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.     

自适应区间二型直觉模糊聚类算法研究

针对区间二型模糊聚类算法存在初始聚类中心敏感,提出自适应区间二型直觉模糊聚类算法。该算法首先利用高斯滤波函数对图像的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则,精准地确定初始聚类中心,然后构造融合直觉模糊信息的目标函数,最后通过类内紧致和类间分离两个方面的信息共同判断聚类效果。将该算法应用于彩色图像分割中,实验结果表明该算法能够有效得到合适的初始聚类中心并取得较好的分割结果。     

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。     

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...     

一种航天器图像分类模型快速学习方法

为了有效分类空间目标,提出了一种航天器图像分类模型快速学习方法。分类模型的学习过程利用了分治思想,首先利用无监督聚类方法将图像数据集散列为类别桶,然后利用每个类别桶中的图像样本训练支持向量机完成学习过程。分类时利用支持向量机对待分类图像样本进行分类。实验结果表明,所提方法具有较好的实时性和准确率,能够为空间应用打下良好基础。     

巡视探测任务中复杂地形信息感知与场景建模

在月面探测过程中,针对月表多不规则地形障碍物(月表陨石凹坑、坡、月岩等)会影响巡视器移动性能以及地面观测者缺少直观的三维的月表环境信息,影响最终决策的问题。文章采用深度(RGB-D)相机获取原始数据,基于三维点云数据进行滤波消噪等处理;再结合机器人越障能力极限与改进的随机采样一致性(Random Sample Consensus,RANSAC)算法,获取其自适应基准平面作为可通行区域;最后使用密度聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)提取局部地形障碍物信息,结合基准面进行快速三维场景重建,为地面观测提供直观快速的三维巡视器周围环境模型,并通过模拟月面地形环境试验进行验证。试验结果表明,本文所使用的算法可以有效地获取地形障碍物的空间坐标信息,并进行快速场景重建,大幅度地提高时间效率。可为月面探测任务中,巡视器自主避障以及为地面观测者提供三维视角等提供参考。     

基于自适应采样的高超声速飞行器气动热全局快速预示

高超声速飞行器热防护系统设计中高精度气动热分析模型使得设计计算成本不断增加，基于数据驱动的气动热环境预示方法受到广泛关注。针对有限高精度模型计算成本下提升全局预示精度的问题，提出一种基于模糊聚类的批量自适应采样方法。根据预示误差分布特征通过聚类采用超球分割构建采样影响域，兼顾误差较大的重点采样域与全局探索；通过当地误差评分系数加权构建采样拒绝域，减小新增样本冗余；结合maxmin准则在综合确定的重点采样空间中新增样本，提升采样质量，进而实现预示模型全局精度快速提升。数值测试算例表明，所提方法与One-Shot、APSFC、CV-Voronoi方法相比能有效降低所需采样规模，加速提升预示精度。通过类HTV-2飞行器气动热快速预示实例，验证了方法的有效性与工程实用性。