基于快速模拟退火的组合聚类算法

应用模拟退火算法解决组合聚类问题有两方面,一是有效利用基础聚类作为先验信息,以获得尽可能好的组合聚类结果;二是降低模拟退火过程的随机性,提高算法收敛速度。针对这2个问题,提出了基于投票的快速模拟退火（BV-RSA）模型。该模型利用基础聚类对样本划分的完全或部分一致性作为启发信息,构建超点集合和超点投票箱,由超点取代其代表的样本子集参与退火过程,超点运动方向在投票箱范围内随机选择,降低了超点运动随机性,加速了组合聚类过程。数据集实验表明,BV-RSA模型在聚类精度和鲁棒性方面表现良好。      

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机“凸壳”模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.      

电容成像双共轭梯度图像重建改进算法

针对电容层析成像技术（ECT）逆问题中软场效应的影响,以及重建图像时使用的传统迭代类算法迭代次数多、成像速度慢等问题,将双共轭梯度（BICG）应用到电容层析成像技术中,为了得到更好的重建效果,提出了双共轭梯度与正则化思想相结合来求解逆问题的最佳解。通过COMSOL5.3软件进行建模,使用MATLAB 2014a进行图像重建与图像评估,分别使用Tikhonov、Landweber、共轭梯度（CG）、BICG、所提改进算法进行图像重建。实验表明:所提改进算法的成像效果不仅优于其他迭代类算法,而且大大缩短了图像重建需要的时间;尤其对一些复杂流型成像效果更佳,图像错误率低至约0.2,相关系数高达约0.88,成像时间缩短至2.77 s,迭代次数减少至20次。      

基于小波分析的地形多分辨率建模方法

以提高运算效率和存储效率为目的研究了基于小波的数字高程模型（DEM,Digital Elevation Model）数据的多分辨率建模,根据DEM的数据特点在Mallat多分辨率分析算法的基础上,提出了基于小波分析的DEM数据多分辨率建模算法,对算法实现过程中的小波函数以及边界延拓方式的选取进行了阐述,提出了评价建模精度的相关指标,并通过仿真实验确定了恰当的小波参数.仿真结果表明,小波分析法是实现DEM多分辨率建模的有效方法,同时保证了良好的运算效率和存储效率.该方法可应用于地形的快速可视化、飞行器的动态和静态航路规划等工程应用中.     

Bezdek型模糊属性C均值聚类算法

推广了属性均值聚类算法,提出了基于模糊度m的Bezdek型模糊属性C均值聚类算法(FAMC),给出了FAMC算法的迭代算法,并讨论了模糊度m对算法收敛性的影响.在标准Iris数据集与肿瘤基因芯片表达数据的模式识别实验结果,验证了该算法优于模糊C均值算法和属性均值聚类算法.      

一种基于PCA的面向对象多尺度分割优化算法

多尺度分割是图像面向对象分类的基础，针对不同区域特征最优分割尺度确定的主观性以及采用聚类算法时聚类中心确定的随机性，提出了一种联合降维与聚类算法的面向对象多尺度分割优化算法。该算法首先利用主成分分析法（PCA）降维排序后的结果产生初始聚类中心；然后采用K-means聚类和度量每一个像素点合并的概率，从而得到适应不同研究区域内不同尺度地物的分割结果。采用多个影像数据库，通过引入聚类评价指标（内部评价指标和外部评价指标）、分割评价指标（分割精度、过分割率和欠分割率）并结合现有的图像分割方法及原始的K-means算法、与PCA降维后的K-means聚类对比分析。研究结果表明:经过降维处理后进行的聚类算法稳定性更高；与传统的聚类算法相比，结合PCA降维更能自动识别最优分割尺度；降维技术和聚类算法联合之中，目视和定量评价指标表明经过降维预处理后的聚类能得到更高质量的分割结果。      

一种电磁层析图像快速重建算法

针对电磁层析成像（EMT）逆问题中,灵敏度矩阵的病态性、不适定性等问题,提出了一种新的电磁层析图像快速重建算法。利用主成分分析（PCA）对灵敏度矩阵做降维映射,再利用奇异值分解（SVD）求广义逆矩阵,重建图像。在选取灵敏度矩阵的协方差矩阵的特征值个数中,利用灵敏度矩阵特有的多样本特性,提出图像相关系数最大化算法,更加合理地去除灵敏度矩阵中的冗余信息,在尽可能不丢失成像特征信息的条件下,提高了解稳定性。实际采集数据成像时,该算法只需一次矩阵乘法运算,为快速实时成像提供了可能。与传统单步算法和迭代算法相比,该算法在成像质量和速度上都有较明显优势。      

