基于核心点虚拟标签传播的密度聚类算法

针对数据聚类问题提出了一种改进的密度聚类算法。该算法将数据点分为核心点和边界点两大类,并根据核心点之间的连通性,将核心点合并为多个核心区域,每个核心区域分配一个独有的虚拟标签。以数据点间的距离为基础,构建拉普拉斯矩阵,在此基础上将核心点上的虚拟标签传播到边界点,拥有同种标签的数据点属于同一类簇。在合成数据集和真实数据集上的测试结果表明,改进的新算法相较于经典聚类算法在聚类效果上有明显提高。     

基于对比学习的终端区相似气象场景识别（英文）

为了提高终端区相似气象场景（Similar weather scenarios,SWSs）的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS-CL)识别模型。首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量。接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型。最后,利用少量标记样本对预训练SWS-CL模型进行监督微调,进一步提高SWS-CL模型的性能。在广州终端区气象图像集上的对比实验表明,所提出的数据增强方法能有效提高气象图像集的质量,所提出的SWS-CL模型能取得令人满意的识别精度,且在标签稀少的数据集上具有明显的优势。     

系留球和地面之间的自由空间光通信中继系统设计与验证（英文）

目前微波移动中继网络存在中继距离短、数据传输速率慢、功耗高、工作频率受限等问题。本文使用激光通信技术构建了一个中继系统，该系统实现了系留球和地面基站之间红外高清图像数据的实时转发，通信距离超过20 km。实验的成功为激光通信技术作为机载通信中继站的应用提供了技术参考。针对初始瞄准指向角度不可预测、平台姿态快速变化等特殊场景，提出了一种用于确定扫描角域的评估方法和姿态稳定性补偿的方案来解决这些问题。通过4阶Runge-Kutta迭代方法规避复杂的微积分计算，提高了扫描算法的精度。将基于目标空间位置和自身姿态变化的数据通过前馈补偿算法引入到闭环跟踪系统的速度环中，有效提高了系统的跟踪稳定性。未来将实现空对空的激光链路中继网络实验。     

空间相关性约束联合子空间追踪的高光谱图像稀疏解混

通过深入分析高光谱图像空间相邻数据之间的空间相关性,提出一种利用空间相关性进行约束的联合子空间追踪解混(Spatial correlation constrained simultaneous subspace pursuit,SCCSSP)方法。该方法首先基于分块思想将高光谱图像进行分块处理,然后在图像块的端元提取步骤中,结合空间相关性特征对端元的提取进行约束,从而确保当前端元支撑集相对于高光谱图像残差是最优的。在丰度估计中将图像块的端元集合合并作为整幅图像的端元支撑集,通过求解非负性约束的最小二乘法获得丰度重建图像。模拟图像数据实验结果表明,本文方法在同等条件下能够获得更高的信号重构误差,且解混运算时间低于凸优化算法。在实际图像数据实验中,本文方法丰度图像稀疏度最低,取得了仅次于SUnSAL-TV算法的图像重建误差,其所得到的丰度重建图像也取得了更好的视觉效果。实验结果验证了本文方法具有更高的解混精度。     

SA-FRCNN：一种改进的机场停机坪目标检测方法（英文）

机坪场景下包含丰富的空间位置关系上下文信息。传统目标检测器往往只关注单一的视觉外观而忽略上下文信息;此外机坪数据集中部分类别识别准确率较低。针对上述问题,提出一种改进的机场停机坪目标检测方法,称为SA-FRCNN。该方法利用图卷积网络来捕获机坪场景下目标间的相对空间关系,将空间位置关系上下文融入模型生成空间感知特征;在特征提取过程中引入注意力机制,聚焦机坪目标的空间位置和关键特征;使用距离交并比损失实现目标更精确地回归定位。实验结果表明,SA-FRCNN方法在机坪数据集上目标检测均值平均精准度达到95.75%,部分较难检测类别的检测效果提升显著;有效提高机坪目标检测的准确性,较其他方法具有领先优势。     

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。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。     

飞机复杂系统故障诊断的灰色粗集推理方法

传统的复杂系统故障诊断规则不易获取且方法单一,不能满足系统维护要求.文中全面考虑复杂系统诊断的数据来源,用灰色关联理论降低系统复杂性并通过粗糙集约简数据的思想实现灰色粗集推理.基于灰色粗集推理方法实现了故障诊断规则的获取,并通过实例验证方法的可行性,结果明显优于神经网络算法,可有效提高诊断效率.     

