大规模UAV编队信息交互拓扑的分级分布式生成

UAV编队信息交互拓扑的优化设计是保证UAV编队安全性和任务执行高效性的重要基础。目前队形保持下UAV编队信息交互拓扑生成算法局限于小规模编队,且优化目标单一。针对这一问题,采用了分级分簇结构扩展信息交互拓扑层级,以满足大规模场景,同时以提高编队续航能力和减少编队总通信代价为组合优化目标,提出了基于最小树形图的分级分布式领航-跟随者编队信息交互拓扑生成算法,并通过OMNeT++进行了仿真验证。实验结果表明在考虑位置误差传递迭代时,分级分布式领航-跟随者编队的总通信代价明显低于传统领航-跟随者编队,且通过周期性更新簇首,网络能耗更加均衡,提高了编队续航能力;在80架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.3 s内求解完成,相比于传统领航-跟随者编队算法,求解效率提高了约2.5倍;在100架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.4 s内求解完成,而传统领航-跟随者编队由于位置误差的传递迭代已不能保持原有队形。     

高动态移动自组织网络中的自适应稳定分群协议

基于考虑节点移动性和相对移动性的意愿因子,提出了一种适用于高动态移动自组织网络的稳定分群协议,它包括稳定分群算法和分群保持策略两部分。该协议在分群建立时,利用意愿因子作为群首选择的依据,并且当节点移动而使分群结构发生变化时,根据群体移动特性稳定地保持原有分群结构。仿真结果表明,和其他分群协议相比,由于意愿因子以及分群保持策略考虑了单个节点以及节点间相对的移动特性,因此该协议在高动态移动环境中有效地延长了群首的生存时间,降低了群首平均变化数和节点平均群间转移次数,最大程度地保证了分群结构的稳定。     

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.      

数据聚类方法的研究与分析

聚类分析是近年来迅速发展起来的一种新兴的数据处理技术,它在许多领域有着广泛的应用,尤其是在数据挖掘领域。首先阐述了聚类分析的基本概念和分类,然后针对目前几类主要的聚类分析方法,重点分析了基于密度的DBSCAN算法,基于层次的BIRCH算法以及基于网格的Wave Cluster算法这三种具有代表性的聚类方法,分析了它们的优缺点和时间复杂度。最后提及了聚类分析方法的应用范围以及今后需要解决的问题和发展方向。     

基于AHP-灰色聚类的飞机客舱内环境工业设计评价

飞机客舱内环境工业设计评价指标的因素较多,且存在不确定性和相对性,仅采用一种评价方法较难达到直观量化的要求。结合AHP（层次分析法）和灰色聚类方法,通过对飞机客舱内环境工业设计因素进行分析,建立层次化评价指标体系,量化出各层指标的权重,采用灰色聚类方法进行聚类,得出优劣值,从而分析设计方案的优劣情况。结果表明,方法在飞机客舱工业设计方案评价中具有适用性。     

基于模糊核均值聚类优化的光流测速方法CSCD

光流算法作为一种载体速度测量方法,易受光照变化、物体相对移动影响,最终导致速度信息获取不准确。为了提高载体运动速度解算精度,提出了一种基于模糊核均值聚类算法优化的金字塔Lucas-Kanade光流测速方法(FKCM-金字塔LK)。该方法首先通过金字塔LK光流算法得到稀疏光流,然后使用模糊核均值聚类算法对稀疏光流数据进行聚类处理,最终建立光流与实验平台运动参数之间的关系,并得到准确的速度信息。实验结果表明,提出的基于模糊核均值聚类算法优化的金字塔LK光流测速方法不仅可以有效地减少物体相对移动对光流测速的影响,而且与现有其他光流测速方法相比,速度测量精度得到显著提高。     

高光谱图像全局异常检测RFS-SVDD算法

针对SVDD用于高光谱图像全局异常检测时存在虚警率高的问题,提出RFS-SVDD算 法。RFS-SVDD将空间相邻且光谱相似的像元分为同一区域,根据区域大小将图像在空间上分 成潜在异常区域与背景区域,用背景区域中所有子区域的平均光谱RFS作为SVDD训练样本求 取支持向量。RFS是每个子区域中像元光谱的统计结果且不包含奇异像元,可以避免奇异像 元光谱和图像随机噪声对背景建模的影响。对HYMAP和AVIRIS图像数据的仿真结果表明：RFS -SVDD算法能抑制异常目标像元光谱和图像随机噪声对背景建模的干扰,降低SVDD用于高光 谱图像全局异常检测的虚警率。
     

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.     

Cardinality compensation method based on information-weighted consensus filter using data clustering for multi-target tracking

In this paper, a cardinality compensation method based on Information-weighted Consensus Filter(ICF) using data clustering is proposed in order to accurately estimate the cardinality of the Cardinalized Probability Hypothesis Density(CPHD) filter. Although the joint propagation of the intensity and the cardinality distribution in the CPHD filter process allows for more reliable estimation of the cardinality(target number) than the PHD filter, tracking loss may occur when noise and clutter are high in the measurements in a practical situation. For that reason, the cardinality compensation process is included in the CPHD filter, which is based on information fusion step using estimated cardinality obtained from the CPHD filter and measured cardinality obtained through data clustering. Here, the ICF is used for information fusion. To verify the performance of the proposed method, simulations were carried out and it was confirmed that the tracking performance of the multi-target was improved because the cardinality was estimated more accurately as compared to the existing techniques.     

基于目标纹理的机器视觉转角检测方法

目标姿态角度检测系统是确保智能制造设备自动化、智能化的核心部件之一,在智能制造设备中得到了广泛的应用。提出了一种基于目标纹理的机器视觉转角检测算法,该算法通过椭圆聚类提取图像中的感兴趣区域,采用Hough梯度变换寻找感兴趣区域中包含特定纹理特征的区域,结合先验信息对特征区域进行标记、匹配,进而计算出待测物体的滚转角度,算法的运行耗时小于0.5s。采用该算法实现了浮子组件在浮液中的径向滚转角检测,并模拟实际检测环境测试了该算法的精度。测试结果表明,绝对精度小于0.3°,重复性精度小于0.08°,满足实际生产现场对检测精度的要求,解决了人工检测精度低、耗费人力的问题,提升了浮子转角检测的精度和智能程度。