基于决策图的轨迹运动趋势提取

在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。     

一种基于改进K-means算法的空间群划分方法

空间群划分是兵力分群的重要环节,其关键在于确定"距离"度量函数、分群数目和初始分群中心。传统算法的初始聚类中心和聚类数目不固定,直接用于空间群划分将使得划分结果不稳定。为此,提出了一种基于改进算法的空间群划分方法。利用了现有空间群划分方法中的距离函数改进策略计算敌方作战单元两两之间的"距离",引入一种快速搜寻高密度点的方法,确定了初始分群中心和分群数目,通过仿真实验验证了该方法的有效性。     

海量公交数据的人群画像算法

面向海量公交数据的人群画像对分析城市群体出行特点、交通态势等极具价值,但对数据的处理存在耗时高、质量低、解释难等问题。提出一种海量公交数据人群画像的系统化解决策略,基于PageRank算法筛选出经过重要站点的人群轨迹,极大减少目标人群的轨迹数据;提出轨迹文本化分析方法来提高人群画像的可解释性;分析确定基于余弦距离的K-means算法作为人群画像分类的聚类算法。该算法在3 000万乘客公交出行数据上的实验表明:提出的解决策略能够较为系统性地解决海量公交数据的人群画像问题,同时基于余弦距离的K-means算法的聚类效果最好且准确率约达80%。将人群画像及其轨迹使用Flow Map进行可视化展示,结果符合真实世界的人群行为特征。     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.     

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.     

基于运动模式的船舶轨迹分段压缩算法

为解决当前船舶轨迹分段与压缩过程中轨迹细节丢失、运动模式不清及运动特征难以提取等问题,首先通过分析船舶运动的特点,在Stop-Move模式的基础上,提出了基于Stop-Turn-Line三种基本运动模式的船舶轨迹表示方法,并设计了轨迹运动模式检测与分割算法。然后,采用Java语言实现了该算法;并利用真实船舶轨迹数据集进行了测试。实验结果表明:该算法能够在较好保留运动模式及特征的前提下对船舶轨迹进行高效分段和压缩,可为基于海量船舶轨迹数据的查询、显示、分析及挖掘等提供良好的基础。     

一种空中目标航迹聚类方法研究

针对目前传统航迹聚类方法的不足,提出一种空中目标航迹聚类方法。首先提出一种航迹自适应拟合算法,对空中目标航迹进行拟合提取航迹特征;然后,在所提取的航迹特征基础上提出基于k-means算法的航迹聚类方法,通过对航迹特征点及拟合曲线的聚类,将同一类航迹聚类形成相似航迹簇;最后通过实验仿真,验证了该聚类方法的有效性。     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.     

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。     

一种基于层次划分聚类的雷达信号分选算法

近年来,聚类分析在雷达信号分选领域中得到了大量的关注。大部分算法聚类数需要事先人为设定,为了解决这一问题,将基于层次划分的聚类算法应用到雷达信号分选当中。该算法通过数据各个维度的差与对应阈值的比较进行分类,并提出一种基于"点对"的平均距离的评价指标来确定最佳聚类,无需人为设定聚类数,可实现自动聚类。仿真实验表明,此算法对参数固定和参数变化的雷达都具有良好的分选能力,分选准确率较高。     

空靶固定航路跟踪算法设计与实现

针对控制空中靶标沿给定顺序衔接直线段轨迹供靶飞行问题,提出一种跟踪预置顺序航路点的导航控制算法。该算法利用最大侧向可用过载确定空靶最小转弯半径,推算空靶前向探测距离,提取空靶速度偏差角和航线偏差角并输出至PID飞控系统,使空靶沿预定轨迹飞行的同时高度及倾斜保持稳定。某型飞控系统数字仿真结果表明本算法能很好地控制空靶跟踪单调顺时针或单调逆时针衔接的预置航迹。     

