基于密度聚类与匹配算法的异常飞行行为挖掘

在空中交通愈加拥挤的背景下,航空器的异常飞行行为的有效挖掘可以辅助管制员进行调配决策。现有方法只能辨识飞机空间位置特征异常,存在水平可扩展性的局限。本文考虑位置、速度、高度和航向4个异常特征,采用高度层划分策略、局部异常因子和快速覆盖树对基于密度的有噪声应用中的空间聚类（Density-based spatial clustering of applications with noise, DBSCAN）方法进行改进,提出局部异常因子改进的考虑速度、方向及高度的基于密度聚类方法（Density-based spatial clustering considering speed, direction and high level improved by local outlier factor,LOFDBSC-SDH）密度聚类算法对正常航迹模式进行快速准确提取。然后,基于正常航迹模式设计考虑过点时间和上述异常特征的航迹匹配算法,挖掘异常飞行行为。最后,通过实验仿真验证了本文方法的有效性和应用价值。     

基于模糊评价的无人机航路点选取方法

在无基准图的无人机景象匹配过程中,提取航路点是一个关键的环节。为摆脱对单一指标和专家经验值的依赖,提出了基于模糊综合评价的航路点选取方法。首先介绍图像的颜色特征模型,并提出了基于HSV颜色直方图的视频帧间聚类方法,以实现对图像帧的分组。然后,以航路点的信息丰富性、显著性、稳定性为考量,选取了图像熵、拉普拉斯响应和完整轮廓数作为衡量候选航路点适配性的特征指标,以候选航路点对指标属性的贡献度为权重,实现自动化、无干预的航路点筛选。在此基础上,提出了一种改进的模糊综合评价模型,对各候选航路点的适配能力进行综合评定,选取每组中评价值最高的图像作为无人机返航航路点。最后,对航路点选取方法进行了仿真实验和有效性验证,实验证明本文方法能够提取出适配能力强的图像作为航路点,以保证后续景象匹配的成功率。     

皖南区域养生保健旅游资源调研与开发研究

通过相关文献的比较分析,构建健康主题旅游概念范式,认知养生保健旅游内涵。基于对皖南区域养生保健旅游资源及旅游者行为偏好调研,分析了区域养生保健旅游资源特征及旅游者行为特征,认为皖南发展区域养生保健旅游是优选,是皖南建设国际旅游示范区、旅游产品转型升级的主要抓手,提出目标创新、观念创新、产品创新、科技创新、人才创新五个方面创新开发思路。     

类神经无线网络入侵检测风险的研究

无线网络安全期待突破技术瓶颈,为了有效辨识伪造或是有问题的无线接入点(AP),文章提出基于频谱分析仪的类神经无线网络的入侵检测机制。该机制采用频谱分析仪测量无线电磁波的信号,提取信号值,再用sniffer分析AP流量,最后,对于AP的使用行为进行分析,将采集到的数据通过NeuroSolutions软件依据倒传递的类神经网络进行仿真。     

基于RBF神经网络的航空发动机轴承故障诊断

提出一种新的航空发动机滚动轴承故障诊断方法。利用小波包分解对轴承的动态信号进行分析、提取特征,采用RBF神经网络进行承故障诊断。对7类故障进行了实验,结果表明该方法具有很好的故障诊断效果。     

基于多层相似性用户聚类的推荐算法

为了降低数据稀疏性的影响,提高推荐系统的推荐生成质量,提出了一种基于多层相似性用户聚类的协同过滤推荐算法。该算法采用新的多层用户相似性度量,并将推荐过程分成了离线和在线两个部分。离线时,算法对基本用户数据进行预处理,并对基本用户聚类;在线时,算法利用已有的用户聚类寻找目标用户最近邻居,并产生推荐。实验表明,该算法不仅加快了推荐生成速度,而且提高了推荐质量,降低了约6%的平均绝对误差。     

基于时空模型的快速视频显著区域检测

传统的视频显著区域检测方法运算量大且难以处理包含复杂运动的视频,本文提出一种基于时空模型的快速显著区域检测方法.该方法用一种新的模糊聚类算法对特征点的运动轨迹进行无监督聚类,对不同运动类型进行分类.在复杂运动情况下,该算法通过计算优化的聚类中心的个数以获得运动类型数,再将异常数据剔除后,生成运动显著图.而在空间显著区检测方面,则利用反差模型以及Gabor滤波器获得图像的静态显著图.在此基础上,还提出一种基于运动优先思想的时空混合方法,将运动和空间显著图动态合成视觉显著图.实验证明,该方法能够有效地提取视频显著区域,与传统的方法相比该方法平均耗时更少且更方便.     

