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。     

多层次灰色聚类决策对目标价值排序的应用

针对战场环境下的目标价值排序问题,应用层次分析法(AHP)原理,分析了不同目标的不同因素的影响,在确定指标权重的基础上提出了目标价值排序的递阶层次结构模型;并进一步运用灰色聚类方法,构造评价函数,综合决策目标价值排序.通过案例分析验证,将层次分析法与灰色聚类综合评价法相结合,取得了较为满意的结果,为指挥员对目标价值决策提供理论依据.     

基于多尺度特征聚类算法的不确定目标检测

提出一种基于无样本的SAR图像目标检测分类方法。针对空战过程中难以获得大量SAR图像目标样本问题,采用基于全局CFAR的多尺度SIFT特征进行目标纹理描述,并针对特征维度较高及特征描述之间存在的冗余问题,通过PCA算法对其进行降维处理后,采用DBSCAN算法对潜在目标区域的多尺度SIFT特征进行分类实现目标检测。通过单一目标和多类目标图像进行实验验证,实验结果表明该方法具有一定的有效性和可行性。     

基于星载照射源的被动SAR系统时频同步误差影响分析

时间和频率同步问题是基于星载照射源的被动SAR系统的关键技术之一。为了研究时、频同步误差对其成像的影响,针对系统工作特性,分析了时、频同步误差的产生机理,建立了时、频同步误差模型,并利用二阶距离模型和RD成像算法,建立了完整的时、频同步误差到成像结果的传递模型,仿真验证了理论分析的准确性。理论推导和仿真计算结果指出了基于星载照射源的被动SAR系统对时间同步和频率同步的精度要求。分析结论对于指导基于星载照射源的被动SAR系统设计及同步方法研究具有重要意义。     

改进的Fisher准则及其在语音聚类中的应用

针对传统的Fisher准则在聚类分析方面的不足,提出了一种新的修正的Fisher准则。通过重新定义类内方差,得出最大Fisher值与最佳聚类数目的对应关系,从而预测出最佳聚类数目。通过对语音库中语音段落的说话者组成结构进行分析,证明了修正后的Fisher准则能有效地优化聚类分析,并显著提高了说话者组成结构分析结果的精度。应用基于修正后的Fisher准则的LBG聚类算法,能为语音操控系统中无监督的说话人自适应提供更可靠的说话人模板库。     

水基防锈液防锈性能的介电谱测定

阻抗频段的介电谱在金属腐蚀/缓蚀研究领域有良好的应用。为解决水基防锈液防锈性能常规检测方法实验用时长与结果误差大的问题,利用基于AD5933的介电谱仪和平面叉指电容传感器检测水基防锈液防锈性能。对样品介电谱进行直观分析,发现防锈性能好的样品,其介电信号更强烈;通过系统聚类算法分析,可快速区分样品防锈性能强弱和防锈剂类型;系统聚类算法与标准方法有一定的相关性,但二者所得结果的等级划分难以一一对应。实验结果证明,介电谱技术能够为水基防锈液防锈性能的定性检测提供快速且简便的新方法。     

基于K-means-RBF的机载传感器评估

针对传统RBF神经网络存在的高维数据学习训练问题,采用K-means聚类算法设计RBF神经网络数据中心,建立基于聚类RBF神经网络的机载传感器精度评估模型,运用改进的RBF神经网络对机载传感器系统进行精度评估研究.仿真研究结果表明,与传统RBF神经网络评估算法相比,该算法有效减少评估时间,提高预测精度,表明算法是合理和有效的.     

基于模糊椭圆聚类的火炮射击精度分析

考虑到对于大规模炮兵部队的应用,如何提高炮兵火力运用的效率,特别是充分发挥大规模炮兵部队的应用效能,具有重要意义.提出根据对不同火炮散布误差的聚类分析,可以指导编组具有相似射击误差特性的火炮,形成火力单位,从而更加有效地执行火力任务.针对火炮散布椭圆特性,采用一种基于模糊椭圆的聚类方法.针对某地实弹射击数据实验表明,该方法是有效的.     

军用飞机采购价格的RBF神经网络预测

分析了现代军用飞机采购价格估算中存在的问题.应用基于k-均值聚类算法的RBF神经网络建立了军用飞机采购价格预测模型,并采用该模型对某型军用飞机采购价格进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型军用飞机采购价格预测模型具有更高的预测精度,为军用飞机采购价格预测提供了一种新的有效方法.     

一类基于模型的仿射代数不变量

3D目标的标识别已逐渐成为计算机视觉领域的热点问题.在研究了传统的基于几何不变量和基于3D/2D约束关系两种识别方法的基础上,提出了1类新的空间几何结构模型,并计算出了这类模型3D仿射不变量和其对应的2D仿射不变量之间的约束关系.利用这种关系,可以在目标的姿态和摄像机的参数均未知的情况下,有效利用单幅图像来识别3D目标.