信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

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。     

滚动轴承含噪声谐波信号的欠确定盲源分离方法研究

目前使用的大多数盲源分离方法都依赖于观测传感器数量大于或等于信号源数目这样一个基本假设。算法主要针对传感器数量m小于源信号数量n(欠确定)情况下旋转机械含噪声谐波信号的盲源分离问题展开研究。它在输入信号频域稀疏性假设和源信号之间线性混合假设的前提下,提出了一种势函数聚类的源数目估计方法,并对通道衰减和延时进行了计算。实验信号仿真结果证明了该方法的可行性和可靠性。     

适合可变剪接研究的转录组序列分析策略

规模化基因表达实验所产生的大量与生物组织特定时空状态相关的cDNA和表达序列标签(EST)等信息可用于新基因的发现、基因表达模式分析和基因组的注释,从而可为转录组研究提供实验设计和结果分析的参考标准。真核基因可变剪接的普遍性及其在机体生理与病理过程中的重要作用,使得可变剪接的系统分析已成为功能基因组研究中的热点之一。在面临海量表达数据的指数增长和不断有新的基因组获得测序的情况下,实现转录组序列分析的规模化、自动化计算迫在眉睫。讨论不同转录组分析系统中的数据分析算法及其计算需求,并提出适用于大规模可变剪接分析的策略。     

城市防空中目标优化分配的模糊聚类分析

定性和定量相结合,利用模糊聚类分析法确定目标的优先防护次序.先构造城市防空中需掩护的目标体系;再依据目标权重建立多因素模糊关系矩阵,导出等价矩阵;最后计算出基于给定参数λ的需防护目标的优先次序,得出目标分类聚类图.变模糊的、复杂的问题为直观的结论,为指挥员合理分配兵力兵器提供可靠的依据,从而最大限度地发挥防空兵器的作战效能.     

分布式拒绝服务攻击的网络跟踪算法

分布式拒绝服务攻击通过控制多台傀儡机对目标机进行攻击,该类型攻击的攻击路径隐蔽,对攻击者跟踪困难.在分析该类型攻击的特点,通过形式化的描述,分析该类型网络入侵规律,通过聚类分析技术描述出分布式拒绝服务攻击的攻击路径,定位网络入侵的实施者,有效地打击网络入侵行为.     

模糊聚类分析在舰炮射击目标处理中的应用

舰炮对岸射击中射击目标选取比较复杂,用基于AFS逻辑的模糊聚类分析数学方法对射击目标进行处理,是一种评估战场目标选取的新方法。基于AFS逻辑的模糊聚类分析不仅与人类的思维逻辑类似,而且便于计算机将数据库中的记录转化为人类容易理解和操作的模糊集。作为在数据挖掘中的应用,又给出了基于AFS模糊逻辑的一个新的模糊聚类方法,通过具体的数学模型仿真表明这是一种行之有效的方法。     

一种新的高分辨率SAR图像目标自动鉴别方法

目标鉴别是SAR图像目标识别系统的关键环节,用以消除预筛选阶段因异常检测产生的大量虚假的感兴趣区域切片。针对目标鉴别问题,提出了一种新的目标自动鉴别方法,首先对CFAR检测的结果做基于面积特征的预鉴别处理,而后对获得的ROI目标切片提取鉴别特征,并在特征分析的基础上设定特征判决阈值,实现序贯鉴别处理。利用X波段SAR图像数据检验了上述方法,给出了鉴别输出的ROI切片。     

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.     

液体火箭发动机故障检测和诊断中数据挖掘策略的分析

分析了液体火箭发动机的工作特点,提出了应用数据挖掘方法从数据仓库的角度对液体火箭发动机进行故障检测和诊断的策略。对在液体火箭发动机故障检测和诊断的不同问题中可能应用的数据挖掘方法进行了分析比较。分析表明,聚类、分类、关联、时间序列分析和孤立点检测等数据挖掘方法适用于液体火箭发动机的故障检测和诊断。