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LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。     

运输类飞机持续适航事件根原因分析

随着国产运输类飞机的研制成功并逐步投入使用,建立国产运输类飞机持续适航事件根原因分析流程和方法的标准、规范国产运输类飞机持续适航事件根原因分析活动将有助于持续改进国产运输类飞机的设计,提高国产运输类飞机的安全水平。通过对运输类飞机持续适航事件根原因分析流程和方法进行比较分析,运用结构化的根原因分析工具对典型事故案例开展具体分析,对国产运输类飞机持续适航事件根原因分析提出建议:综合欧美成熟的根原因分析经验和国产运输类飞机的现有特点深入优化根原因分析的方法和流程;开发相应的根原因辅助分析软件优化根原因分析过程和最优纠正措施的识别。     

基于灰色聚类的民航不安全事件风险评价

为提高民航运行安全水平,以2007-2016年民航不安全事件为数据源,选取事故和典型事故征候事件作为民航不安全事件风险评价指标,构建了基于灰色白化权聚类的民航不安全事件风险评价模型,采用最大离差化原理确定指标权重,以实际运行数据对这10年的民航不安全事件的风险进行了评价。结果表明:基于灰色聚类的风险评价结果与民航实际运行情况基本相符,验证了以事故和典型事故征候为指标的民航不安全事件风险评价体系的合理性,对提高民航安全生产能力有积极意义。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。     

基于步行周期聚类的视频行人重识别关键帧提取算法

视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方法从候选步行周期中选出关键步行周期作为关键帧。最后,将该算法应用在视频行人重识别中,仅使用关键帧的信息进行识别以减少时间冗余的影响,从而提高准确率,并且在查询前对视频进行处理,减少视频数据量以提高查询效率。在视频行人重识别数据集MARS和DukeMTMC-VideoReID上的实验表明,本文算法能够减少59%~82%的视频数据量,并且累积匹配曲线Rank-1提高了1.1%~1.4%,平均精度均值提高了0.2%~5%。     

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。     

拉伸装夹对航空框类零件加工变形影响的有限元分析

拉伸装夹可以改变已加工零件表面的残余应力分布状态,使其向残余压应力的方向转化,这对于提高航空零件的疲劳性能非常有益。但是,对于航空薄壁件来说,由于其结构刚性差,装夹方式不当易引起较大的加工变形,从而影响到其加工精度。本文采用有限元分析方法,模拟分析了拉伸装夹方案对薄壁件加工变形的影响。在保证已加工表面产生所需残余压应力的前提下,从控制薄壁件加工变形的角度出发,对拉伸装夹方案进行了优化。结果表明,采用拉伸装夹对于框类零件加工同样适用,为减小加工变形,拉具和拉撑间距应尽量大,拉伸力尽可能小,拉伸位置尽量放在刚性较强的面上。     

绕月探测器的自主光学导航研究

提出了一种利用高斯-马尔科夫过程和Unscented卡尔曼滤波的绕月探测器自主光学导航算法。针对很难事先确定精确地绕月探测器轨道动力学模型问题,提出利用高斯-马尔科夫过程来近似轨道动力学中的无模型加速度,进而提高了轨道动力学模型的精度;考虑到基于扩展卡尔曼滤波的轨道确定存在的问题,提出利用基于Unscented卡尔曼滤波来估计探测器的位置、速度及无模型加速度,提高了轨道估计精度和保证了算法的稳定性。最后,通过数学仿真验证了自主光学导航算法的有效性。     

基于新型多分类支持向量算法的发动机故障诊断

层次支持向量机(H-SVM)比通常的"一对多" (1-V-R)和"一对一" (1-V-1)等多分类支持向量算法具有更快的训练速度和分类速度.提出一种基于H-SVM的航空发动机气路部件故障诊断方法,根据特征空间中各类故障样本中心之间的距离来逐层划分子类,距离较近的故障样本归为同一个子类进行训练,得到的H-SVM层次结构合理,各层的SVM分类间隔大、泛化能力强;同时,用ν-SVM代替通常的C-SVM作为两类分类器,分类器参数意义明确、变化范围小,更容易确定.仿真实验表明,基于H-SVM的故障分类器具有良好的分类准确性和泛化性能,能够对发动机气路部件的单一故障和复合故障进行快速诊断.