多机布阵航路规划问题研究

针对多机布阵航路规划问题,提出了一种新的策略。首先,建立了多机航路规划模型;然后,采用聚类分析的方法将浮标点分类,并给出了任务分配的原则,从而将多机航路规划问题转化为单机航路规划问题;最后,利用模拟退火算法分别求解,并在此基础之上采用平均路径长度的方法给出了优化算法。     

K-均值聚类在CCERT系统流型辨识中的应用

流型是气水两相流的重要参数之一,对气水两相流的流动影响很大。基于电容耦合电阻层析成像(CCERT)系统,以水平管道气水两相流流型为研究对象,利用主成分分析(PCA)方法提取不同流型下采集到的电导率信息的主成分,消除不同电极对之间信号的冗余,进而结合K-均值聚类算法实现流型辨识。实验结果表明,该方法具有较高准确度,对于水平管道泡状流、层状流和环状流3种典型的气水两相流流型的静态辨识准确率可以分别达到97%、96%和99%,动态辨识准确率可以分别达到92%、90%和87%。     

非确定-确定混合分群算法及其实现

在最小群变化(LeastClusterChanged,LCC)分群算法的基础上提出一种非确定-确定混合(Uncer tainy CertainyMixed,UC CM)分群算法。该算法利用非确定性分群的竞争特性,提高了网络的初始收敛速度,并保持了LCC算法的稳定性,同时利用优先级参数,提高了组网的灵活性。设计了UC CM算法的有限状态机模型,并基于模型对算法进行了模拟仿真,验证了算法的有效性。     

模糊聚类分析在耀斑-地磁扰动研究中的初步应用

本文运用模糊聚类分析的方法,对1975—1983年可证认出的210个耀斑-IPS激波事件进行了分析研究,给出了它们的聚类指标和模糊等价关系以及大、中、小三类耀斑-磁扰的聚类中心。初步研究结果表明:95％的耀斑-IPS激波会引起地磁扰动(∑Kp≥16);对持续1小时以上的二级耀斑和2小时以上的一级耀斑,以及多个射电源的IPS观测均出现50km/8以上的速度跳跃这类大耀斑-IPS激波事件进行模糊聚类磁扰强弱预报试验,其准确率可达80％;这种大耀斑-IPS激波事件所对应的地磁扰动变化范围很宽,从∑Kp≥12直到∑Kp≤54,这说明耀斑-激波在行星际空间的传播以及向地球的传输过程是十分复杂的。      

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

基于粒子群优化核极限学习机的北斗超快速钟差预报

针对卫星钟差序列中非线性特性较为复杂和超快速钟差预报精度较低的问题,将核极限学习机算法引入到北斗超快速钟差预报中。首先,将极限学习机进行优化,引入粒子群优化算法来选择核极限学习机所需的核参数和正则化参数;然后,将优化后的方法应用到超快速钟差预报中,并给出了利用该方法进行超快速钟差预报的步骤;最后,在分析iGMAS提供的实测北斗超快速钟差数据的基础上,选用单天和多天数据进行短期预报。结果表明：在短期预报6h范围内,利用本文提供的优化方法解算得到的超快速钟差预报精度明显优于二次多项式模型和周期项模型,并且采用此方法得到的超快速钟差预报产品与iGMAS提供的超快速钟差预报产品(ISU-P)相比,GEO、IGSO和MEO卫星的预报精度分别提升了50.51%、46.98%、40.67%,其与最终精密钟差的符合程度显著 增强 。     

基于局域均值分解的冲击响应谱时域波形合成新方法

冲击响应谱时域波形合成技术是目前实验室环境下模拟实际复杂冲击环境的重要手段。文章在研究局域均值分解(LMD)方法和冲击响应谱时域波形合成原理的基础上,对实测冲击时域波形进行分解得到一组具有不同频率分布的PF信号分量,然后对不同频率分布的PF信号分量进行聚类分析并重新构造得到一组新的PF信号分量,使得PF信号分量的频率-幅值特性与设定的冲击响应谱试验条件一致。将重构后的PF信号分量组合即可得到合成后的冲击时域波形。数值仿真分析结果表明,基于LMD的冲击响应谱时域波形合成新方法生成的冲击时域波形能更好模拟真实冲击环境,冲击响应谱具有较好的控制精度。     

聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用

采用网格化处理的思想,通过对基于密度的聚类分析方法进行改进,提出了一种新的聚类算法.这种算法通过对齿轮传动系统的故障信号进行测试、对故障类型进行了判定,对不同转速下齿轮传动振动信号进行谱熵计算、并采用网格划分方法将其表示在二维和三维空间分布平面内,可以较好地将正常、裂纹、磨损等类型的故障进行聚类和识别,并通过试验验证表明能够对不同工作状态的齿轮传动信号进行可靠的聚类与区分,聚类率为96%以上.说明该方法对齿轮故障进行区分与诊断是切实可行和有效的.      

LEACH协议的改进与仿真研究

无线传感器网络由能量受限的节点组成,高效节能的路由算法是路由设计的关键问题。在LEACH算法的基础上,提出了一种新的分簇式路由策略,从簇头个数的确定、簇头选举方法对LEACH算法进行了改进,数据传输方式允许采用多跳方式与基站节点通信,仿真结果表明该算法具有降低网络能耗、延长网络生命周期的优点。     

基于改进主元分析的故障诊断方法研究

提出了一种主元分析与模糊聚类相结合的故障诊断方法,该方法首先用主元分析方法降维、提取故障特征,并计算出T2值和Q值,若超过阈值说明有故障发生,则用模糊聚类识别故障,具有诊断时间短、准确性高的优点.通过对田纳西-伊斯曼过程的仿真表明了该方法的有效性.