基于多台站观测的中国区域地磁指数

利用中国14个地磁台站和全球23个地磁台站的H分量分钟值数据,分析单台站小时幅度指数r_H的时空分布特征,在此基础上结合台站之间r_H指数的相似度度量(残差指数Ra),采用K均值聚类算法将中国14个地磁台站划分为7个区域,根据加权法计算各区域的区域指数Rr.结果表明,r_H指数具有27天太阳自转周变化,季节变化不显著,但仍存在春秋季大而冬夏季小的特征;在空间变化上,r_H随纬度的增高而增大,并且在磁暴期间r_H指数的幅值和形态均表现出明显的经度差异,随地方时呈现晨-昏不对称现象;与Dst指数、SYM-H指数、Kp指数及各区域内台站的H分量观测数据对比分析发现,区域指数Rr能有效反映区域地磁扰动.      

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的 CFD 分析,计算量大、耗时长。本文发展基于本征正交分解（POD）和反向传播神经网络（BPNN）的翼型反设计方法,该方法的优化过程如下：首先,通过 Hicks-Henne 参数化,在设计空间中构造翼型外形的样本库,并利用 Xfoil/Fluent 对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立 POD 模型,即两层 POD 模型,并得到对应的基模态系数;最后,使用 BPNN 建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明：在亚/跨声速状态,基于 200 个样本训练所得的两层 POD+BPNN 模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。     

基于广义装配关系的复杂产品装配单元划分方法

通过分析复杂产品的装配几何关系,考虑夹具和工装在装配过程中的使用情况以及装配工艺性能,建立零部件之间的广义装配关系。在此基础上,构建以装配关系强度和装配并行度为目标的数学优化模型,采用免疫克隆算法进行聚类优化,完成复杂产品的装配单元划分。此方法不仅考虑零部件之间的广义装配关系,而且考虑单元划分的目的,使划分结果更加合理。最后,以某飞机机翼装配单元划分为例进行验证,结果表明该方法具有一定的适用性和有效性。     

一种基于关键特征的搜索引擎结果聚类算法

为了解决用户在搜索引擎结果列表中寻找所需信息困难的问题,帮助用户快速有效地定位有价值的Web文档,与向量空间模型方法不同,采用基于关键特征的聚类算法(KFC).首先从搜索引擎返回结果的关键词里选择重要的词作为关键特征,然后通过分析特征间的关系对特征聚类,最后基于特征聚类结果实现文档的聚类.通过对实验结果的测试表明了算法的有效性.      

航空发动机性能参数约简方法研究

对航空发动机进行性能参数约简以提取关键参数,是提高故障识别准确率和可靠度的必要条件,为此提出两种性能参数约简算法.基于灰色聚类算法的参数约简,首先计算参数间的灰色关联度,然后选取聚类中心进行聚类以提取特征参数.基于模糊粗糙集的参数约简,首先利用模糊聚类算法对连续数据进行离散化处理,然后用粗糙集理论进行参数约简.用某型航空发动机实际监测数据进行验证,结果表明:两种方法约简结果一致,以此约简结果进行故障诊断可提高诊断率,缩减运算时间.     

基于应变能动态聚类的梯度点阵结构优化设计

为了优化具有空间渐变几何特点的梯度点阵结构,促使有限材料在宏观结构中实现合理分布,提出结合动态聚类的两尺度并发拓扑优化方法。在整个优化过程中,微结构分区方式可以通过K-means聚类方法基于当前的宏观单元应变能进行聚类更新,获得比静态分区更为合理的微结构分布方式;并引入微结构转角变量,根据结构主应力方向来布置微结构转角,获得更为合理的宏观结构传力路径。数值算例表明,相较于传统指定材料区域的静态分区方法,该方法可以更为有效地进行材料分布,充分利用材料的各向异性,提升结构性能。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

基于LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。