电信大客户市场细分的统计分析

目前，国内关于电信大客户市场细分的研究和实践都还处于探索阶段。文章从电信业务数据出发，采用聚类分析的方法对大客户进行细分研究，通过统计检验细分结果的合理性，并结合实际提出营销建议。     

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。     

一种基于模糊聚类模型的动量轮健康性排序方法

基于模糊聚类分析提出一种动量轮健康性排序方法，选取实际型号任务中50N·m·s动量轮的地面测试数据与在轨数据，对数据处理后，研究闭环工况动量轮动态转速的电机电流，利用相关系数法将其转换为模糊相似矩阵，聚类分析动量轮健康性最大阈值；同时以最大阈值为标准，设计判断准则，用4个动量轮的数据验证该方法的实用性并与峭度试验方法进行对比。结果表明：该方法可以准确对动量轮健康性进行排序。     

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。     

基于聚类的多平台协同数据关联算法研究

从多平台协同工作的角度出发,针对目标和传感器观测数据之间的关联问题进行了研究。给出了模糊聚类目标函数、FCM算法步骤和量测目标归属判定方法,基于此,提出了模糊C-均值聚类和量测目标归属判定算法,然后提出了基于聚类算法的多平台协同多目标数据关联算法。仿真实验结果表明,该算法数据关联正确率较高,能够提升跟踪精度。     

Helicopter maritime search area planning based on a minimum bounding rectangle and K-means clustering

Helicopters are widely used in maritime Search and Rescue (SAR) missions. To ensure the success of SAR missions, search areas need to be carefully planned. With the development of computer technology and weather forecast technology, the survivors’ drift trajectories can be predicted more precisely, which strongly supports the planning of search areas for the rescue helicopter. However, the methods used to determine the search area based on the predicted drift trajectories are mainly derived from the continuous expansion of the area with the highest Probability of Containment (POC), which may lead to local optimal solutions and a decrease in the Probability of Success (POS), especially when there are several subareas with a high POC. To address this problem, this paper proposes a method based on a Minimum Bounding Rectangle and K-means clustering (MBRK). A silhouette coefficient is adopted to analyze the distribution of the survivors’ probable locations, which are divided into multiple clusters with K-means clustering. Then, probability maps are generated based on the minimum bounding rectangle of each cluster. By adding or subtracting one row or column of cells or shifting the planned search area, 12 search methods are used to generate the optimal search area starting from the cell with the highest POC in each probability map. Taking a real case as an example, the simulation experiment results show that the POS values obtained by the MBRK method are higher than those obtained by other methods, which proves that the MBRK method can effectively support the planning of search areas and that K-means clustering improves the POS of search plans.     

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.