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.      

基于用户查询日志的查询聚类

基于用户查询日志提出了新的查询聚类算法.用户查询日志数据量大,比通常用于查询聚类的查询展现日志和查询点击日志更加稠密,不易产生聚类小的问题,但噪声多,不容易处理.为发现相似查询并减少噪声影响,同一用户同一时段的多次查询(共现查询)之间认为具有较高相似概率.在这一假设基础上,利用查询共现关系建立查询的邻居查询向量空间.将查询用邻居查询向量表示,邻居查询向量的相似度作为聚类中的查询相似度.应用改进的基于密度聚类算法完成聚类.实验证明,95 262个查询组成数据集上,聚类算法实现查准率79.77%、查全率48.21%,平均聚类大小达到51.     

一种基于关键特征的搜索引擎结果聚类算法

为了解决用户在搜索引擎结果列表中寻找所需信息困难的问题,帮助用户快速有效地定位有价值的Web文档,与向量空间模型方法不同,采用基于关键特征的聚类算法(KFC).首先从搜索引擎返回结果的关键词里选择重要的词作为关键特征,然后通过分析特征间的关系对特征聚类,最后基于特征聚类结果实现文档的聚类.通过对实验结果的测试表明了算法的有效性.      

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.      

模糊聚类分析在耀斑-地磁扰动研究中的初步应用

本文运用模糊聚类分析的方法,对1975—1983年可证认出的210个耀斑-IPS激波事件进行了分析研究,给出了它们的聚类指标和模糊等价关系以及大、中、小三类耀斑-磁扰的聚类中心。初步研究结果表明:95％的耀斑-IPS激波会引起地磁扰动(∑Kp≥16);对持续1小时以上的二级耀斑和2小时以上的一级耀斑,以及多个射电源的IPS观测均出现50km/8以上的速度跳跃这类大耀斑-IPS激波事件进行模糊聚类磁扰强弱预报试验,其准确率可达80％;这种大耀斑-IPS激波事件所对应的地磁扰动变化范围很宽,从∑Kp≥12直到∑Kp≤54,这说明耀斑-激波在行星际空间的传播以及向地球的传输过程是十分复杂的。      

基于三维聚类的决策支持系统

根据炮兵阵地地形选取的要求,深入研究了现有的空间聚类技术和方法,构造了三维空间的结构元.提出了一个基于数学形态学的三维聚类算法,给出了空间数据挖掘过程,实现了炮阵地选取决策支持系统.该聚类算法通过闭合运算,将空间对象聚成类,一次完成三维空间聚类,可以快速处理非凸的、复杂的聚类形状.由于该算法基于数学形态学,所以易于实现其高性能并行算法.实验表明,将该算法应用于炮阵地选取决策支持系统,可以发现空间数据库中存在的潜在关系和规则,为炮兵阵地选取的计算机实现提供了一种有效的解决方案,从而可以辅助决策者做出科学的决策.      

基于改进FCM的北斗三频组合观测值选取

以北斗卫星导航系统三频双差为基础探讨了组合观测值及误差,针对以往采用聚类方法在研究GPS三频组合数据过程中的不足,提出了基于距离修正的增量模糊C均值算法.通过调节因子有效地修正了样本中心与聚类中心的距离,获得合理的隶属度,从而得到正确的分类;构造了基于距离修正的聚类有效性指标,自动获取最佳聚类数,避免了人为确定聚类数的不合理性;在此基础上引入增量的思想,数据增加时以原有的数据集为基础,根据阈值进行归类,不需要重新进行初始计算.通过矩阵变换法及实例验证了该方法的可行性和可靠性.     

基于极大熵聚类的工程项目风险预警模型

该方法针对当前大部分工程风险预警模型只能报警,不能预测的现状,提出了基于熵最优化的工程项目风险预警方法.利用判别熵最小化选取项目风险预警指标值,通过特征选取找出那些最有效的特征,研究出一种新的聚类算法——极大熵聚类算法,极大熵聚类算法是以概率为比例将任一指标向量分配给所有码向量,而不是仅仅只分配给与之最近的码向量,该算法是C-均值算法的一种推广.最后用实例验证该模型,用此算法对预测结果进行分类,判断项目的风险状态.结果表明这种方法估计工程项目风险快捷有效,与实际情况基本一致,可以应用于工程分析.      

