层叠支持向量机的研究

层叠支持向量机是一种新型的SVM训练方法。该方法通过对训练集子集的优化来实现对整个训练集的优化,从而能够快速地解决大规模训练集的分类问题。对Cascade SVM中训练集的划分提出了一种新的划分方法。初步实验结果表明,该划分方法使得Cascade SVM迭代次数更少,收敛速度更快。     

基于分位数回归的机场容量评估

对北京首都国际机场航班运行的历史数据进行了统计分析,建立了进离场小时架次及时间的三维数据结构,并利用DBSCAN算法进行聚类分析;在消除“噪点”的基础上,利用改进后的分位数回归算法生成分时段的具有95％概率的机场小时运行能力包线.仿真结果表明,各个时段的机场进离场架次具有一定的时间特性和差异:8点到10点处于离港早高峰,离港小时架次远大于进港小时架次;10点到22点进离港航班较为均衡,机场全负荷工作;其他时间段航班小时架次未达到最大容量值.     

面向卫星多目标重复观测任务的分层聚类规划

针对敏捷卫星多目标重复观测任务规划面临的可行任务执行序列集合规模庞大困难,提出了一种任务执行序列时间解耦的分层聚类任务规划方法。该方法以规划过程中的可观测窗口和任务执行窗口为聚类对象,通过单次可观测窗口聚类和多次任务执行窗口聚类将任务集合按任务窗口属性分解为一系列时间解耦的小规模集合,在两次任务执行窗口聚类间使用基于贪婪优化的搜索算法对聚类生成的小规模任务集合分别进行集合内任务规划,最后将各集合的任务规划结果合并后得到所有任务的执行序列。仿真结果表明,该分层聚类方法可有效降低全局优化复杂度,消解不同优先级观测任务的冲突,提高任务规划质量,能够在不降低目标点观测完成率的前提下对有多个观测机会的目标点进行重复观测,且算法稳定性好,能在数秒内得出规划结果,适用于星上自主任务规划。     

Selection of classification techniques for land use/land cover change investigation

The concerns over land use/land cover (LULC) change have emerged on the global stage due to the realisation that changes occurring on the land surface also influence climate, ecosystem and its services. As a result, the importance of accurate mapping of LULC and its changes over time is on the increase. Landsat satellite is a major data source for regional to global LULC analysis. The main objective of this study focuses on the comparison of three classification tools for Landsat images, which are maximum likelihood classification (MLC), support vector machine and artificial neural network (ANN), in order to select the best method among them. The classifiers algorithms are well optimized for the gamma, penalty, degree of polynomial in case of SVM, while for ANN minimum output activation threshold and RMSE are taken into account. The overall analysis shows that the ANN is superior to the kernel based SVM (linear, radial based, sigmoid and polynomial) and MLC. The best tool (ANN) is then applied on detecting the LULC change over part of Walnut Creek, Iowa. The change analysis of the multi temporal images indicates an increase in urban areas and a major shift in the agricultural practices.     

大规模UAV编队信息交互拓扑的分级分布式生成

UAV编队信息交互拓扑的优化设计是保证UAV编队安全性和任务执行高效性的重要基础。目前队形保持下UAV编队信息交互拓扑生成算法局限于小规模编队,且优化目标单一。针对这一问题,采用了分级分簇结构扩展信息交互拓扑层级,以满足大规模场景,同时以提高编队续航能力和减少编队总通信代价为组合优化目标,提出了基于最小树形图的分级分布式领航-跟随者编队信息交互拓扑生成算法,并通过OMNeT++进行了仿真验证。实验结果表明在考虑位置误差传递迭代时,分级分布式领航-跟随者编队的总通信代价明显低于传统领航-跟随者编队,且通过周期性更新簇首,网络能耗更加均衡,提高了编队续航能力;在80架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.3 s内求解完成,相比于传统领航-跟随者编队算法,求解效率提高了约2.5倍;在100架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.4 s内求解完成,而传统领航-跟随者编队由于位置误差的传递迭代已不能保持原有队形。     

