智能监控场景中运动目标轨迹聚类算法

轨迹分析是视频监控场景理解的基础,但由于遮挡等原因,跟踪过程会出现不完整的噪声轨迹,导致分析结果不准确.针对此类问题利用改进的轨迹相似度度量和聚类方法进行场景区域分割.首先,对轨迹进行编码,提出利用轨迹的空间特征和速度方向特征改进相似性度量方法计算轨迹间距离;其次,采用改进的层次聚类算法,以该类最长轨迹作为运动物体行为模式代表,将在空间上接近且具有相似速度特征的轨迹划分为同一场景区域,得到符合实际情况的聚类结果.本算法无需对轨迹进行复杂的预处理或过滤,并且加入速度方向特征使区域划分更加合理.最后,在真实场景下,验证了该聚类算法的有效性和普遍适用性.     

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.      

R*-树结点自适应聚类分簇算法

为提高逆向工程中点云、三角网格等数据的索引效率,提出一种R^*-树结点自适应聚类分簇算法,采用均匀分布数据作为参考点集,基于间隙统计法及k-均值算法获得使结点相似度之和开始收敛的自然簇数,进而实现R^*-树的结点自适应聚类分簇.实验证明,该算法可实现各类复杂几何对象的R^*-树结点分簇问题,并能降低R^*-树结点分簇的参数依赖性,减少结点重合度,提高R^*-树空间数据查询效率.     

反作用轮不完全数据故障诊断新算法

针对卫星反作用轮遥测数据存在不完备情况,提出一种基于核模糊均值聚类（KernelFuzzy C-Means,KFCM）的数据修复诊断算法KFCM-Imputation(KFCM-I)。该算法通过KFCM聚类实现已知故障样本的聚类中心和聚类半径,通过相似度计算查找与不完备数据最相似的数据点,将该数据点填充于不完备数据点位置,保证数据的完备性,并通过数据的相似度进行故障诊断。考虑所有故障特征同步缺失数据和各故障特征随机缺失数据两种工况,对比工程上直接删除缺失数据的方法,在数据缺失量小于总数据量的13%时,KFCM-I诊断精度能达90%以上;当数据缺失量占总数据量13%～20%时,诊断精度仍能达到80%。KFCM-I算法故障诊断精度高、计算简单,对工程应用有较好的参考价值。     

基于相似性传播聚类算法的机会信号选择

介绍了复杂低空环境下的机会信号导航方法,并提出了一种机会信号选择方法,解决了机会导航信号源类型多、数量多难以选择的问题.由于信号源的几何精度因子(GDOP,Geometry Dilution of Precision)越小则定位精度越高,同一区域信号对GDOP影响相似,因此采用聚类的方法选择信号.首先,将各信号间的距离作为相似度测量参数,通过相似性传播聚类算法获得相似类组;然后,依据类组的中心点确定所选类组;最后,从中选择组内的机会信号.经仿真,分析了不同分布的机会信号聚类特点,通过对汶川震区机会信号选择的仿真,验证了相似性传播聚类算法的有效性.另外,该方法在复杂低空飞行应用中将大大提高信号选择的效率.     

具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream (Fault-Tolerant Grid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS (Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.     

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.      

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。      

基于复杂网络的二阶段软件聚类方法

将复杂网络社区检测中的GN(Girvan-Newman)算法引入到软件聚类中,针对GN算法中存在的计算量大、可能产生小规模社区的缺陷,提出了一种二阶段聚类方法.首先基于结构模式对软件网络进行聚类.通过识别和聚类软件网络中3种常见的结构模式:卫星结构、链结构和拓扑相似结构,可以有效地减小网络规模.其次,在限制模块大小的前提下利用改进的GN算法进行聚类.如果介数最大边的删除会导致生成的社区规模小于预定值,那么放弃删除该边,转而尝试介数次大的边.实验结果表明:二阶段聚类算法可以有效地改善软件聚类效果,提高现有社区划分算法在大规模软件中的适用性.     

基于概念聚类的用户兴趣建模方法

Internet资源的指数级增长促进了个性化服务的发展.针对传统的用户兴趣建模方法在准确率和增量处理能力方面的不足,提出了一种新的基于概念聚类的用户兴趣建模方法UIM2C2(User Interest Modeling Method based on Conceptual Clustering).该方法首先通过分析用户访问的历史文档构造后缀树结构,然后选择不同的相似度阈值,以不同的粒度合并基本簇.依据不同阈值条件下合并的基本簇之间的包含关系,生成用户的兴趣层次.UIM2C2方法是针对文档的一个增量式、无监督的概念学习方法,因此用户描述文件可以轻易的获取和更新.最后,通过数据集20NewsGroup上的实验验证了UIM2C2方法在兴趣预测方面的有效性.     

