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.     

深成份指数的灰色行业聚类关联与预测模型研究

本文应用系统工程理论,结合灰色趋势关联度,研究了灰色趋势关联系统及数学模型。作为该模型的应用,提出了灰色趋势关联聚类预测方法。以深成份指数为样本对各类行业进行了聚类分析,得到了一种符合实际的聚类预测结果,阐明了灰色趋势关联聚类预测方法的有效性、方便性和实用性。     

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。     

地铁建设项目风险评估与管理

我国地铁项目正在迅速发展,地铁项目由于其建造金额大、科技含量高、工程复杂、涉及学科广,建造时期风险大,一旦发生事故将造成严重的经济损失及社会影响,因此对地铁建设过程进行风险管理非常必要。主要分析地铁在建项目风险,从环境及地铁本身两方面分析影响风险的因素,评估各个风险因素对地铁风险的影响程度,评估风险发生的可能性和严重性。对地铁风险进行风险管理及保险转移,并提出建议及注意事项,使地铁风险降低到可接受的水平。     

基于核心零部件聚类的飞机现场可更换单元划分

为研究军用飞机测试性设计过程中现场可更换单元（LRU）划分工作,以功能独立性和结构独立性为基本原则,以降低飞机维修保障成本和时间为主要目标,设计了一种军用飞机LRU划分方案。方案在首先实现了飞机从整机到零部件的功能结构分层划分基础上,从设备零部件层级出发,以综合重要度作为各零部件的定量化指标,运用帕累托（Pareto）原则筛选出核心零部件。然后基于核心零部件开发了一种LRU划分聚类算法,该算法以军用飞机设计研制阶段、使用保障阶段、退役处置阶段全寿命周期内成本和时间为优化目标构造综合评判因子,实现了非核心零部件与LRU模块之间的聚类组合,得到最优的LRU划分结果。最后以某型军用飞机上蒸发循环制冷装置为例,运用本文设计的方案实现了该装置LRU的划分,并将划分结果与该装置的实际LRU清单进行对比,通过维修保障成本和时间综合评判因子对两种划分结果的优劣性进行分析,得出本文设计方案得到的LRU划分结果对飞机维修保障成本和时间的优化效果较为均衡的结论。     

基于时间应力分析的机内测试系统综合降虚警技术

 虚警率高是困扰机内测试（BIT）系统得到广泛应用的主要原因。针对该问题,从机电系统所承受时间应力的角度构建了机内测试系统综合降低虚警技术的总体模型。首先采用双支持向量机（SVM）的方法将实时应力信息与机内测试诊断结果相互关联。在此基础上,提出了基于核主元模糊聚类的虚警识别方法将机电系统多源信息进行综合分析,并通过优化决策实现多级降低机内测试系统虚警的目的。最后,针对某型直升机航空地平仪的机内测试系统进行了试验验证与分析。     

基于改进的支持向量聚类的雷达信号分选

基于支持向量聚类,提出一种新的针对未知雷达辐射源信号分选的算法.该方法在原有支持向量的基础上,在聚类标识阶段通过用支持向量点代替原来的全部样本点来进行聚类分配,减少了关联矩阵的规模,从而有效节省了聚类分配的时间,提高了运行速度.同时结合合并同类聚类中心算法有效缓解了核函数的参数q对聚类结果的影响,使得聚类精度有了一定的...     

基于K-means的深度跨模态哈希量化优化方法

互联网应用的普及使得多模态数据快速增长,跨模态检索技术已成为相关领域的关键技术之一。针对现有跨模态哈希算法存在的网络结构和量化方法等方面的问题,本文在新的深度跨模态哈希检索模型之上,提出了一种基于K-means的深度跨模态哈希量化优化方法（K-means-based quantitative-optimization for deep cross-modal hashing,KQDH）。该方法通过K-means聚类算法对多模态数据特征向量分类,并通过集体量化方式来控制量化误差,使得哈希码更好地表示出多模态特征。实验结果表明,该方法能在多模态数据之间保持相似性并最大程度地捕获语义信息,从而提高跨模态检索的准确性和效率。     

基于Gibbs-Markov随机场与连通聚类的SAR图像恢复

在传统的马尔可夫随机场(MRF)的图像建模方法基础上利用合成孔径雷达(SAR)图像的固有特性对Gibbs-MRF模型进行改进复原SAR图像,并进一步提出用数字形态学中连通性理论进行图像分割。在SAR图像像素空间的邻域内,估计最大后验概率(MAP)时引用Gamma分布代替传统的瑞利分布恢复数据,同时利用像素强度值相关性的连通模型将目标较好地提取出来。充分利用了SAR图像的数字形态信息和像素强度之间的相关性,得到了更好的分割效果。仿真实验说明本文方法是有效的。