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

含区间参数不确定结构的损伤识别方法

针对损伤识别中遇到的含统计信息不足的不确定参数的结构,以区间向量来描述其中的不确定参数。基于有限元理论给出了应变模态的测试方法,进一步将应变模态表示为区间参数的函数,结合一阶Taylor展开与区间分析,计算了参数不确定条件下应变模态的界限,给出了一种考虑参数不确定的结构损伤识别方法,并在理论上对比分析了与基于概率方法的区别与联系。为验证方法的合理性,对简支梁在不同位置损伤的情况进行了数值模拟,分析了不同损伤程度以及参数不同不确定程度下简支梁应变模态的变化规律,简要讨论了噪声对识别准确性的影响。为含不确定参数的结构的损伤识别提供了一种新的方法和思路。      

无人机全包线模糊鲁棒跟踪控制

针对无人机大包线飞行中气动特性大幅变化以及存在参数不确定性和外界干扰等特点,设计全包线模糊鲁棒跟踪控制器.通过模糊c-均值聚类建立逼近全包线动态的模糊T-S（Takagi-Sugeno）模型.基于高度和空速跟踪增广系统,根据保性能控制理论,采用广义系统的模糊Lyapunov函数方法,以线性矩阵不等式形式给出全包线模糊鲁棒跟踪控制器参数的约束条件,保证广义系统稳定.并最小化扰动抑制度来优化控制参数.该控制器既降低了控制保守性,又减小了参数求解的复杂度.仿真表明,无人机在整个飞行包线内能够精确地跟踪空速和高度参考指令,对参数不确定和外界干扰具有强鲁棒性.      

基于图论分割的多光谱图像非监督分类方法

针对传统基于像素的多光谱遥感图像分类方法存在的"麻点"现象、采样成本高等问题,提出了一种基于图论分割的非监督分类方法,首先采用基于图论的分割算法,按局部邻近相似像素点分割成若干子区域,再以分割后子区域为基本单元,整体进行模糊 C均值聚类,最终实现对多光谱图像的非监督分类.实验证明,该方法结合了局部邻近像素点的相互关系以及相似区域的整体特征,有效解决了麻点问题,具有较高的分类精度和算法效率,降低了采样成本.     

星载天线传感器优化部署的均匀设计方法

为提高模态密集大型星载天线在轨模态参数辨识精度,提出基于均匀设计的遗传算法对传感器数量和位置进行优化部署。根据模态空间H₂范数确定参振模态阶数;分别以测量信息正交性和能量最大为优化目标,引入均匀设计方法对传感器数量、种群规模、交叉概率和变异概率4个组合参数进行选取;采用特征实现算法进行在轨模态参数辨识研究。数学仿真表明：所提出的方法可以有效解决传感器数量和位置的优化部署问题,避免了以往人为经验选取参数时存在的主观性和盲目性问题。     

柔性杆子杆模型参数的遗传算法优化求解

研究了应用实数型的遗传算法解决柔性机器人子杆法建模中,子杆模型参数的优化求解问题.子杆模型参数形成高度非线性的方程组,它的求解是子杆法能否实现的关键.普通的牛顿迭代法及其变形,要求初始向量足够靠近解,一些所谓大范围收敛的算法又有方程组的Jacobian矩阵非奇异等要求,在此都难以应用.本文基于遗传算法的解法可求得模型参数的最优解,实例仿真显示了这一方法的可行性和高效率.      

考虑能量最优的集群航天器避碰规划

针对传统集群聚集算法在航天器集群规划应用中存在燃料消耗大、不均衡以及耗时过长等问题,提出了向心聚集的能量最优聚类避碰算法。该算法首先基于集群相对运动方程与有限时间的能量最优模型,建立了自适应的向心聚集的能量最优模型;在此基础上,对于耗时较长且碰撞的问题,提出一种基于能量最优的聚类避碰算法,以模块间安全距离矢量作为避碰约束,将能量消耗作为聚类算法指标进行改进。仿真验证表明,该算法可以自适应选取集群聚类的中心,有效避免碰撞,减少集群聚集总能量的消耗以及模块间能量消耗的不均衡性,使得工质消耗达到全局最优,且耗时仅有常规遗传算法的万分之一。该算法为集群快速安全聚集提供了思路。     

航天器周期时变模态参数闭环在轨辨识的子空间方法

考虑在轨闭环航天器的参数辨识,利用子空间方法辨识大型闭环航天器的周期时变模态参数和控制器的增益参数.讨论了反馈控制器增益矩阵在状态空间方程中的坐标变换情况.利用该方法对所建立的ETS-Ⅷ卫星模型的模态参数和控制器增益参数进行辨识,通过验证闭环系统的响应值,说明该方法在航天器的模态参数闭环辨识中是有效的.     

一种基于模糊聚类模型的动量轮健康性排序方法

基于模糊聚类分析提出一种动量轮健康性排序方法，选取实际型号任务中50N·m·s动量轮的地面测试数据与在轨数据，对数据处理后，研究闭环工况动量轮动态转速的电机电流，利用相关系数法将其转换为模糊相似矩阵，聚类分析动量轮健康性最大阈值；同时以最大阈值为标准，设计判断准则，用4个动量轮的数据验证该方法的实用性并与峭度试验方法进行对比。结果表明：该方法可以准确对动量轮健康性进行排序。