集对分析联系度聚类方法在信息分类中的应用

常见的各种聚类方法在遭遇稀疏数据信息的状况下是无法使用的.提出了一种基于集对分析联系度的聚类方法.它借用集对分析的联系度,对稀疏数据矩阵进行同异反特征分类,给出了符合一定概率分布的同异反特征数,并由此给出了同异反距离的计算方法.求出距离矩阵后根据距离聚类方法给出聚类结果.最后给出了该方法在信息分类中的实际应用,证实了方法的可行性、合理性和应用性.     

基于ReliefF特征加权的人工蜂群聚类算法

针对模糊聚类算法对最优聚类中心的搜索能力偏弱,以及没有度量样本数据各维特征属性对聚类结果贡献度的问题,提出了一种ReliefF特征加权的人工蜂群聚类算法。算法利用人工蜂群算法搜索最优聚类中心,使用ReliefF算法度量数据各维特征权重,分析了各维特征对聚类的不同影响,减弱冗余特征对聚类的干扰,增强有效特征对聚类的贡献,对加权变换后的数据样本进行聚类以提高聚类效果。在UCI数据集上的对比实验结果表明,此算法具有很好的综合性能。     

基于PCA与FCM的入侵检测样本数据压缩方法

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊C-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊C-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测样本数据中的关键特征和关键样本。通过KDD CUP99数据集测试证明:数据双向压缩可减少入侵检测分类器的计算量,进而可提高其实时检测性能和检测推断的准确性。     

备件保障效能动态评估方法

针对目前效能评估方法多重视效能指标的静态观测值，对时序状态数据所蕴含的趋势信息关注较少的缺点，提出基于灰色聚类-粗糙集和集对分析的备件保障效能动态评估方法。针对主客观赋权方法各自的优缺点，引入依赖度和重要度的概念，建立灰色聚类-粗糙集组合赋权模型；将指标权重引入集对理论，提出集对同势、均势和反势的定义，描述备件保障效能的变化规律，构建基于马尔可夫链的集对分析动态模型。实例分析结果表明，该方法可以有效反映备件保障效能的动态变化特征，为决策者制定备件保障长期计划提供科学依据。     

一种应用聚类技术检测网络入侵的新方法

基于聚类技术提出了一种能处理不带标识且含异常数据样本的训练集数据的网络入侵检测方法。对网络连接数据作归一化处理后 ,通过比较数据样本间距离与类宽度W的关系进行数据类质心的自动搜索 ,并通过计算样本数据与各类质心的最小距离来对各样本数据进行类划分 ,同时根据各类中的样本数据动态调整类质心 ,使之更好地反映原始数据分布。完成样本数据的类划分后 ,根据正常类比例N来确定异常数据类别并用于网络连接数据的实时检测。结果表明 ,该方法有效地以较低的系统误警率从网络连接数据中检测出新的入侵行为 ,更降低了对训练数据集的要求。     

SVC和SOFM组合聚类的雷达信号预分选方法

由于采用单一聚类方法对雷达信号聚类分选中,存在一定的问题。为了克服单一聚类的缺点,并利用其优点,提出了采用组合聚类的方法对雷达信号进行聚类分选。在分析了自组织特征映射网络(SOFM)与SVC的原理的基础上,利用SOFM和SVC的优点,设计了一种SOFM与SVC组合聚类的方法,实现对雷达到达角(DOA)数据的聚类分选。理论分析与实验仿真表明,该方法能够克服噪声的影响,与有先验信息条件下的K均值聚类结果相比,取得了较好的聚类分选结果。     

基于相似性和距离及遗传模拟退火的自适应聚类算法

针对模糊C-均值(FCM)算法中聚类数目的确定问题,提出了基于样本间相似度量和距离的算法,该算法可有效缩短聚类数搜索的范围,减少计算工作量。对于模糊C-均值算法聚类中心初始值随机选择易陷入局部极小值问题,采用遗传模拟退火算法优化FCM的聚类中心,以人工数据集和标准数据集验证了遗传模拟退火算法具有较强的全局收敛性能,有效提高了聚类效果。     

多特征融合文本聚类的新闻话题发现模型

融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型。模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法。该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合。基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法。实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于直觉模糊对称交互熵C-means聚类的反导目标识别方法研究

在不确定信息反导目标识别的背景下,针对不确定信息处理和现有的基于欧几里得距离的模糊C-means聚类算法的性能问题,首先采用直觉模糊集对其进行描述与分析,同时,将聚类目标函数中的欧几里得距离替换为模糊对称交互熵距离,提出了一种基于直觉模糊对称交互熵C-means聚类(Intuitionistic fuzzy symmetric cross entropy C-means,IFSCECM)算法,通过采用IRIS数据集算例分析对比,证实该算法的可行性和有效性.其次,根据弹道目标识别的特性,将IFSCECM算法应用于反导目标识别中,并采用多特征综合识别方法对来袭弹道目标威胁群进行分类识别研究.最后,通过仿真实验和对比分析表明该反导目标识别方法的可行性、有效性和优越性,具有较高的应用价值.     