环视SAR成像处理中的几何失真校正算法

环视合成孔径雷达(SAR)图像用于导弹精确来制导中的景象匹配处理,需要满足几何精度的要求.校正由雷达平台不规则运动和天线圆周扫描导致的图像几何失真,是环视SAR成像处理中的关键步骤.文中在利用线性距离多普勒算法生成子图像的前提下,提出了一种基于像源与像点映射关系的距离多普勒域图像几何失真校正算法.该算法无需复杂的坐标系转换计算,实现了360°范围内任意波束指向上SAR子图像几何失真校正.地面点目标仿真和实测教据成像结果证明了该算法的有效性.     

人体染色体计算机自动分析

本文简要介绍了染色体图像的输入和预处理技术,建立了染色体的特征空间以及特征空间之间的距离,从而实现了最小距离法自动识别人体染色体。对染色体的其他识别方法文中也作了简要的讨论,最后给出了满意的实验结果,在临床中可用于优生诊断。     

一种基于多维空间超球体的快速聚类算法

提出了一种基于多维空间超球体的快速聚类算法。这种算法结合密度聚类和层次聚类两种思想。首先利用密度聚类方法将小范围内的数据对象聚合成超球体,然后再按照层次聚类中的凝聚思想,根据超球体之间的位置关系产生最终聚类。实验表明,该算法对于数值型数据集不仅在效率、噪声敏感性等方面均有较好的表现,同时还可以通过诸如“双环测试”等带有刁难性的特殊测试集。以往,常常简单的以距离来刻画的数据间“相似性”,而所提出的快速聚类算法则改由超球体之间连接的紧密程度来描述这种性质。实验表明,这种修改使得算法的性能得到了很好的改善。     

基于可变形卷积与特征融合的机场道面裂缝检测算法

机场道面裂缝具有形态多变、宽度狭小、长短不一、且空间走势呈自由曲线的不规则特征,现有算法检测效果不佳。针对此问题,本文构建了一种基于可变形卷积与特征融合的神经网络（Deformable convolution and feature fusion neural network,DFNet）模型。首先由可变形卷积模块来强化特征提取网络对裂缝形态特征的学习; 然后经多尺度卷积模块捕获不同感受野下裂缝的全局信息;最后通过特征融合模块来提取裂缝不同层次的特征,通过融合裂缝低级特征与高级特征,实现对机场道面裂缝的准确分割。在采集的实际机场道面裂缝数据集上,与其他6种现有算法进行了对比实验,本文算法在像素级分割的F1-Score上达到了90.95%,效果优于全部对比算法。DFNet算法提高了对机场道面裂缝检测的能力,实验结果表明本文算法较好地达到了工程实际要求。     

基于极坐标格式算法的大斜视条带SAR子孔径拼接成像算法

大斜视条带 合成孔径雷达（Synthetic aperture radar, SAR）成像信号处理目前主要面临大斜视导致 的距离方位耦合严重和全孔径条带 SAR处理的实时实现困难。文中针对这两个难点 ,提出了一种基于极坐标格式算法（Polar format algorithm, PFA）的大斜视条带SAR子孔 径拼接成像处理算法。该算法利用改进的PFA来解决子孔径内大斜视高精度成像问题,通过 子孔径图像拼接来实现全孔径实时成像。仿真和实测数据的处理结果证实了本文方法的有效 性。     

双纤维表面气溶胶粒子对流扩散沉积形态特征数值分析

采用Monte Carlo随机模拟方法分析了两相邻纤维表面粒子的对流扩散沉积行为,通过离散粒子对流扩散输运方程获得粒子在计算域中的迁移概率,而纤维周围的流场特征则采用Kuwabara流场描述。分析讨论了粒子在纤维表面的生长特征和沉积角度分布。结果指出,高Pe数下两相邻纤维表面粉尘树枝表现出显著的不均衡生长特征,且存在相互竞争行为;粒子在纤维表面的空间分布存在最大沉积角度,且该沉积角度与Pe数、粒子相对大小R以及沉积量V*均有关。纤维捕集效率计算结果表明,粒子捕集效率E随沉积量V*增加有显著的提高,但增加幅度与Pe数和R有关。     