一种基于语义分析的大数据视频标注方法

提出一种基于Spark计算框架的海量视频语义标注方法。将存储在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的海量视频部署到若干计算节点上,依据分形特征实现镜头快速分割。提取样本关键帧的颜色、纹理和分形特征向量,进行元学习策略训练,进而形成视觉词典。根据视觉词典对检测视频内容进行分析,产生一系列能表征视频内容的视觉单词。根据重要程度,通过马尔科夫链按重要程度对视频的视觉单词进行排序,并将排列结果作为该视频的标注。最后,从检测正确率、平均运行时间和扩展效能方面与传统分布式计算模型进行了对比。     

模糊聚类在特征选取中的应用

提出了一种基于模糊聚类算法的高维特征选取方法。首先,利用Bhattacharyya距离过滤样本类别无关的特征;然后,基于递归特征剔除过程,提出了基于模糊迭代自组织数据分析技术(Interactive self-organizing dataanalysis technique,ISODATA)聚类方法,以样本与聚类中心的加权距离作为可分性指标,产生候选特征子集;最后,以候选特征子集分类和聚类的接受者操作特征曲线下面积(Area under the receiver operating characteristiccurve,AUC)值和正确率作为目标函数,确定最佳特征子集。将该方法用于选取5个基因表达谱数据集的特征基因,结果显示该方法所选特征具有较好的分类和聚类能力,说明了提出的特征选取方法的有效性。     

基于飞机壁板特征的扫描路径生成方法研究

为解决航空制造业数字化测量过程中复杂零部件不能完整测量的问题,提出了一种基于特征识别的飞机零部件扫描路径生成方法。对于一个飞机零部件的数字模型,本文的目标是对其中存在的槽特征、筋特征给出若干条扫描路径,使持有扫描仪的机械臂能沿此路径对该零部件的各类特征进行完整精细地扫描。本文采用区域分割的方法对各类特征进行分割和提取。考虑到槽、筋等特征中不易被扫描到的区域均为和扫描方向近似垂直特征面,在对模型进行区域分割之后,将这些特征面进行提取,作为后续处理的基础。扫描路径的规划主要是通过分析提取出的特征面来进行的:将每个特征面投影到一个二维平面内,并在二维空间内对该特征面生成一条合适的扫描路径,将该路径投影返回三维后,对其沿着一定角度进行偏置,得到了最终的三维扫描路径。实验结果显示,本文提出的方法能够准确地生成飞机零部件数字模型的扫描路径,适用于航空制造业的实际数字化测量过程。     

基于分块图像的二值商标图像检索

提出了一种基于分块图像特征的商标图像检索方法。该方法首先确定商标图像的形状主方向来消除图像旋转带来的影响,然后通过提取目标区域的方式消除图像平移的影响,再将图像的目标区域按照4叉树的分解方式划分为多个小的子图像块,对子图像块提取特征并对图像进行相似性度量。实验证明,利用该方法提取的特征兼顾了商标图像在局部和整体上的一致性,并且具有良好的旋转、平移、尺度的不变性,得到的检索结果能够很好地满足人类的视觉感受。     

一种基于实测点云数据的壁板类零件修配加工路径计算方法

针对飞机壁板类零件采用修配法装配过程中需要精确获取修配加工路径的问题，提出一种基于实测点云数据的壁板类零件修配加工路径计算方法。首先设计一种基于法线差的特征点检测算法提取参考壁板的初始特征点。然后建立迭代收缩优化模型对初始特征点进行收缩优化，得到参考壁板的准确特征点。最后根据工装定位孔特征进行配准，将参考壁板的特征点映射到待修配壁板上，并将映射后的特征点按照一定顺序进行连接，得到待修配壁板的修配加工路径，按照修配路径进行加工，获得壁板装配配合边界。实验表明，该方法能够精确提取待修配壁板修配加工路径，并且经过加工验证，壁板试验件对缝间隙获得小于1.2 mm的实际效果。     

