基于Voronoi cell的RNN_k近似查询与计算(英文)

在空间数据索引与查询研究领域中,反向k最近邻(RNNk)问题作为反向最近邻问题的泛化扩展近来受到更多关注.所谓RNNk查询就是找到所有以给定查询点为k个最近邻之一的对象点.为了有效地进行RNNk查询,利用分级的Voronoi cell和空间区域划分方法对查询结果进行有效过滤,避免了过多次最近邻查找计算.在初步得到的RNNk结果中,有针对性地分别利用平行于分割线的扫描线和局部扩展的查询区域Q进一步限定了RNN候选点.近似最小平均距离(AMAD)计算则可由近似的RNNk查询结果得到且不受k取值限制.实验结果表明了在3种不同数据分布情况下,本文算法与近似方法的效率和有效性.因此,通过充分利用对数据的过滤与查询空间修剪的近似方法,得到了具有较高查全率和准确率的近似查询和计算.     

模糊的类内矩阵模式主分量分析及在人脸识别中的应用

矩阵模式主分量分析（MatPCA）作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式。但与主分量分析（PCA）方法一样,MatPCA没有使用样本的类别信息,因此所提取的特征不能提供足够的判别信息,进而影响随后的分类性能。为有效利用样本的类别信息,在MatPCA基础上提出了一种新的特征提取方法——模糊的类内MatPCA（F—WMatPCA）。F—WMatPCA利用模糊K最近邻（FKNN）求解训练样本的模糊隶属度并在模糊的类内执行MatPCA。由于F—WMatPCA使用更多的类别信息,因此能有效地提高识别精度。对0RL,Yale人脸数据集和几个UCI数据集做了实验,结果证实了该方法的有效性。另外,讨论了F—WMatPCA在人脸识别上的应用,并与F—Fisherfaces作了比较,结果表明F—WMatPCA具有比F—Fisherfaces更稳定、更鲁棒的识别性能。     

基于改进支持向量机的油液在线监测系统

搭建油液在线监测实验平台进行磨粒分类识别实验,运用支持向量机和最近邻法相结合的方法对飞机发动机油液中的磨粒进行分类识别;其中基于支持向量机的磨粒分类器的输入为磨粒的主轴长度、纹理相关性、圆度等特征参数,输出为磨粒的分类结果;实验结果表明,基于支持向量机的磨粒分类器的分类准确率高达94％,并且由于最近邻法的使用,分类器的处理速度也提高了30％。     

一种快速搜索海量数据集K-近邻空间球算法

提出了一种快速搜索海量数据集K-近邻的空间球搜索算法。将数据点集进行空间栅格划分,假想存在空间球,并以当前测点为球心,半径分别取测点到所在立方体栅格6面的距离。首先取半径最小的空间球,在与之发生干涉的栅格中进行K-近邻搜索,若满足所建立的搜索终止原则,则终止搜索;否则,取更大半径的空间球,重复上述过程。实验结果表明,所提出的算法可对海量数据集进行快速K-近邻搜索,较已有算法明显提高搜索速度。     

基于VMD-CWT和改进CNN的直升机轴承故障诊断

由于直升机自动倾斜器滚动轴承振动信号具有非平稳、非线性特点,并夹杂非敏感故障特征信息,导致网络模型对周期信号过于敏感,不能充分利用故障信息的问题;针对此问题,提出一种变分模态分解(VMD)与连续小波变换(CWT)联合提取敏感故障特征的方法。研究表明:在相同模型训练下,该方法相对其他方法最高可提升模型准确率20.8%。为了解决卷积神经网络(CNN)进一步提高故障识别精度难的问题,提出一种基于K最近邻(KNN)改进的CNN的模型,在课题组和西储大学公开轴承数据集验证,测试精度达到99.8%和100%,可有效实现直升机自动倾斜器滚动轴承的故障诊断。     

基于数据挖掘算法的热压罐固化周期预测研究

目前,计划人员只能根据相关工艺文件中固化参数及热压罐固化周期的历史数据对热压罐进行连续排罐,导致计划人员无法制定精细的排产计划,还没有利用数据挖掘算法对热压罐固化周期进行预测的研究。采用支持向量回归和KNN预测两种预测方法,并对两种方法的预测结果进行对比试验。试验表明KNN预测的预测结果中有90%的罐次均优于支持向量回归的预测结果,且有90%罐次的误差小于0.5h。最后对两种方法的预测结果进行了原因分析。     

双向互选最近邻准则下的多目标TDOA无源定位

为有效解决多目标无源定位中的数据关联难题,提出双向互选最近邻多目标数据关联算法。该算法借鉴全局最近邻思想解决多目标到达时差(TDOA)测量数据关联问题,在设置检测门限对时差测量数据进行关联初选的基础上,将所有目标和初选后数据的关联配对关系进行全局考虑,通过对初选后数据的前后向互选来解决多目标时差测量数据的正确关联问题。该算法在从众多时差测量数据关联配对点中提取真实目标位置的同时,可有效解决时差无源定位中的定位模糊问题,算法模块也可应用到多星测时差、测向-测时差等无源定位系统中。仿真结果表明,该算法能有效解决多目标时差测量数据的关联问题,最终实现对多目标的无源定位。     

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。     

基于双向最近邻准则的编队预定目标选择方法

相比传统的预定目标选择方法,基于编队形状的反舰导弹预定目标选择方法是一类性能优越的新方法。其原理是利用导弹飞行期间舰艇编队形状的相对稳定性,并将发射前装订的编队形状和末制导雷达探测到的编队形状表示为2个点集,通过点集匹配实现预定目标选择。提高这类算法性能的关键在于研究合理的点集距离函数。文章提出一种基于共同点的距离函数,研究了其抗干扰的机理,并证明其计算过程可通过双向最近邻准则实现。仿真试验表明该方法性能优于以往的MHD方法。     

一种适于工程应用的近似MSJPDA算法

为提高复杂数据融合系统中的航迹关联正确率，在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法，它以一个目标为中心的近似聚为构造关联事件的起点，并在计算中将DC和AC结合得到的一种全部的点迹－航迹关联算法，在杂波下目标密集，航迹复杂的数据融合系统中进行实验，对关联正确率，并联时耗等与最近邻法进行了比较，效果较好，它能为有效提高目标点迹－航迹的关联正确率，在计算时耗上较完全联合概率法少得多，能满足工程中实时性的要求。