举手表决法在基因分类中的应用

根据自然界中相互熟悉程度较高的是一类的特点,提出举手表决法。举手表决法需要的参数较少,且分类之前不需要定义类的个数。通过使用举手表决法进行基因分类时,得到较好的结果,从而反过来证明举手表决法在分类方面具有可行性。     

单目SLAM直线匹配增强平面发现方法

针对微小型机器人及无人机系统日益迫切的轻量化视觉导航需求,提出了一种多维几何特征单目视觉三维环境建模方法。单一点特征单目SLAM制图方法地图描述效率相对较低,噪声容忍性能需要进一步提高。将线和面特征引入单目SLAM的三维地图构建过程,提高系统三维空间建模的搜索速度和稳定性。利用快速直线搜索算法,并基于二维直线匹配生成三维空间直线。现有基于三维空间特征点生成最小采样集的J-Linkage算法需要的倾向向量维数较高,完成单目SLAM常见场景三维平面聚类所需的计算量大。通过点线特征结合以及直线增强的J-Linkage算法可以提高特征平面聚类速度和稳定性,减少系统三维空间表达的冗余信息。     

模糊聚类分析应用于民航飞机环保性能评估

航空运输业的飞速发展引起了人们对飞机环保性能方面的关注。为了科学地评价民航飞机环保性能,运用模糊聚类分析方法,构建民航飞机环保性能综合评价的数学模型,并给出动态聚类图。评价结果与实际相符合,验证了该方法的可行性及正确性。这为总体设计阶段飞机构型筛选提供一定的环保性能准则。     

攻角拉起时前体非对称涡诱导机翼摇滚运动

针对目前前体非对称涡诱导机翼摇滚研究时攻角往往处于静态而没有考虑攻角动态拉起的问题,在北航D4风洞中采用细长旋成体与30°后掠翼的组合体模型,通过不同拉起速度下的机翼摇滚运动实验,分析了攻角拉起速度对前体非对称涡诱导机翼摇滚运动的影响及影响产生的原因;随后通过在快速拉起摇滚运动过程中进行模型表面压力测量,研究了快速拉起机翼摇滚的流动机理.实验结果表明,由于机翼摇滚运动的时间随攻角拉起速度增加而减少,使得在3个不同的拉起速度分区内,摇滚运动呈现为不同的运动形态,其中第3个快速拉起分区内的摇滚运动为与攻角静态时完全不同的类正弦摇滚运动形态.与攻角静态时机翼摇滚的流动机理不同,快速拉起时这种类正弦摇滚运动主要源于前体非对称涡随攻角的演化,前体非对称涡随滚转角的涡型切换不再重要.      

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。     

基于AT89S52的软件凸轮机构的研究

软件凸轮通过对产生凸轮轮廓的软件控制步进电机实现机械凸轮的功能,根据类速度的概念,建立了软件凸轮通电脉冲频率与凸轮机构从动件运动规律之间的数学模型。使用AT89S52单片机控制步进电机运动,从而实现了在不改变硬件系统的条件下,通过改变AT89S52单片机应用程序实现从动件不同的运动规律,即软件凸轮。提出了将类速度的概念应用于建立凸轮从动件运动规律的数学模型的新设想,其可行性已被初步的试验证实。     

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。     

复杂通道类零件五坐标加工全局干涉处理方法

 针对复杂通道类零件五坐标端铣加工中全局干涉问题,提出一种基于临界约束与临界位置精细化的干涉处理方法。通过分析刀杆碰撞干涉特点,以切触点处垂直于走刀方向平面与被加工曲面交线为基础,计算刀具的初始临界位置。在零件坐标系下,建立自动编程刀具轮廓函数,基于初始临界位置,选定与刀具临近点集。在刀具坐标系下,采用距离监视的方法计算点集到临界刀轴的距离,判断干涉点集,计算与之对应的刀具旋转角度集,选取最大的旋转角,从而确定出无干涉刀轴矢量。算例结果表明,该方法能够快速确定干涉检测范围,准确生成无干涉刀位轨迹。     

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.      

一种基于指数损失函数的多类分类AdaBoost算法及其应用

 提出一种新的多类分类AdaBoost算法——使用多类分类指数损失函数的前向逐步叠加模型FSAMME（forward stagewise additive modeling using a multi class exponential loss function）。该算法是基于原始的两类分类AdaBoost算法归结为使用两类分类指数损失函数的前向逐步叠加模型的统计学观点,将两类分类的前向逐步叠加模型自然扩展到多类分类情况下得到的,并采用多类指数损失函数和前向逐步叠加模型对FSAMME进行了详细的理论证明。该算法大大降低对弱分类器的精度要求,只需每个弱分类器的精度比随机猜测好;算法简单明了,不用把多类问题转化为多个两类问题,而是直接求解多类分类问题,大大减小计算复杂度和计算量。通过对基准数据库的测试分类及航空发动机故障样本的诊断,结果表明:FSAMME算法一方面可达到较高的分类诊断准确率,其准确率明显高于AdaBoost.M1,略高于AdaBoost.MH;另一方面可大大减小计算成本,满足在线快速分类诊断的要求。