基于距离相关图的音频相似性度量方法

相似性度量是基于内容的音频分析中的关键环节之一,目前往往沿用传统的统计分析思想实现,缺乏有效的呈现手段和对语义层信息的准确表达.提出了一种基于图像分割技术的相似性度量方法,通过特征提取构造特征空间,进而绘制特征向量间的距离相关图,通过对该图的可视化分析判断最大相似方向,并分别计算出局部相似性和全局相似性.给出了实验验证过程,该方法适用于数字广播等音频流中的片段查找等应用.      

基于双层K近邻算法航站楼短时客流量预测

航站楼离港客流量在短时期内呈现准周期性规律变化,易受航班计划、天气等多种因素影响,表现出复杂的非线性特点。为了实现航站楼短时客流量的准确预测,在传统K近邻（KNN）算法基础上增加了航班计划状态模式匹配方法,以航班计划包含的多维属性作为特征选取相似历史运营日作为预测基准向量,建立基于航站楼短时客流量预测的双层K近邻模型。通过实例分析,与ARIMA模型和传统K近邻模型等进行比较,证明双层K近邻模型预测误差更小,精度更高,模型拟合度相对传统K近邻模型提高了8%~10%,为航站楼短时客流量精确预测提供了一种新的解决思路。      

基于无监督学习和粒子滤波的非视距信号检测

全球卫星导航系统(GNSS)是目前应用最广泛的定位技术, 研究城市峡谷中的定位问题时, 由于高楼大厦的阻塞, 仍存在非视距传播导致的性能退化问题。为此, 提出了无监督学习粒子滤波(UL-PF)算法。在卫星信号分类阶段, 使用核k-means聚类的无监督学习分类方法, 在定位阶段, 使用通过聚类算法优化的粒子滤波方法。所提算法考虑了采样粒子在状态空间分布中的内在相似性, 探索在每个聚类中选择一个粒子作为重要粒子, 利用时间序列相关技术提高重采样粒子集的多样性。实验表明:在城市场景中, 所提算法的平均定位精度从传统算法的15 m提高到约5 m, 收敛时间从500 s缩短到200 s左右。      

基于稳定分簇的移动自组织网络路由协议

移动自组织网络的动态拓扑特性给其分簇路由协议的设计带来了一定的挑战,而分簇算法作为分簇路由协议中重要的技术手段,如何建立一种有效稳定的分簇机制,对分簇路由协议的性能至关重要。本文在大规模网络环境下,提出一种稳定的分簇算法,并在此基础上提出一种分簇路由协议。为提高网络性能,该分簇路由协议簇间采用被动模式,簇内采用主动模式,并且各个分簇由簇首、网关、访客和普通簇节点组成。仿真结果表明:该分簇算法减少了簇的数量和簇成员在簇间的切换次数,提高了分簇的稳定性。相应的分簇路由协议较该类协议也降低了网络的平均端到端时延和平均路由开销,提高了数据包接收的成功率。      

基于Squeezer算法的大规模矩阵聚类分析

对Squeezer算法进行分析研究,在定义2个矩阵之间距离的基础上,提出了一种改进的Squeezer算法,用于对维数相同的大规模矩阵进行聚类分析.改进的算法在设定距离阈值的基础上,对类别的半径设定阈值来控制分类精度,给出具体的算法步骤来实现针对大量矩阵的聚类分析.对聚类后所得矩阵集合,给出集合质心和半径的定义,来描述矩阵集合的特性.所提算法能使聚类结果避免受到链条效应的影响而使类不断扩容,从而导致聚类精度下降的问题.仿真实验分析验证了所提算法具有良好的聚类效果和适用性.     

基于编译优化和反汇编的程序相似性检测方法

提出了基于编译优化和反汇编的程序相似性检测方法,能够检测出标识符重命名、增加冗余语句、等价的控制结构替换等12种学生常用的抄袭手段.基于该方法,设计和实现了一个程序相似性检测系统BuaaSim,采用编译优化和反汇编技术将源程序转化为汇编指令集合,删除和替换汇编指令中对程序本质特征影响不大的易变元素,使用一个与指令顺序无关的决策函数计算程序相似度;还给出一个简单有效的聚类算法,从程序集合中聚类出相似的程序子集.通过与著名的JPlag系统针对两份典型的抄袭样本集进行评测对比,表明本文方法的检测效果具有明显的优势.