基于支撑域的单分类器和密度估计的本质关系

单类支持向量机和支持向量数据描述是两种流行的基于支撑域的单分类器。为揭示采用高斯核后他们与密度估计之间的关系,首先将基于支撑域的单分类器统一到密度估计的框架下;其次证明了基于支撑域的单分类器诱导的密度估计和真实密度一致,同时也能减小积分平方误差。最后通过人工数据集实验验证了上述关系。     

基于交叉熵代价函数的DBN转子系统故障识别分析

针对传统转子系统故障诊断方法在处理复杂故障数据时存在收敛速度慢和识别精度低问题,提出一种基于交叉熵代价函数的深度置信网络(DBN)故障识别方法。其采用无监督算法初始化限制性玻尔兹曼机(RBM)的参数空间,交叉熵代价函数反向传递误差,优化参数空间,逐层堆叠重置后RBM构建深层模型;利用已有数据建立转子系统智能识别库;在MNISIT手写数字集和转子系统故障数据集上验证,与传统DBN相比,利用交叉熵惩罚函数的深度置信网络可消除由于激活函数本身梯度对参数空间更新速度的影响,能有效地提高分类的精度。     

基于自适应分数阶微分的SIFT图像配准

针对传统SIFT(Scale Invariant Feature Transform)配准算法中存在的特征点正确匹配率低,配准效果较差的问题,提出了一种新的自适应分数阶SIFT算法用于图像配准。首先根据图像的梯度模值和信息熵构建自适应分数阶的数学模型,自动计算每个像素点的最佳分数阶阶次;其次基于最佳分数阶阶次构造自适应分数阶微分掩模,并将其融入到SIFT算法中,提取到更多精确有效的关键点,从而提高了SIFT算法的精度;在SIFT算法的特征点匹配阶段,进行相似性度量时,增加了余弦相似性约束,解决了欧式距离不能够判定特征向量的空间位置关系的问题,进一步提高特征点匹配的准确率;并使用改进的随机样本一致性算法(Random Sample Consensus,RANSAC)进一步减少误匹配的特征点对;最后根据匹配的特征点对求解空间变换矩阵,从而实现图像配准。验证结果证明:本文算法的匹配精度较高,配准的质量也得到较明显的提升。     

基于三支决策和数据增广的入侵检测算法

针对传统的入侵检测方法在未知攻击上表现不佳、且没有考虑信息不足的情况对于决策的影响的问题,本文提出了一种基于三支决策和数据增广的入侵检测算法CGAN-3WD。算法利用条件生成对抗网络来满足三支决策理论对数据信息的需求。首先基于三支决策理论对网络行为做出决策,将网络行为划分至正域、负域以及边界域中;之后基于条件生成对抗神经网络来完成数据增广,生成新的样本数据,从而为分类器提供更多的信息以支撑分类器将边界域转化为正域或者负域。NSL-KDD数据集被用于本文的实验中,实验证明,本文提出的算法CGAN-3WD在对入侵行为的检测上要优于对比的方法,能够有效地检测出入侵行为。     

基于平方距离极小化方法用C-C细分曲面拟合三角网格

基于平方距离极小化方法(SDM),给出了用C-C细分曲面重构有特征的、任意拓扑三角网格模型的算法.首先识别特征并结合人工交互的方式在初始网格上进行四边域划分,然后直接在域面上对数据点进行近似参数化和分区,以域顶点为顶点构造初始控制网格.建立局部坐标系并优化每个数据点的参数值,基于SDM建立拟合方程.循环进行控制顶点的反求和待拟合数据点的参数校正,直至达到给定的误差要求.与传统的最小二乘法拟合(LSQ)相比,本文方法的逼近精度(二阶逼近)要高得多.     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。