基于排队论指导的K-Means聚类算法及其在TTC网络优化设计中的应用

提出了一种在K-Means算法基础上改进的聚类算法QSKM,对网络结点分组进行优化设计。我们利用排队论对网络通信中的呼叫与处理进行分析,确定最少分组数,作为K-Means聚类算法的初试K值,由此作为聚类算法的起点,对交换机数量、空间布局以及网络结点分组进行设计。通过对QSKM算法和传统K-Means算法的计算复杂度进行分析比较以及QSKM算法在北京航天飞行控制中心显示网络设计中的应用研究表明,QSKM算法是有效的,降低了传统K-Means算法的计算复杂度。在我们设计的QSKM算法中,排队论可以为K-Means聚类运算中K的初始选取提供指导,聚类算法利用网络特征对基于排队论的网络设计方法进行完善,从而得到最佳的网络分布方案。     

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

基于模糊聚类非负矩阵分解的软件缺陷预测

为了进一步提高对不平衡软件缺陷数据的预测精度,提出了一种基于模糊聚类非负矩阵分解的缺陷预测方法。该方法首先选取最近邻算法作为不平衡缺陷数据预测的基分类器,然后将非负矩阵分解算法引入软件缺陷预测领域,并提出利用模糊聚类初始化非负矩阵分解算法的思路。该方法一方面解决了最近邻算法处理多属性缺陷数据时计算量大导致性能降低的问题,另一方面克服了非负矩阵分解的随机初始化导致结果陷入局部最优的不足,提高了不平衡软件缺陷数据的预测精度。最后通过两组算例验证了方法的有效性。     

基于模糊C-均值聚类航天图像分割方法的研究

在图像分割领域,模糊C-均值聚类算法得到了广泛的应用,但存在计算量大、易受噪声影响、目标与背景对比较弱时对边界处的像素分辨能力低等问题.针对以上问题对标准模糊C-均值聚类算法进行了改进:利用一维灰度直方图来降低计算量;并在此基础上,考虑每一层灰度级的邻域像素之间的空间一致性;然后,构造特征散度来重构聚类算法的目标函数.最后用一幅测试图像和两幅航天高分辨率图像对改进的方法进行试验,结果表明,对于削弱上述问题的影响,算法较标准模糊C-均值聚类算法有较大提高.     

基于聚类的多平台协同数据关联算法研究

从多平台协同工作的角度出发,针对目标和传感器观测数据之间的关联问题进行了研究。给出了模糊聚类目标函数、FCM算法步骤和量测目标归属判定方法,基于此,提出了模糊C-均值聚类和量测目标归属判定算法,然后提出了基于聚类算法的多平台协同多目标数据关联算法。仿真实验结果表明,该算法数据关联正确率较高,能够提升跟踪精度。     

一种基于信息融合的深空巡航段自主导航算法

针对自主光学导航在深空巡航段应用中的问题,提出了一种基于信息融合的自主导航算法。由太阳敏感器测量获得太阳相对探测器的视线矢量,由分光计测量获得探测器相对太阳的径向速度,构建自主导航系统的两种信息观测方程;由基于状态估计误差协方差阵奇异值动态确定信息分配因子,用信息融合技术和扩展卡尔曼滤波算法实时估计探测器的位置与速度。对深度撞击任务的实际飞行数据的数值仿真结果表明:自主导航算法的轨道确定精度满足深空巡航段要求。     

考虑任务聚类的多星观测分阶段调度方法研究

单个轨道圈次内星上能量和侧摆次数有限,在卫星观测调度时考虑任务聚类可以提高观测效率。分析了满足用户分辨率需求下多任务聚类的约束条件,并对聚类任务的时间窗口和侧摆角度进行了合理优化。提出了先聚类后调度再修复的分阶段求解策略:首先用团划分聚类算法和启发式插入聚类算法把多星多轨道圈次观测调度问题转化为单星单轨道圈次观测调度问题,然后采用基于时间序无圈有向图的多准则优化卫星调度方法求解单星单轨道圈次调度问题,最后提出一种修复策略进一步优化调度结果。案例仿真表明,提出的方法可行,能够提高卫星的观测效率。     

改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究.针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式.进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率...     

基于网格聚类的雷达信号预分选

针对现有网格聚类算法需要人为确定网格划分、边界处理精度低的问题,提出了基于固定网格划分和动态网格划分的雷达信号预分选算法。基于固定的网格划分算法对输入信号脉冲顺序不敏感,根据网格数据压缩率自适应确定网格划分和密度阈值。基于移动技术的动态网格聚类算法能够识别任意形状和大小的聚类。仿真实验表明,这两种方法能有效适用于雷达信号分选,且能很好地识别出孤立点和噪声。     

基于合同网的分布式卫星系统任务优化分配研究

面向未来分布式卫星系统(DSS)自主协作运行模式,对DSS任务协作中的优化分配问题进行了分析和描述,提出了基于协商的任务优化分配体系结构,并由此给出任务组的概念,通过集覆盖理论将任务分配问题转化为集覆盖问题.从而引入合同网协议,以系统完成任务目标的总耗能最少为原则,加入限定卫星可回应任务数的约束后,提出了一种基于合同网的严格启发式优化分配算法对问题进行求解.同时,证明了算法搜索结果的上确界;分析了算法的收敛性和时间复杂度.该算法具有分布性,搜索空间缩减快,适合于中小规模问题的任务分配.     

