基于模块度的复杂网络社团结构聚类新算法

针对传统的分裂聚类算法删除连边会影响节点划分的问题,结合K-means算法的思想并加以改进,提出了一种以邻居节点为聚类备选集,所有社团中心节点同时聚类的同步聚类算法。该算法根据节点中心度和最短路变化率确定社团中心节点集,然后以中心节点为社团中心,以邻居节点为聚类备选集合进行聚类,完成社团的划分。将算法应用到Zachary网络中并与GN算法、Top Leader算法进行比较,仿真结果表明该算法对网络有较好的划分。     

基于模糊聚类分析的步枪作战效能评估

为了评估步枪的战术效能,科学地构建步枪作战效能评估体系,运用模糊聚类分析方法对步枪作战效能进行评估,最后通过算例验证了所建模型是合理、可行的。     

Optimized Fuzzy Clustering Method for Health Monitoring of Shield Tunnels

Since health monitoring of shield tunnels generally employs multiple sensors belonging to different types,a fine analysis on massive monitoring data,as well as further quantitative health grading,is really challenging.An optimized fuzzy clustering analysis method based on the fuzzy equivalence relation is proposed for health monitoring of shield tunnels.Clustering results are auto-generated by using fuzzy similarity-valued map.The results follow the idea of unsupervised classification.Moreover,a convenient new health index HI is proposed for a fast tunnel-health grading.A case study on Nanjing Yangtze River Tunnel is presented to validate this method.Three types of indicators,namely soil pressure,pore water pressure and steel strain,are used to develop the clustering model.The clustering results are verified by analyzing the engineering geological conditions;the validity and the efficacy of the proposed method are also demonstrated.Further,the fuzzy clustering analysis also represents a potential for identifying abnormal monitoring data.This investigation indicates the fuzzy clustering analysis method is capable of characterizing the fuzziness of tunnel health,and beneficial to clarify the tunnel health evaluation uncertainties.     

基于Hamming神经网络聚类分析的进化策略

本文提出了一种基于Ｈａｍｍｉｎｇ神经网络聚类分析的进化策略，模糊自适应Ｈａｍｍｉｎｇ神经网络各类族的权重矢量纪录被进化搜索过的区域，并相应妄下该区域内最优个体和它的适应度，因此通过Ｈａｍｍｉｎｇ神经网络对进化个体的聚类分析，进化策略具有搜索记忆性，可以充分保证下一代遗传群体中个体遗传基因的丰富性，从而避免早熟现象的发生，这种进化策略还可以避免在被搜索过的区域内的无用搜索，进而加快进化策略的收敛速度     

改进层次聚类法在复合材料敲击检测中的应用

伴随复合材料的迅速发展,其在航空航天方面的应用也日益普遍,但因复合材料的各向异性,在制造过程中会导致某些缺陷的产生。敲击检测作为一种实时原位的无损检测,在复合材料的检测中效果明显。由于敲击检测尚未找到合理的数据处理方法,所以其应用范围受到限制。从解决敲击检测数据处理方法的角度出发,提出将改进层次聚类法应用于敲击检测中,并在应用实例环节对该方法进行了应用,通过实验结果对比,表明改进层次聚类方法可以解决敲击检测数据处理的问题。     

一种基于粗糙K-均值的椭球基函数神经网络

改进了一种椭球基函数神经网络,它与经典椭球单元神经网络的结构不同,而与径向基函数神经网络结构类似,即它有一个隐含层,并且隐层单元采用椭球基函数,区别于RBF网络的高斯函数。本文采用粗糙K-均值方法求取椭球函数的中心,并给出了该方法中确定初始阈值的步骤。这种改进方法不但使对输入空间的划分局部作用,而且划分区域封闭有界。因此,改进的神经网络具有较好的函数逼近能力和模式识别能力。仿真实验验证了该椭球基函数神经网络的正确性和有效性。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段，是运行调控的基础。由于影响因素众多，不同因素间耦合关联复杂，且标定样本很难获取，空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系，准确提取能够最大化复杂度评估信息量的主成分，进一步设计了可按需定制的主成分聚类方法，实现了无监督条件下空域复杂度的准确评估，为空域划分、流量管理提供了有效的技术支撑。     

基于虚拟安全域的多级安全访问控制

虚拟化技术作为云计算的核心技术,相对于传统技术具有节约开销、易于管理、灵活制定等优势,成为业界应用的热点技术。文章研究了传统的BLP多级安全模型,并改进了该模型应用于虚拟化系统访问控制,结合虚拟安全域的概念,设计实现了虚拟化系统访问控制模型,主要结合分级分域原则对虚拟机之间的通信控制和虚拟机对虚拟磁盘的访问控制进行约束。     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。