基于舰艇编队的反舰导弹航路规划区域划分

根据舰艇编队对海导弹攻击中航路规划指挥决策的需要,为避免各舰发射的导弹出现航路交叉现象,提出了单舰导弹航路规划功能区域的概念和编队导弹航路规划区域划分的思想,建立了编队导弹航路规划区域划分模型。分别研究了一般情况和复杂情况下的导弹航路规划区域划分方法,并且结合想定装备参数进行了编程实现和算例分析。为编队指挥员实施导弹航路规划决策提供辅助决策和科学依据。     

基于随机时间影响网络的联合火力打击方案评估

联合火力打击方案评估是作战筹划和指挥决策的核心问题之一,对于打击手段的选择、战法的运用等具有重要的影响,其难点是在不确定条件下有效地建立作战方案到使命目标达成效果之间的映射关系.作战仿真方法往往存在突出的低效率问题,而解析模型的方法难以充分反映目标体系的内部联系和整体效果.目前概率推理模型广泛应用于军事领域的作战方案评...     

Incremental approximation of optimal allocations

This paper concerns the approximation of optimal allocations by δ allocations. δ allocations are obtained by fixing an increment δ of effort and deciding at each step upon a single cell in which to allocate the entire increment. It is shown that δ allocations may be used as a simple method of approximating optimal allocations of effort resulting from constrained separable optimization problems involving a finite number of cells. The results are applied to find δ allocations (called δ plans) which approximate optimal search plans. δ plans have the property that as δ → 0, the mean time to find the target using a δ plan approaches the mean time when using the optimal plan. δ plans have the advantage that. they are easily computed and more easily realized in practice than optimal plans which tend to be difficult to calculate and to call for spreading impractically small amounts of effort over large areas.     

战场目标情报的模糊聚类分析与Excel实现

为有效地对战争目标情报进行快捷、准确地分析处理,从而确定目标区域战场价值程度,以炮兵某次进攻战斗为战术背景,将敌防御区域按照目标分布特点划分为12个小区域;再根据目标的属性和打分原则,运用打分法分别求出各个小区域的综合得分情况;最后采用模糊聚类分析方法和Excel应用软件对其价值进行分析评估,依据模糊聚类结果从而确定重点区域,为指挥员和决策机关制定正确的策略提供科学的依据。     

基于效果的联合作战行动规划研究

联合作战行动规划是依据联合作战的使命和资源约束建立完成使命的最佳行动过程,通过对交战环境状态、交战主体的资源能力状态、行动、事件和效果的定义,结合人工智能领域解决"计划"问题的研究、军事领域基于效果的作战思想提出了联合作战行动规划模型及策略优选方法.模型结合了马尔可夫决策过程和贝叶斯网络技术来求解交战主体的最优策略,对联合作战设计具有适应性的行动策略做出的初步尝试.     

多平台协同搜索水雷效能分析

侦察水雷是水雷战的一项重要内容。在水下无人作战平台和航空反水雷直升机作战平台搜索水雷概率模型分析基础上,给出了多平台协同搜索水雷方案优化模型,经分析归纳得到多平台协同搜索水雷最优方案,可为实际作战中多平台协同搜索水雷方案的制定、优化提供决策支持,具有较高的实用性。     

翼伞精确空投系统归航轨迹规划与控制?

翼伞归航轨迹规划与控制问题是翼伞系统在一定初始状态下,利用自身可操作性,完成从初始位置到目标位置的转移问题。针对翼伞空投系统不同归航要求,规划出满足精度要求为圆径概率误差（ CEP ）小于40m的归航轨迹并经过一定量的控制完成翼伞空投系统精确空投任务。首先建立翼伞系统状态空间六自由度模型,并在此基础上提出系统简化稳态模型,通过最优控制方法,规划出满足空投要求的最优归航轨迹后对翼伞进行不断控制直至目标点。最后通过Matlab仿真试验,绘出翼伞系统归航轨迹图与控制变化图。     

固定节点3D网格部署的水下传感器网络分簇路由算法

水下传感器网络是应用于水下通信的重要传感器网络技术。提出了基于固定节点3D网格部署的水下无线传感器网络分簇算法,设计了3D网格的编址和分簇方法,实现了基于地址分配的节点定位,构建了算法的能耗分析模型。采用MATLAB完成了算法的性能仿真,对比了DS-VBF、IAR和GEDAR 3个算法的平均数据传输延迟和网络生存时间(TTL)。实验结果表明,此算法的平均数据传输延迟较短,可明显提高UWSNS的生存时间。     

车载光学测量设备任务调度问题建模与求解

为提高观测方案效费比、改进探测能力,探索了一类车载光学测量设备的观测任务调度问题,并给出了解决方案。将观测任务调度问题建模为一个寻找最优观测方案的数学问题,结合设备的性能特点,给出了观测方案的数学描述,梳理了观测方案应满足的约束,提出了评价观测方案质量的指标,进而利用多属性决策方法来计算不同方案的总体效能,并排序获得最优方案。仿真算例验证了方法的有效性,相关研究成果对车载光学测量设备的运用实践具有一定的参考价值。     

翼伞精确空投系统归航轨迹规划与控制

翼伞归航轨迹规划与控制问题是翼伞系统在一定初始状态下,利用自身可操作性,完成从初始位置到目标位置的转移问题。针对翼伞空投系统不同归航要求,规划出满足精度要求为圆径概率误差（ CEP ）小于40m的归航轨迹并经过一定量的控制完成翼伞空投系统精确空投任务。首先建立翼伞系统状态空间六自由度模型,并在此基础上提出系统简化稳态模型,通过最优控制方法,规划出满足空投要求的最优归航轨迹后对翼伞进行不断控制直至目标点。最后通过Matlab仿真试验,绘出翼伞系统归航轨迹图与控制变化图。