolvestheremovalofnoisefromimages.Noisecanbeintroducedduringimagecapture,duringtransmission,orduringstorage.Fordesignpurposes,noisesourcesarefrequentlyapproximatedbyrandomvariableswithaknownprobabilitydistribution.Onecommonnoisemodelcorruptsasignalbyintroducingimpulses.Andthesurfaceoftheimagedisturbedbyimpulsenoisedisplaysmanypeaksorvales.Accordingtothecharacteristicofimpulsenoise,anovelalgorithmisproposedtothedetectionofimpulsenoisepointfromimagesbasedondirectionalderivatives.First,thetheoryofcalculusondirectionalderivativesisintroducedindetail.Thenitisappliedtothefieldofimagetoremovingnoisewiththediscreteformderivedfromitscontinuousmathematicalmodel.Andanumberofcontrastingsimulationsillustratethatouralgorithmnotonlycanpreservethestructureinformationwhileremovingimpulsenoisebutalsocanmostlysavethegrayvalueofthepixelsundisturbedbynoise.Inaddition,thecomparisonsofthefilteringperformanceforremovingimpulsenoiseareanalyzedindetailinthecaseofdifferentnoisedensities,andalsoshowthatthealgorithmsuggestedoutperformstheconventionalfilteralgorithmssuchasmeanfilter,medianfilterandsooninspeedandimpulsenoisereduction,especiallyinrandom-valuedimpulsenoisereduction.Soitisaverygoodalternativetotheexistingschemes.

简介：Covarianceofcleansignalandobservednoiseisnecessaryforextractingcleansignalfromatimeseries.Thisistransferredtocalculatethecovarianceofobservednoiseandcleansignal'sMAprocess,whenthecleansignalisdescribedbyanautoregressivemovingaverage(ARMA)model.Usingthecorrelationsoftheinnovationsdatafromobservedtimeseriestoformaleast-squaresproblem,aconciselyautocovarianceleast-square(CALS)methodhasbeenproposedtoestimatethecovariance.Wealsoextendedourw...

简介：

简介：Inthispaper,aneffectiveandrobustactivespeechdetectionmethodisproposedbasedonthe1/fprocesstechniqueforsignalsundernon-stationarynoisyenvironments.TheGaussian1/fprocess,amathematicalmodelforstatisticallyself-similarradomprocessesbasedonfractals,isselectedtomodelthespeechandthebackgroundnoise.AnoptimalBayesiantwo-classclassifierisdevelopedtodiscriminatethembytheir1/fwaveletcoefficientswithKarhunen-Loeve-typeproperties.Multipletemplatesaretrainedforthespeechsignal,andtheparametersofthebackgroundnoisecanbedynamicallyadaptedinruntimetomodelthevariationofboththespeechandthenoise.Inourexperiments,a10-minutelongspeechwithdifferenttypesofnoisesrangingfrom20dBto5dBistestedusingthisnewdetectionmethod.Ahighperformancewithover90%detectionaccuracyisachievedwhenaverageSNRisabout10dB.

简介：这篇论文为变化时间的趋于增加的噪音调查稳定的一个基本问题随机的系统。一个必要、足够的稳定条件基于后退的地平线途径被介绍。如果条件满足，明确的变化时间的控制器被设计。介绍结果就我们的知识而言是新的。

简介：由于新兴的3D集成技术，芯片(MPSoCs)上的多处理机系统现在能与改进精力效率在芯片上集成更多的IP核心。然而，几严重挑战也升起在上面为3DIC由于死叠建筑学。在他们之中，电源供应噪音成为一颗大担心。在纸，我们调查电源供应噪音(PSN)在PSN变化大部分取决于的不同核心和级和表演之中的相互作用任务任务。在另一方面，高集成密度在3DIC上招致一个严重热问题。在纸，我们建议就PSN和热问题而言安排框架的一项新奇任务。它主要由三部分组成。首先，我们提取由分析他们踪迹从建筑学水平模拟导出的电源运用任务的当前的刺激。第二，我们开发一个有效电源交货网络(PDN)解答者高效地评估PSN大小。第三，我们建议一个启发式的算法解决安排问题的提出的任务。与最先进的任务任务算法相比，建议方法能在2上在12%减少PSN吗？？