基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成， 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection，MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection， KMCCS）。在所提出的算法中，如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示，在此基础上给出了学习器之间距离的计算方式。此外， 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析，实验结果表明了所提算法的有效性。     

Multi-view space object recognition and pose estimation based on kernel regression

The application of high-performance imaging sensors in space-based space surveillance systems makes it possible to recognize space objects and estimate their poses using vision-based methods. In this paper, we proposed a kernel regression-based method for joint multi-view space object recognition and pose estimation. We built a new simulated satellite image dataset named BUAA-SID 1.5 to test our method using different image representations. We evaluated our method for recognition-only tasks, pose estimation-only tasks, and joint recognition and pose estimation tasks. Experimental results show that our method outperforms the state-of-the-arts in space object recognition, and can recognize space objects and estimate their poses effectively and robustly against noise and lighting conditions.     

基于灰色关联聚类的空中交通复杂度评估方法

为了准确评价空中交通态势的复杂程度,进行有效的空中交通管理,提出了一种空中交通复杂度评估方法。在已有的理论研究成果及实际运行经验的基础上,归纳了定义明确、可定量分析的基础空中交通指标集,使用灰色关联聚类方法对指标集进行聚类分析,利用信息熵理论对聚类指标求解权重,加权求和获得空中交通复杂度。方法弥补了目前使用单一维度指标描述空中交通运行态势的弊端,能更好地体现空中交通复杂度。     

一种基于潜在语义索引的谱聚类方法研究

传统的文本聚类算法存在文本向量维度过高,算法易陷入局部最优问题。针对上述问题,提出了一种适用于文本的基于潜在语义索引的谱聚类方法,该方法应用了潜在语义索引和谱聚类方法的优点。不仅分析了词与词之间的语义关系,而且适用于任意形状分布的样拳数据聚类。针对航空安全报告的聚类实验表明,该方法取得了较好的聚类效果。     

对机载LPI雷达的高概率截获技术研究

采用先进的功率管理技术和灵活的波形设计技术,能大大提高机载雷达的反侦察和抗干扰能力。提出了一种综合利用数字阵列侦察技术、基于多相滤波的信道化检测技术以及基于模糊聚类的信号分选技术的侦察截获方法,有望实现对机载LPI雷达的高概率截获。     

基于信息理论的网络文本组合聚类

尽管近年来针对文本聚类问题进行了大量研究,其仍然是数据挖掘领域的一个富有挑战性的问题,特别在弱相关特征乃至噪声特征的处理上,仍然存在诸多挑战。针对这一问题提出了文本聚类的分解-组合算法框架——DIAS。该方法首先通过简单随机特征抽样将高维文本数据进行分解得到多样化的结构知识,其优点是能够较好地避免产生大量的噪声特征。然后采用基于信息理论的一致性聚类（ICC）将多视角基础聚类知识组合起来,得到高质量的一致性划分。最后通过在8个真实文本数据集上的实验,证明DIAS算法相较于其他被广泛使用的算法具有明显优势,特别在处理弱基础聚类上具有突出效果。由于在分布式计算上的天然优势,DIAS有望成为大规模文本聚类的主流算法。      

基于 FRFT的多分量对称三角 LFMCW 信号检测

对称三角线性调频连续波（STLFMCW）信号是一种典型的低截获概率雷达信号。提出一种基于分数阶 Fourier变换（FRFT ）的聚类分析与“逐次消去”相结合的多分量STLFMCW信号检测方法。首先把多分量STLFMCW信号变换到FRFT 域,利用聚类分析法实现对最强信号的检测,然后利用“逐次消去”法实现对其它信号的检测,直至检测到所有信号。最后,仿真验证了该方法的有效性。     

基于加权有向图的飞机装配顺序规划

合理的飞机装配顺序规划是确保飞机装配质量、缩短装配周期的有效途径。为此,提出了基于加权有向图的飞机部件装配顺序规划方法。以飞机零件间的装配几何关系、装配稳定性和装配工艺性为评价因子,对装配过程中零件间的装配依赖性进行量化,形成可表达装配依赖关系的加权有向图。在此基础上,通过模糊聚类和撕裂排序算法对装配零件进行装配顺序规划。最后通过某飞机机身中段装配顺序规划问题进行验证,规划结果表明该方法具有一定的可行性和有效性。     

基于活动预测和能耗均衡的WSN路由算法

无线传感网络（WSN,Wireless Sensor Network）中节点触发与数据传输往往会呈现出某种活动模式,基于活动模式特性提出了基于活动的节点分簇算法（AACP,Activity-Aware Clustering Protocol）,将网络中的传感器 节点分成多个活动簇,并通过对节点的历史触发数据进行分析,结合分簇结果对当前发生的活动进行预测.基于活动预测结果,综合能耗均衡、节点剩余能量、传输能耗等影响因素,提出了基于活动预测和能耗均衡的WSN路由算法（AEBRP,Activity-aware and Energy Balanced Routing Protocol）.仿真实验中与低功耗自适应集簇分层型协议（LEACH,Low Energy Adaptive Clustering Hierarchy）、基于跟踪的动态节点分簇算法（HCMTT,Hybrid Clustering for Multitarget Tracking in wireless sensor networks）和传感器信息系统中的高能效采集算法（PEGASIS,Power Efficient Gathering in Sensor Information System）进行比较,验证了AEBRP算法在维持网络能耗均衡、延长网络生命周期方面具有明显优势.      

聚类分析在空间信息智能处理中的应用研究

空间信息服务平台由于实施标准,技术规范和类型格式等方面存在不一致和含糊不明确性,且空间信息数据量过于庞大,为有效的从中获取符合应用需求的空间信息,将聚类分析应用于空间信息的智能处理当中。首先进行空间信息数据的特征提取、扩充和合并,然后结合粗糙集模型和K原型算法进行聚类分析,最后通过选择和设计合适的评价指标对聚类结果进行评价,为空间信息数据的规范化和标准化处理提供一定的技术支持。