基于慢特征密度聚类的气路异常检测方法

在结合核技巧、慢特征分析算法与密度聚类方法的基础上,提出了基于混合核慢特征分析和密度聚类的慢特征密度聚类算法,实现了基于民航发动机气路参数原始值的异常检测。核技巧的引入克服了慢特征分析法处理复杂数据时可能存在的维度爆炸问题,充分利用不同核函数的特点和慢特征分析的优势从气路参数原始值中提取出随时间变化最缓慢的特征作为密度聚类算法的输入,最终筛选出异常值。经实验对比发现,该方法针对某些异常拥有最好的聚类效果和最低的虚警率,尤其是检测可调放气活门系统异常时虚警数量不到样本总数量的0.5%,是一种有效的方法。      

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

灰色聚类法在航空装备维修保障能力评估中的应用

通过对航空装备维修保障系统的分析,用灰色聚类法给出了航空装备维修保障能力评估指标体系综合评估模型,并进行了实例分析.     

具有容错特性的两层数据流聚类方法

提出一种具有容错能力的进化数据流聚类算法FTGDStream (Fault-Tolerant Grid-Density Clustering over Data Stream),通过在聚类过程中引入适当的松弛条件,从而在含有噪声的真实世界数据中获取更加泛化的有用知识.首先利用基于相似性度量和小波技术的HLSFTS (Hierarchical Lifting Scheme Fault-Tolerant Synopses)层次概要数据结构实现在线微聚类过程,然后采用基于网格密度的聚类算法实现离线宏聚类过程.在线算法所构造的小波概要数据结构对原始数据的高压缩率降低了离线网格密度聚类算法的计算负载,提高了二层数据流聚类算法的效率.在UCI数据集上的仿真实验结果表明,FTGDStream算法可以聚类任意空间形状的数据并且适用于高维数据流环境,是一种具有容错能力的高效数据流聚类算法.     

基于类云模型的c均值聚类航迹关联算法

针对多传感器多目标航迹关联的特点,提出了将类云模型和c均值聚类联合应用于航迹关联的解决方法。将表征航迹特征的参量构成聚类中心和待分类的样本空间,利用类云模型和c均值聚类算法对来自不同传感器的航迹进行分类和收敛判断,构建了基于类云模型的c均值聚类航迹关联模型,有效地解决了目标密集环境下的航迹关联问题,通过仿真研究说明了该算法的有效性和鲁棒性。     

客观多因素权重分配方法及其应用

综合模糊聚类技术和粗糙集理论中的信息熵原理,提出了一种多因素决策中确定各因素权重分配的新方法.利用模糊聚类分析对数据进行聚类,并提取最佳聚类;基于粗糙集中信息熵原理确定各因素的权重分配.算例结果表明:方法合理有效,具一定的可行性.     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

基于隶属度和LMK-ELM的航空电子部件诊断方法

为提高航空电子部件模块级故障诊断精度，提出一种新的面向"软聚类"的局部多核学习（LMKL）-超限学习机（ELM）离线诊断方法。通过引入模糊C均值聚类对样本空间进行模糊划分，挖掘聚类内部多样性的同时，实现了对过学习的抑制；将模糊划分产生的隶属度信息融入LMKL-ELM的优化过程，运用基于初始-对偶混合优化问题的三步优化策略克服了局部核权重二次非凸的问题，在l₁-范数与l₂-范数约束下分别给出了相应的更新方法。将所提方法应用于某型机前端接收机，结果表明：与4种流行的多核诊断方法相比，该方法可有效避免漏警、抑制虚警，在l₁-范数和l₂-范数约束下，其诊断精度比其他方法的平均值分别提升了4.09%和5.13%。     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。     

增量聚类综述及增量DBSCAN聚类算法研究

本文首先介绍了增量聚类算法的分类以及研究现状,提出了增量聚类算法等价性概念;然后介绍了增量DBSCAN聚类算法;最后针对用于批量更新的增量DBSCAN聚类算法,提出了本文的改进方法。其中,用插入更新数据集生成的子模式调整原聚类模式的方法,还可有效地应用于分布式聚类。