基于航迹聚类的终端区进场程序管制适用性分析

为了定量评估终端空域的空中交通管制服务水平,提出了描述进场飞行程序管制适用性的新概念。在对实际运行航迹数据特征分析的基础上,建立了基于对应雷达轨迹点逆向比对方法的航迹间相似性测度模型。应用层次聚类法对航迹数据集进行了聚类分析,提出了根据航迹聚类集构造平均航迹的方法。通过比较平均航迹和标准进场程序,建立了描述管制适用性的3个量化指标及其算法,包括:纵向偏离度、侧向偏离度和非常规航迹比例等。实例分析表明:以上指标能准确表示进场飞行程序提供空中交通管制服务的水平,并可以根据聚类结果来改进现有进场飞行程序结构。     

基于深度混合模型评分推荐

从用户-项目评分矩阵中学习用户对项目的个性化偏好,对于评分推荐来说至关重要。许多推荐方法如潜在因子模型,无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发,本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比,使用DeepWide和DNN部分重构Wide模型和Deep模型得到DeepHM,并且DeepWide和DNN部分共享交互信息输入。因此,DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

基于聚类分析的航空器滑行过点时间预测

为了预测航空器滑行预计到达时间（Estimated time of arrival,ETA）,减少场面冲突,提高机场运行效率,本文使用卡尔曼滤波算法对场面历史轨迹数据进行预处理。为了衡量轨迹样本间的距离,综合三类特征用于机场场面历史轨迹数据聚类。特征包含航空器滑行时段和场面航空器数量,以及参考动态时间规整（Dynamic time warping,DTW）算法提取的轨迹差异度特征。将两个样本特征的欧式距离作为样本间的相似度量;基于均差最大原则确定初始聚类中心,使用K-means算法对样本进行聚类,根据待规划航空器的所处时段和场面航空器数量选择匹配度最高的类簇,将其聚类中心样本的轨迹序列和塔台规划的静态路径相结合预测航空器滑行ETA。通过将实际轨迹数据与预测的滑行ETA进行对比分析,证明了本文预测航空器滑行ETA的准确性。     

基于样例的祥云图案生成模型

祥云图案的创作目前主要依赖手工绘制,现有的大部分研究工作主要针对真实感云和烟的模拟和绘制,本文提出一个基于样例和交互式草图的祥云图案生成模型。首先对手绘的祥云图案样例进行特征线的提取并归一化后形成特征库;用户输入简单的二维草图来分别表示云头、云体和云尾的骨架曲线;算法对云体和云头的草图轨迹进行非均匀自动划分得到生成线段集,利用这些线段到特征库中寻找相应的特征曲线并安装来得到云体和云头部分;通过对云尾骨架曲线进行平移和缩放来过程化生成云尾部分。实验结果表明,通过该生成模型,用户通过很少的交互和参数控制就可以生成大量具有手绘风格特征的祥云图案。     

最小支撑树算法在基因表达数据聚类分析中的应用

聚类分析已成为对基因表达数据进行挖掘以提取生物医学信息的主要方法.本文提出了基于图论的最小支撑树(Minimum spanning tree,MST)聚类算法,用MST表示多维基因表达数据,可将数据的聚类转换为对最小支撑树的分割,相对于传统聚类方法,最小支撑树算法具有形象直观、对一些准则函数能产生全局最优解等优点;将MST算法分别与Memetic algorithm及人工免疫算法(Artificial immune network,aiNet)相结合,则产生更优化的聚类结果.对酵母基因表达数据的实验结果表明,最小支撑树聚类算法是一种有效的基因表达数据的聚类方法.     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

特征加权的阴影C均值聚类新算法(英文)

将特征加权的划分聚类方法应用在阴影集的框架中阴影聚类产生的核心区和边界区的样本对每一个类的质心有不同的影响。通过集成特征权重,加权计算的公式引入到聚类算法中。权重指数的选择对于好的聚类结果非常关键,而且权重随着每次迭代划分而更新。文中给出了算法的收敛性,并且使用了可行的聚类有效性指标。在合成数据集和真实数值数据集上的不同特征权重的实验结果表明,该加权算法优于其他不加权算法。