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。     

基于主成分分析法的城市火灾风险聚类分析

利用主成分分析法确定了城市火灾各指标的综合风险值,基于分析的结果,通过K-均值的聚类算法对城市火灾风险进行了分类.以北京市火灾统计结果为例,确定了城市火灾统计指标的综合火灾风险值,对13个主城区进行了不同区域的火灾风险聚类,并对建成区的火灾统计数据按时域进行了聚类,实现了火灾风险的自动分类.不同区域和时域发生火灾的风险大小可为合理布置消防力量、有效安排执勤战备提供科学参考.     

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。     

依据部分属性值的空中目标威胁快速排序方法

针对空中目标威胁排序问题,提出了一种依据部分属性值即可对目标威胁进行快速排序的方法.首先选取具有代表性的样本数据作为案例库;然后确定条件属性和决策属性,在利用K-均值聚类算法对决策属性进行离散化后,提出了一种针对连续条件属性值的全局离散化方法,并对离散化后的案例库进行属性约简并得出决策规则;最后将待排序目标各属性值进行...     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

RBF神经网络的C4ISR系统效能评估

针对当前效能评估方法存在人为因素干扰的问题,并考虑到RBF网络具有收敛速度快,无局部极小优点等优点,建立了基于RBF网络的C4ISR系统效能评估模型.模型采用K-均值聚类算法确定隐层节点数据中心和扩展常数;用最小二乘法进行输出层权值的修正;为防止病态,用目标总函数动态地确定隐节点的个数.最后,将得到的结果和BP网络输出...     

基于聚类遗传的多无人机航迹规划

提出了一种在雷达和复杂地形环境下应用并行遗传算法进行多无人机三维航迹规划的方法.将K-均值聚类算法与多种群协同进化的方法结合起来,采用主从式并行进化的方案,提高了收敛速度且便于分布式处理.各子种群采用自适应的进化方法,在保持多样性的同时,保证了算法的收敛性.在根据数字地图建立无人机安全飞行曲面的基础上进行地形跟随和无人...     

基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

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.     

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。