一种新的k-means聚类雷达信号分选算法北大核心

针对传统k-means聚类算法在雷达信号分选中应用存在的不足,提出了一种基于数据场和灰关联分析的k-means聚类雷达信号分选算法。该算法首先根据数据场理论计算所有数据样本的势值,寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,局域势值最大值个数作为聚类数目;然后用灰关联度代替欧式距离来判断数据样本间相似性。该算法能够自动获取初始聚类中心和聚类数目,对频率捷变雷达具有较好的分选效果。仿真结果验证了算法的可行性。     

一种新的k-means聚类雷达信号分选算法

针对传统k-means聚类算法在雷达信号分选中应用存在的不足,提出了一种基于数据场和灰关联分析的k-means聚类雷达信号分选算法。该算法首先根据数据场理论计算所有数据样本的势值,寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,局域势值最大值个数作为聚类数目;然后用灰关联度代替欧式距离来判断数据样本间相似性。该算法能够自动获取初始聚类中心和聚类数目,对频率捷变雷达具有较好的分选效果。仿真结果验证了算法的可行性。     

一种改进的电子情报分析模型

电子情报的分析处理,对提高电子对抗作战效能意义重大。综合运用聚类算法和分类算法构建了一种改进的电子情报分析模型。该模型首先通过基于粗糙集改进的k-means算法完成对记录数据库中雷达信号的聚类分选,选取聚类中心信号表征此类信号;再采用粗糙集提取有效的最优规则并用于聚类中心脉冲识别,从而分选出已知信号和未知信号;未知信号确定其特性后添加到已知威胁雷达数据库。通过仿真,验证了该模型的适用性和有效性。     

基于模糊聚类的入侵检测方法

分析了异常入侵检测存在的问题,研究了基于模糊聚类的入侵检测算法。该算法采用C-均值算法,通过训练数据聚类、异常聚类划分和行为判定等3个步骤实现异常入侵检测。试验采用KDD99数据进行了测试,证明该算法是可行和有效的。     

基于蚂蚁聚类算法的炮兵阵地选取方法

在对炮兵作战地域进行地形分析的基础上,提出运用蚂蚁聚类算法选取炮兵阵地的方法.针对炮兵阵地配置的特殊要求,将模糊数学中的隶属度概念引入到炮兵阵地聚类算法之中.最后通过实验分析了此方法的优缺点,对炮兵指挥决策有一定的参考价值.     

一种基于线性流形的基因表达数据的聚类方法

由于基因表达数据的稀疏性和噪声性,传统聚类算法对其聚类时不能取得好的效果。针对这一问题,一种新的线性流形方法被提出,它的基本思想是搜索数据集中的线流形聚类,再将其中某些线流形聚类融合构造高维流形聚类。该算法将切向距离和法向距离作为线性流形的距离度量,运用空间近邻信息,采用聚类基因的平均表达水平作为转移向量,提高了聚类的准确度。实验结果表明,该算法的聚类准确性优于其它聚类算法,并且对带有噪声的数据可以保持较高的聚类准确度;在对Hela基因表达数据聚类时,算法得到了具有显著生物学意义的聚类。这些都说明提出的算法对基因表达数据聚类的适用性和有效性。     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.     

基于相邻脉冲相似性的快速聚类分选方法

针对复杂环境下的聚类问题,提出了一种新的聚类分选算法。其利用同一雷达辐射源的相邻脉冲间的相似性对信号进行聚类。该算法按到达时间顺序将信号依次归类,并将新分类的数据作为所在类的聚类中心,其无需事先指定聚类的数目,也无需进行反复的迭代计算。仿真表明,该算法不仅分类准确,而且大大缩减了计算量。     

基于改进C-均值聚类算法的空中目标分类

空中目标的正确分类对防空作战效果有着重要的影响。在分析了空中目标类型和目标的表征方法之后,构建了动态聚类中的一种分类算法———改进C-均值算法。该算法改变了以前算法中只用一个聚类中心作为一类的代表的做法,而采用的是类核函数代替类心的方法。类核函数较一个聚类中心更能够表现出某一类的分布信息,从而提高分类的正确率。     

改进的聚类算法在入侵检测系统中的应用

K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的"密度"信息有效地改进K-中心点聚类算法并应用于入侵检测模型。该算法很好地克服了传统的K-中心点聚类算法过分依赖初始中心点选择的弊端,并且用实验分别验证,以这种方法来进行数据的聚类相比于传统的K-中心点聚类算法,显著提高了数据集聚类的效果,在入侵检测系统的应用中也有效地提高了检测率和降低了误检率,具备一定的实用价值。     