一种基于神经网络的彩色图像分割方法

提出了适于彩色图像分割的加强型径向基函数网络方法,采用在线自适应聚类学习算法确定隐层节点的数目、激活函数中心值;通过Hebb学习算法迅速将隐层节点中心值分为目标颜色聚类中心和背景颜色聚类中心两类;输出层用竞争规则将目标与背景分开。通过对多幅彩色图像进行分割处理验证了该方法的有效性。     

变分自编码器结合聚类算法在空战态势评估问题上的应用

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题，提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点，提出基于时间段的空战态势分类方法，将敌我双方态势划分为四类。在变分自编码器的基础上，提出了VAE-WRBM-MDN特征提取模型，即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度，使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类，并结合态势函数和实际战场情况修正聚类结果，形成正确的态势分类标准。在实验部分，分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明，模型态势分类正确率和运行时间均满足应用需求，实例评估结果与客观态势一致性强，所提方法具有实际应用价值。     

高分辨率雷达目标一维距离像的编码识别算法

文中提出了一种高分辨率雷达目标一维距离像的识别算法。该算法借用图像处理方法,先对雷达目标的一维距离像进行编码,经过傅里叶变换提取一组形状特征。这组特征精确地描述了一维距离像曲线的走向。而后,利用人工神经网络技术对一定姿态角变化范围内的这组形状特征进行识别。实验结果表明,可以获得良好的识别效果。该算法为雷达目标一维距离像识别算法的实时处理提供了一条有效途径。     

基于虚拟触角的自主车辆运动规划方法

在对自主车辆进行运动学分析的基础上,结合反应式行为规划方法和昆虫利用触角进行避障行走的思想,提出了一种使用圆弧形虚拟触角进行运动规划算法,并规划出在各圆弧轨迹片段车辆前轮摆角的参考值。仿真和实验结果表明：通过设置适当的初始参数,该算法能够使自主车辆在行驶过程中完全避开障碍物到达目标点,且轨迹光滑,满足车辆的运动学约束条件。该算法计算简洁、实时性强,适用于底层的实时控制,为自主车辆运动规划提供了一种简便、有效的策略。     

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。     

基于核函数的自适应聚类背景提取

随着目标的检测与跟踪的广泛应用,移动物体分割问题成为研究热点,而解决这类问题的关键需为对图像背景的更新和提取。通过对目前已有的背景提取方法的研究,提出了一种新的基于核函数的背景提取方法:进行预处理,制定删选法则来自适应获取所需处理的视频序列;定义核函数来衡量模式间相似性,对2类聚类中心进行初始化;利用最小距离准则来灰度归并,采取实时的自适应阈值选择;最后通过比较满足条件的像素总数,获取所需背景。实验证明,该方法有效。     

涡轮泵故障检测的频段能量比SOM算法

为了解决缺少故障样本情况下的涡轮泵健康状态判别问题,分析了涡轮泵振动信号的频谱,提取了频段能量比作为其故障检测特征,并讨论了自组织映射的竞争学习原理及聚类结果的U-矩阵表示,提出了一种基于频段能量比的自组织映射故障检测算法,并实现了该算法最佳匹配神经元的选择和权重向量的自适应更新。通过某型液体火箭发动机历史试车数据的验证,结果表明,健康涡轮泵数据利用该算法聚类时仅存在一个类别,相邻神经元距离小于0.1;反之,故障涡轮泵数据利用该算法聚类时明显存在两个或多个类别,且相邻神经元的最大距离大于0.1。因此,基于频段能量比的SOM算法能有效地判别涡轮泵的健康状况。     

基于模糊聚类的雷达信号分选

为克服传统信号分选算法的局限性,采用了基于模糊聚类分析的雷达脉冲信号分选方法。首先介绍了模糊聚类的基本原理和具体步骤,利用熵权法对不同雷达信号特征参数增加了加权系数,其次建立了有效性评价模型来确定最佳聚类,并进行了信号分选仿真实验。利用该方法进行模糊聚类时无需设置阈值,仿真结果证明分选方法的正确性,验证了此方法的有效性和可行性。该方法能够处理多个雷达脉冲信号,是一种解决多脉冲信号分选问题的新途径。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。