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。     

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。     

扩链剂影响丁羟推进剂力学性能的谱系聚类研究

研究了11种扩链剂对HTPB／IPDI推进剂力学性能影响的分类规律。用谱系聚类方法分析了扩链剂对推进剂力学性能影响的相似规律,通过分类获得了不同类别扩链剂对推进剂力学性能影响的显著特点,所得结论与文献[1、23有较好的一致性,证明了结论的正确性。谱系聚类分析可为研究扩链剂的作用机理和研发新型高性能扩链剂提供一条有效途径。     

SOFT IMAGE SEGMENTATION BASED ON CENTER-FREE FUZZY CLUSTERING

Image segmentation remains one of the major challenges in image analysis.And soft image segmentation has been widely used due to its good effect.Fuzzy clustering algorithms are very popular in soft segmentation.A new soft image segmentation method based on center-free fuzzy clustering is proposed.The center-free fuzzy clustering is the modified version of the classical fuzzy C-means ( FCM ) clustering.Different from traditional fuzzy clustering , the center-free fuzzy clustering does not need to calculate the cluster center , so it can be applied to pairwise relational data.In the proposed method , the mean-shift method is chosen for initial segmentation firstly , then the center-free clustering is used to merge regions and the final segmented images are obtained at last.Experimental results show that the proposed method is better than other image segmentation methods based on traditional clustering.     

基于局域均值分解的冲击响应谱时域波形合成新方法

冲击响应谱时域波形合成技术是目前实验室环境下模拟实际复杂冲击环境的重要手段。文章在研究局域均值分解(LMD)方法和冲击响应谱时域波形合成原理的基础上,对实测冲击时域波形进行分解得到一组具有不同频率分布的PF信号分量,然后对不同频率分布的PF信号分量进行聚类分析并重新构造得到一组新的PF信号分量,使得PF信号分量的频率-幅值特性与设定的冲击响应谱试验条件一致。将重构后的PF信号分量组合即可得到合成后的冲击时域波形。数值仿真分析结果表明,基于LMD的冲击响应谱时域波形合成新方法生成的冲击时域波形能更好模拟真实冲击环境,冲击响应谱具有较好的控制精度。     

非确定-确定混合分群算法及其实现

在最小群变化(LeastClusterChanged,LCC)分群算法的基础上提出一种非确定-确定混合(Uncer tainy CertainyMixed,UC CM)分群算法。该算法利用非确定性分群的竞争特性,提高了网络的初始收敛速度,并保持了LCC算法的稳定性,同时利用优先级参数,提高了组网的灵活性。设计了UC CM算法的有限状态机模型,并基于模型对算法进行了模拟仿真,验证了算法的有效性。     

模糊聚类分析在耀斑-地磁扰动研究中的初步应用

本文运用模糊聚类分析的方法,对1975—1983年可证认出的210个耀斑-IPS激波事件进行了分析研究,给出了它们的聚类指标和模糊等价关系以及大、中、小三类耀斑-磁扰的聚类中心。初步研究结果表明:95％的耀斑-IPS激波会引起地磁扰动(∑Kp≥16);对持续1小时以上的二级耀斑和2小时以上的一级耀斑,以及多个射电源的IPS观测均出现50km/8以上的速度跳跃这类大耀斑-IPS激波事件进行模糊聚类磁扰强弱预报试验,其准确率可达80％;这种大耀斑-IPS激波事件所对应的地磁扰动变化范围很宽,从∑Kp≥12直到∑Kp≤54,这说明耀斑-激波在行星际空间的传播以及向地球的传输过程是十分复杂的。      

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

聚类分析的数据挖掘方法及其在机械传动故障诊断中的应用

采用网格化处理的思想,通过对基于密度的聚类分析方法进行改进,提出了一种新的聚类算法.这种算法通过对齿轮传动系统的故障信号进行测试、对故障类型进行了判定,对不同转速下齿轮传动振动信号进行谱熵计算、并采用网格划分方法将其表示在二维和三维空间分布平面内,可以较好地将正常、裂纹、磨损等类型的故障进行聚类和识别,并通过试验验证表明能够对不同工作状态的齿轮传动信号进行可靠的聚类与区分,聚类率为96%以上.说明该方法对齿轮故障进行区分与诊断是切实可行和有效的.