基于自适应网格密度聚类的雷达信号分选算法

针对现有网格聚类中网格划分方法不能较好地适应所有数据分布、网格边界处理精度低等问题,提出基于自适应网格密度聚类的雷达信号快速分选算法.该算法首先引入了网格均匀度的概念,然后给出了自适应网格划分技术和网格均匀度的计算方法,最后进行均匀度可达聚类.该算法能自适应地发现不同密度的类及其边界,适合处理大规模侦察数据集.仿真实验表明该算法能有效适用于雷达信号分选.     

基于多维加权聚类的雷达信号分选方法

随着数字技术的发展,新体制、新技术雷达不断出现,反辐射导引头面临的信号环境更加密集和复杂,传统的方法已经不能对其进行有效分选。文中提出一种新的基于多维加权聚类的雷达信号分选算法。通过统计和熵值分析确定权值,计算加权的欧几里得距离,根据既定门限合并同类聚类中心,从而实现雷达脉冲的分选,并在各聚类中心应用改进的SDIF算法进行PRI精分选。计算机仿真结果验证了该方法分选的有效性。     

基于密度聚类和lp范数最小化的空中微动群目标盲源分离技术研究

盲源分离(blind source separation, BSS)在语音信号的识别、生物医学信号的处理以及雷达信号的目标识别上具有重要的应用价值。为了解决空中微动群目标的欠定盲分离问题,提出了一种基于密度聚类和lp范数(0相似文献   

基于推演式聚类学习算法的卫星健康状态监视系统

提出一种基于推演式聚类学习算法的卫星通用健康状态监视系统,应用卫星运行数据构建多维空间向量集,通过聚类生成健康状态知识库,可以实时监视卫星遥测状态。使用某卫星热控分系统的测试数据对该系统的有效性进行了验证,结果表明:该系统具有较好的卫星异常健康状态识别与评估的能力和准确度,可为卫星健康状态监视手段的选择提供参考。     

基于DSP的无源时差定位信号聚类分选算法

以四站无源时差定位信号处理器为例 ,详细分析了时差测量值的统计特性和相关统计特性 ,并利用该分析结果设计并实现了有利于DSP处理的基于时差相关的聚类分选算法 ,最后给出了该算法的实际测试结果及测试结果分析。研究表明 :基于时差相关的聚类分选算法能够有效地提取同一时差峰内的多个辐射源 ,并较好地解决时差散布造成的时差峰分裂的问题。     

改进灰色聚类评估模型在防空武器毁伤能力评估中的应用

从目标毁伤能力定义出发,构建了评估指标体系。针对传统三角白化权函数灰色聚类中相邻灰类对聚类中心的干扰导致各灰类综合聚类系数取值相近的不足,构造了新型白化权函数灰色评估模型;针对同一灰类对象优劣比较时未考虑相邻灰类影响的问题,提出了一种综合测度决策模型。综合两者,建立了一种基于灰色聚类的新型评估模型,并利用该模型对防空武器目标毁伤能力进行评估,结果表明,该评估模型能在一定程度上提高评估结果的科学性和全面性。     

高超声速滑翔飞行器多模型鲁棒跟踪方法

针对高超声速滑翔飞行器（HGV）具有机动能力强、机动样式多变、机动时机不确定等特点,提出了一种基于有向图变结构多模型的鲁棒跟踪（CHF-DSVSMM）方法。考虑到高超声速滑翔飞行器的跳跃滑翔运动特性,建立了包括自适应非零均值衰减震荡（ANMDO）模型、“当前”统计模型（CSM）等机动模型的模型集。针对固定结构多模型算法存在模型相互竞争、运算时间长的缺点,设计了基于有向图结构的切换准则自适应地改变模型集构成,提高模型匹配性。对于地基雷达探测中存在闪烁噪声的问题,采用容积Huber-based滤波方法进行状态估计。仿真结果表明,所提算法与现有方法相比具有更高的跟踪精度,并对闪烁噪声具有良好的鲁棒性。     

被动传感器组网变门限聚类定位算法

为了提高干扰情况下目标的定位精度,提出一种基于数据质量分析的地面固定被动传感器组网变门限聚类定位算法。该算法充分利用传感器组网和数据质量分析的优点,首先将各传感器量测转换为目标的估计位置点,并按照距离平方和的方法对各位置点进行数据质量分析;其次构造检验统计量,根据位置点数量的变化自适应调整聚类门限进而对位置点中心进行数据质量分析;最后根据分析结果确定高质量位置点类别并获得目标的估计位置。通过和最小均方误差估计算法（MMSE）相比较,变门限聚类定位算法可有效消除低质量数据对定位结果的影响,从而提高了目标的定位精度。仿真结果验证了从数据质量分析的角度对目标进行组网定位的有效性。     

推进剂及含能材料安全性分析的模糊聚类方法

本文借助于模糊聚类原理，通过寻找影响安全性各因素之间存在的规律性变化联系。建立了一种新的安全性分析方法，文中首先确定了影响安全性因素的“模糊”集合，采用广义余弦法，确定了“模糊”集合之间的相关程度；然后，根据聚类原理得出了推进剂及含能材料的安全性最优聚类。并采用所建立的方法对高能推进剂的含能粘合剂的安全性进行了分析，获得了可应用的结果。     

双星编队星座相对状态自主确定

针对NASA的ST-3中自主编队飞行的双星星座，研究在无GPS信号覆盖区域，利用星载类GPS的伪距和载波观测数据自主确定双星星座之间相对位置与钟差的问题。文中首先给出了系统的数学模型；然后研究利用卫星姿态机动提供的几何信息，进行单差整周模糊度初始化的问题，讨论了最优化的卫星姿态机动方案；最后给出了仿真协方差分析结果。