数据挖掘技术在炮阵地选择中的应用

根据炮兵阵地地形选取的要求,从地理信息系统出发,运用人工智能、数据挖掘、多媒体等技术,提出了炮兵阵地选取的空间数据挖掘模型,为炮兵阵地选取的计算机实现提供了一种有效的解决方案,使指挥员能快速从复杂的地域信息中找到适用于炮阵地所需的地形信息,为炮兵自动化指挥系统提供了决策与支持。     

炮兵雷达阵地选择仿真系统的设计与实现*

虚拟现实技术是20世纪末发展起来的一项涉及众多学科的高新应用技术，主要针对在MultiGen Creator和Vega软件平台下开发三维仿真系统。针对目前炮兵雷达阵地选择虚拟仿真的需求，设计了炮兵雷达阵地选择仿真训练系统，介绍了仿真系统的组成及功能模块，论述了二维数字地图生成与显示、三维场景生成与显示、视景仿真的实现等关键技术，最后给出了仿真效果图。结果表明了仿真系统的可行性和实用性，极大地提高了训练效率和训练水平。     

Background dominant colors extraction method based on color image quick fuzzy c-means clustering algorithm

A quick and accurate extraction of dominant colors of background images is the basis of adaptive camouflage design. This paper proposes a Color Image Quick Fuzzy C-Means (CIQFCM) clustering algorithm based on clustering spatial mapping. First, the clustering sample space was mapped from the image pixels to the quantized color space, and several methods were adopted to compress the amount of clustering samples. Then, an improved pedigree clustering algorithm was applied to obtain the initial class centers. Finally, CIQFCM clustering algorithm was used for quick extraction of dominant colors of background image. After theoretical analysis of the effect and efficiency of the CIQFCM algorithm, several experiments were carried out to discuss the selection of proper quantization intervals and to verify the effect and efficiency of the CIQFCM algorithm. The results indicated that the value of quantization intervals should be set to 4, and the proposed algorithm could improve the clustering efficiency while maintaining the clustering effect. In addition, as the image size increased from 128 × 128 to 1024 × 1024, the efficiency improvement of CIQFCM algorithm was increased from 6.44 times to 36.42 times, which demonstrated the significant advantage of CIQFCM algorithm in dominant colors extraction of large-size images.     

基于三标度法的炮阵地多目标决策方法

针对传统AHP在实际应用中存在的问题,采用三标度法进行炮阵地的多目标优选决策,避免了采用九标度方法构建判断矩阵时权重选择的模糊性,从而减少了决策过程中决策者的主观臆断性。实例证明,三标度法具有简单明了、使用方便等优点,在应用于多目标决策等复杂系统时是适合可靠的。     

炮兵作战指挥训练手段与训练质量相关性分析

为了探索炮兵作战指挥训练手段与训练质量之间的关系,在向有关专家咨询的基础上,运用模糊数学方法对现有炮兵作战指挥训练手段进行模糊综合评价及模糊聚类分析。从分析中可以得到不同训练手段对训练质量各因素影响程度不同;利用组合数学模型对炮兵作战指挥训练手段的优化组合,提供了数据支持,实现优劣互补;通过建立模糊相关矩阵,为炮兵作战指挥训练手段比例分配提供依据。     

炮兵作战决策方案优选的方法

炮兵作战方案的选择,是炮兵作战指挥决策的关键环节,其合理与否,直接关系到炮兵作战效能的发挥和作战的成败.根据炮兵作战的实际,阐述了炮兵作战方案优选的依据,给出了运用层次分析法确定影响作战方案选择的各因素权重的方法步骤,在对优选依据的建模要素进行分析的基础上,构建了每个要素的效用函数计算模型,并给出了评估方案的计算方法,提供了模型应用的一般步骤.     

炮兵雷达阵地选择仿真系统的设计与实现

虚拟现实技术是20世纪末发展起来的一项涉及众多学科的高新应用技术，主要针对在MultiGen Creator和Vega软件平台下开发三维仿真系统。针对目前炮兵雷达阵地选择虚拟仿真的需求，设计了炮兵雷达阵地选择仿真训练系统，介绍了仿真系统的组成及功能模块，论述了二维数字地图生成与显示、三维场景生成与显示、视景仿真的实现等关键技术，最后给出了仿真效果图。结果表明了仿真系统的可行性和实用性，极大地提高了训练效率和训练水平。     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。     

炮兵雷达组网校射评估系统的设计与实现

针对多部雷达保障校正射击时各个雷达获得的数据精度不高、数据传输自动化程度低、炸点坐标缺乏数据融合等问题,采用VC＋＋和SQLServer为软件开发平台,设计并实现了炮兵雷达组网校射评估系统。讨论了系统的基本组成和软件结构。同时根据最小方差原则,按照各雷达的精度分配权值,设计了多雷达组网对炸点测量数据最优融合估计的数据融合算法。通过实弹射击保障应用表明,该系统提高了雷达对炸点数据测量的精度及炮兵指挥自动化能力。