基于类云模型的c均值聚类航迹关联算法

针对多传感器多目标航迹关联的特点,提出了将类云模型和c均值聚类联合应用于航迹关联的解决方法。将表征航迹特征的参量构成聚类中心和待分类的样本空间,利用类云模型和c均值聚类算法对来自不同传感器的航迹进行分类和收敛判断,构建了基于类云模型的c均值聚类航迹关联模型,有效地解决了目标密集环境下的航迹关联问题,通过仿真研究说明了该算法的有效性和鲁棒性。     

基于数据库的收缩型航迹聚类模型仿真研究

针对传统聚类算法只能选取少量数据源进行仿真分析,得到的聚类效果不能真实体现数据流的宏观特征的问题,考虑了海量航迹数据中的离群点检测以及离群点剔除,提出一种新的基于数据库的收缩型航迹聚类仿真模型,将三维空间网格化,建立K-means聚类和层次聚类双重交互算法,对网格中的离群点进行识别并剔除.解决了航迹聚类中的关键技术问题.通过对西北地区3 G海量二次雷达数据的聚类仿真分析,使航迹聚类仿真的耗时从h级降低至s级,并且得到的航迹分布特征清晰,验证了新模型对于海量数据宏观特征提取具有可行性和优越性,模型和算法对全国二次雷达航迹数据仿真具有借鉴意义.     

用一种改进的蚁群聚类算法进行网络入侵检测

针对蚁群聚类算法在聚类结果中出现部分数据划分不够准确的问题,提出蚁群聚类改进算法。对已有蚁群聚类算法的结果簇做调整,从而得到更好的聚类结果。使用KDD Cup1999入侵检测数据集所作的实验结果表明,聚类效果改进明显,入侵检测率有所提高。     

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。     

基于轨迹聚类的民用飞机线束综合设计方法

针对目前民用飞机EWIS线束综合设计时存在因信号数量大、路径复杂所导致的工作难度高、设计效率低等问题，设计了一种基于轨迹聚类的线束综合设计方法。根据布线网络上敷设的信号路径，以网络节点所构成的轨迹段形式构建信号路径轨迹，并通过改进的LCSS算法衡量信号轨迹间的相似性，使用基于密度的DBSCAN聚类算法将信号划分到不同的线束组件。结合某机型机上数据与现有线束信息比较，并使用建模软件分析对比实验结果，验证了该方法的可行性。     

启发式多阈值BIRCH研究

M-BIRCH算法通过设置多个阈值来弥补BIRCH算法在聚类效率和精度方面存在的不足。针对M-BIRCH算法在阈值设置方面存在的不足,提出将启发式阈值估计方法应用于M-BIRCH,并对算法在树的重建次数的减少和处理时间的缩短方面进行了验证。     

基于粒子群聚类优化的快速分形图像压缩算法

针对经典分形压缩算法中编码时间过长的问题提出了一种改进算法。将粒子群优化算法应用于聚类中心的求解中,利用聚类优化方法分别对子块和父块进行聚类,匹配时通过类内搜索取代全局搜索,减低了编码时间。仿真实验结果表明,在不影响信噪比和压缩比的前提下,与经典分形压缩算法相比,本文的算法编码速度可提高大约5倍;同近期文献报道的基于K-均值聚类优化的快速分形图像压缩算法相比也有明显的改善。     

基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

蚁群优化算法在加工工艺知识发现中的应用

针对加工工艺数据复杂、庞大、多变的特点,为解决加工工艺知识的匹配与推理的关键性技术,将模拟生态系统的模糊聚类算法应用于加工工艺知识库。提出了基于蚁群算法的工艺知识发现的概率查询方法,并建立加工工艺知识库的数学模型。通过输入关键词运行蚁群算法,描绘出索引地图,提取分析所需要的加工工艺序列。最后以铣加工工艺为例进行实例验证,结果表明,基于蚁群算法的工艺知识发现高效全面地优化了工艺序列。     

基于模糊聚类分析的电力客户信用评价算法

通过对模糊聚类算法的分析，针对电力客户信用分类的特征，提出了基于模糊聚类分析的电力客户信用评价算法。得到了不同客户群的聚类中心以及客户的隶属度矩阵，为客户群的特征分析提供了量化依据。试验对比结果表明，本文方法得到了满意的客户聚类及分类结果。     

基于多维特征的战场实体目标分群方法

目标分群问题也称为群形成过程,是态势估计中的一个重点和难点问题,属于信息融合中的高层融合范畴。现有的目标分群方法大多是将空间位置相近的目标聚为一类,极少有分群方法考虑到进行战场态势分析所需的位置、速度、航向、属性和类型等多维特征。为此,首先根据海战场态势分析需求,基于目标的特征属性定义了多维度欧式距离;然后综合利用分类与密度聚类两种分析方法,提出了一种战场实体目标分群方法,以综合实现战场实体目标的实时分群处理;最后,将该算法应用于一个军用场景的数据集上进行仿真实验。仿真结果表明了该方法在海战场环境中实现目标分群处理的可行性和有效性。     

基于任务聚类的多星观测调度方法

星上传感器侧摆次数有限,在卫星观测调度时进行任务聚类可以节省资源,提高观测效率.提出了动态聚类调度算法(DCSA)来解决多星多轨道圈次的观测调度问题,DCSA把聚类和调度动态结合起来,并使用模拟退火算法搜索全局最优解;分析了在满足分辨率需求前提下多任务聚类的约束条件,并对聚类任务的侧摆角度和时间窗口进行合理优化;根据任...     

基于群决策的作战方案优选模型研究

针对作战方案优选中存在的决策者权重信息、各属性权重信息以及方案属性值信息均不完全的问题,采用聚类分析法建立了决策者权重计算模型,并在此基础上采用双基点法建立了基于群决策技术的作战方案优选决策模型。     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.     

基于聚类和Hough变换的多编队航迹起始算法

以传感器分辨力较低、编队成员之间距离较近时,不能辨别出编队中的目标数量和队形结构为背景,集中研究了密集杂波下编队的航迹起始问题并分析了该问题的难点所在;在此基础上,首先,通过循环阈值法将前3个时刻的量测点迹分割成多个子群;然后,对分割后的各个子群运用K均值聚类法,更准确地求出各个子群的聚类中心点作为该子群的中心;最后,通过最近邻法,以最大速度为限制将前3个时刻各子群中心点互联,对互联上的中心点经Hough变换,映射到参数空间,从而判别出成功起始的航迹和速度。经仿真验证,该方法对密集杂波环境下编队的航迹起始效果较好,并且速度快,起始率高。     

基于模糊聚类的近距空战决策过程重构与评估

目前大量研究集中在空战的智能决策和解决近距空战评估结果"是什么"的问题上,却极少关注评估结果的"为什么"。根据空战训练中记录的客观数据的变化特征,提出基于模糊聚类的方法来计算决策序列,构建模糊粗糙决策系统,以实现对近距空战决策过程的重构;通过计算分析条件属性之间的相对重要度,对具有相似重要度的决策对象序列进行二次聚类划分,分析出关键决策点集合。通过实例研究,从空战能量和相对方位2个方面对近距空战决策过程进行了评估分析。结果表明,从空战决策的角度可认为关键决策点集合是产生评估结果的原因。