一种基于内容的图像数据库聚类算法

本文分析了数据库信息检索的索引算法,并且对k-means聚类算法中初始聚类数目和聚类中心的设定进行了改进,设计了一种用于大容量图像数据库的索引方法.     

基于相关性度量的伪主成分分析

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似。此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA。在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,M atPCA和(2D)2PCA等方法。     

一种基于语义相似度的文本聚类算法

文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。     

先进涡扇发动机空气系统与零件传热设计技术验证

本文简要介绍了中国燃气涡轮研究院在先进涡扇发动机空气系统与零件传热设计技术验证方面的研究情况,内容涉及发动机空气系统设计技术、零件热分析设计技术、涡轮叶片冷却设计技术及新型铸冷双层壳型高效涡轮冷却叶片设计中的关键技术。探讨了空气系统与零件传热设计技术中的设计计算方法、设计软件校核与改进、试验研究与参数测试、以及设计体系建设等问题,通过系统的模型、部件和发动机整机三个层次的试验验证,初步形成了空气系统与零件传热设计体系。     

类脑计算研究进展

类脑计算是国际上的热门研究领域,也是人工智能发展的重要转折点.首先,回顾了近年来研究学者对局部脑功能运行机理的重要发现,并了解了其在类脑模型中的应用,如注意力机制和类脑导航等.随后阐述了神经形态计算芯片和人工神经元等类脑计算硬件的结构和特点,并对各国研究进展进行了简要梳理,从多个角度对类脑计算的研究内容、研究目标、研究...     

特种机器人及技术在航天发射场的应用研究

针对特种机器人及技术在航天发射场应用的问题,基于发射场运维工作及特点,综述了国内外发射场特种机器人的研究与应用现状,梳理了面向发射场的3类特种机器人——巡检类机器人、维护类机器人与特种操作类机器人,分析了腐蚀的高效无损检测、低温推进剂泄漏安全监测、航天器吊装智能控制、加注连接器自动对接及随动控制相关的关键技术.     

某型飞机应急救生技术适航审定要求研究与探讨

介绍了美国联邦航空局和中国民航局关于通用飞机安装弹射座椅的适航技术要求;分析了飞机应急情况救生技术的现状及其发展趋势,以及安装弹射座椅的飞机现有的适航技术要求及规定;并对安装弹射座椅的特技类飞机适航审定提出了一种思路和建议。     

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.     

激光告警多目标定位与跟踪技术研究

研究了激光告警多目标定位和跟踪的建模方法。利用聚类概念,对激光告警器测量数据进行集类,并对各个类对应的目标状态进行空间-时间融合。通过求解航迹信息融合的状态估计值,实时形成同步脉冲控制逻辑,从而实现对激光多目标的实时跟踪和激光信号的实时提取。给出了激光告警多目标定位与跟踪的设计过程,提出了一种实用简便的融合算法,并设计了一套该模型的原理样机。试验结果验证了这种方法的有效性。     

基于核方法的聚类算法及其应用

在分析核方法的核心概念基础上,提出了一种基于核方法的聚类算法.通常,传统聚类算法只在数据特征差异较大时才有效,当数据特征差异较小时,很难取得较好的聚类效果.引入核函数,将原始数据由数据空间映射到特征空间,在特征空间中进行聚类.核函数的非线性映射使得原始数据的特征更完整地显现出来,从而能够更客观准确地聚类.与传统聚类方法相比,该方法聚类结果更客观有效.以16组实际数据为例,将该方法应用于数据分类研究中,聚类结果表明了该方法的可行性和有效性,从而为数据分类提供了一种新的可行方法.