基于阈值的激光雷达K均值聚类算法

针对同一距离不同目标的激光雷达全波形回波数据聚类准确率低的问题，在分析K均值聚类算法原理的基础上，提出了一种基于阈值的K均值聚类算法。首先，利用强度信息对距离信息进行标定，使用强度信息作为特征进行聚类以区分同距离的不同目标。然后，利用阈值限定聚类中心间的最小距离，提高聚类准确率。最后，搭建了扫描验证平台进行平移和旋转成像，对算法有效性进行验证。通过不同颜色目标和模拟道路回波数据聚类实验表明，在不同阈值的情况下，提出的基于阈值的K均值聚类算法的聚类准确率均在90%以上，相比于无阈值的K均值聚类算法准确率提升10%以上，能够有效进行目标聚类和模拟道路提取。      

脉冲星方位误差估计的TSKF算法

为提高脉冲星方位误差估计对方位自行速度及卫星位置误差的鲁棒性和整体运算的高效性，设计了两级卡尔曼滤波（TSKF）算法。首先，分析了方位自行速度及卫星位置误差对方位误差估计的影响，并分别结合相关算法进行了仿真验证。然后，结合方位误差估计的CV模型和两级卡尔量滤波的相关原理，写出了TSKF算法的更新方程，并分析了实现并行计算的基本流程。仿真实验的数据显示:在方位自行速度及卫星位置误差均存在的情况下，TSKF算法的方位估计精度约为0.1 mas，方位自行速度估计精度约为1.1 mas/a；与基于CV模型的估计算法相比，TSKF算法的浮点运算仅增加了0.048%。      

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明：所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比（PSNR）、结构相似性（SSIM）及特征相似性（FSIM）3种度量指标验证了其良好的分割性能。     

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

对Jahangir组合式矩估计器的改进

在M.Jahangir以常数为权的组合式矩估计器的基础上,给出一种以函数为权的组合式矩估计器,称为L-J估计器.其中,最优加权函数是根据U估计器与形状参数的单调关系,通过数论网格最优化算法搜索解出.大量仿真实验证实,在对K分布形状参数v大范围的参数估计中,L-J估计器在估计精度上,不但较Jahangir等提出的常数加权组合矩估计器的精度有显著提高,而且可与MLE(Maximum Likelihood Estimator)相当.特别是由于MLE作为渐进无偏估计量,需要充分大的样本长度才能达到最优,这就使得L-J估计器的估计精度可在样本长度较小时优于MLE.此外,L-J估计器无需迭代运算,因而在计算效率上,显著优于现有的ML估计器.     

基于IFOA的MEMS加速度计无转台标定

为提高微机电系统（MEMS）加速度计的标定效率并降低对高精度转台的依赖，提出一种基于改进果蝇优化算法（IFOA）的MEMS加速度计无转台标定方法。首先，根据模观测标定法原理将加速度计标定问题转化为非线性函数优化问题。然后，针对经典果蝇优化算法存在的只能搜索正参数及搜索步长固定的不足，对味道浓度判定值及搜索步长进行改进，使改进后的算法具有全局参数搜索及可变步长2种性能，并利用Rosenbrock函数进行测试，结果表明，IFOA相比于经典果蝇优化算法具有全局参数寻优范围及更高的寻优精度。最后，将IFOA应用于求解加速度计待标定参数的非线性函数优化问题，并将结果与牛顿迭代法和粒子群优化（PSO）算法进行对比。仿真结果表明:IFOA在求解精度方面比牛顿迭代法提高了1~3个数量级；在运行稳定性方面比牛顿迭代法和PSO算法分别提高了30%和34%，在运行时间方面分别减小了15.2%和43.6%；在加速度计无转台标定方面具有良好的应用价值。      

基于改进MRNSD算法的电阻抗层析成像

电阻抗层析成像（EIT）作为一种新兴的碳纤维增强复合材料（CFRP）无损检测方法，具有成本低、无辐射、可视化等优点，受到研究者广泛关注。EIT逆问题具有严重的病态性，通常采用正则化算法改善成像质量。基于修正残差范数最陡下降法（MRNSD），利用其在减少图像伪影和保持边界信息方面的优势，针对该算法存在的半收敛性和抗噪声效果差等问题，采用预处理和软闭值方法对MRNSD算法进行改进。通过仿真和实验，对比所提改进算法与几种常用算法的成像效果。结果表明，所提算法有效提高了EIT图像质量和抗噪声能力，并且实现了最佳迭代次数的自动更新，有利于推动EIT方法在CFRP损伤检测中的实际应用。      

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.632 7%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。