基于图谱指标的滚动轴承故障特征提取方法

为了更准确地提取滚动轴承振动信号的非线性故障特征,将图信号处理(GSP)引入机械故障诊断领域,提出了基于图谱指标的滚动轴承故障特征提取方法。该方法将滚动轴承的振动信号转化为路图信号后,提取多个图谱指标;用Fisher得分(FS)算法对图谱指标的敏感度进行排序,并选取若干个最敏感的图谱指标作为滚动轴承的故障特征参数;用K-均值聚类算法识别滚动轴承的不同故障。应用实例表明:当分别选取1~5个最优的图谱指标、时域指标和频域指标对不同轴承故障进行识别时,图谱指标均没有出现错误,而时域指标和频域指标都出现了不同数量的错误,因此,图谱指标对轴承故障的区分能力优于时域指标和频域指标。     

基于影像数据的冯·卡门撞击坑形貌分析

月球背面南极—艾肯（South Pole-Aitken,SPA）盆地内的冯·卡门（Von Kármán）撞击坑是“嫦娥4号”初步选定的着陆区,该区域的地形地貌分析是任务设计的一个重要环节。根据LOLA （Lunar Orbiter Laser Altimeter）高程数据和LROC（Lunar Reconnaissance Orbiter Camera）影像数据,建立了马尔科夫随机场模型,从聚类的角度对该区域的地形地貌进行了表示和分析。具体而言,利用模型中的似然函数对呈近似正态分布的观测数据进行了建模,模型的标记随机场则刻画了不同地物形貌间的空间关系,并通过概率推断求解出最终的聚类结果。实验结果表明,从聚类角度进行数据表示,可以更好地展示出冯·卡门撞击坑内低对比度区域的地形地貌;而通过设置不同的聚类数目,还有助于分析冯·卡门撞击坑内整体的地形分布与局部的典型地貌。     

移动Ad Hoc网络中的自适应转发分群路由协议

为了提高移动Ad Hoc网络的可扩展性,降低在大规模移动Ad Hoc网络中路由开销的增长速度,提出了一种自适应转发分群路由(AFCR,Adaptive Forwarding Cluster Routing)协议.它采用基于最小节点标识号(ID)的移动分群算法将所有节点分为若干个一跳分群.通过设置分群计时器,仅使用两轮控制消息就能快速部署网络的分群结构,并且可使分群同时在全网多处展开.邻节点之间通过交换局部路由信息来建立相邻群首间的路由,而不相邻群首间的路由则利用相邻群首间的路由来建立.基于所建立的分群网络结构和局部路由信息,该协议能够完成数据分组的自适应转发.仿真结果表明,与DSDV(Destination-Sequenced Distance-Vector)和RRR-DSDV(Rapid Route Recons truction DSDV)协议相比,AFCR协议在大规模、重业务量的情况下有效地降低了路由开销、改善了网络的传输性能.     

基于谱分割的视频镜头聚类方法

针对现有镜头聚类算法中选择最优化分类个数复杂度较高、分类结果准确性较低的问题,提出了一种基于谱分割理论的镜头聚类算法.通过对每个镜头集构造球状高斯模型SGM(Spherical Gaussian Model),最优化地拟合镜头数据集,提高镜头分割的准确性;在镜头迭代分类过程中采用谱分割算法以提高最终分类结果的准确性;在迭代分类过程中,采用贝叶斯信息准则BIC(Bayesian Information Criterion)作为分类停止的评判标准;最后根据BIC准则计算每两类融合前后的匹配值,判断比较后对分类结果进行融合,矫正在分类过程中同一类被割裂的错误.通过3类体育视频样本对算法的有效性进行了验证、比较和分析.     

基于模糊聚类分析的无源雷达目标识别方法

针对无源雷达目标识别的特点,提出了基于模糊聚类分析的识别方法。首先分析了空中目标类型和目标表征,然后阐述了目标识别的原理和步骤,最后运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明提出的方法是可行和有效的。