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.     

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。     

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。     

一种自动镜头聚类方法

镜头聚类是视频内容分析的重要途径。镜头聚类的基本任务是基于镜头的物理特征对镜头进行分类。本文设计和实现了一种新的镜头聚类方法 ,这种方法从一个初始分割开始 ,经多次聚类分裂与合并的迭代 ,自动地进行误差校正。这种方法既不需要通过人工交互来解决试探聚类方法的误差调节问题 ,也不需要迭代聚类算法中难以确定的经验参数和经验阈值的设定 ,克服了普通聚类方法的缺点 ,在实际应用系统中取得了较好的效果。     

现代谱估计法在导弹系统仿真模型验证中的应用

给出了应用现代谱估计法验证导弹系统仿真模型的方法,该方法适合于反坦克导弹系统动态过程仿真的输出为短时序、低信噪比特点。针对复杂的反坦克导弹系统仿真模型的验证问题,结合某型号滚转稳定的反坦克导弹系统的仿真数据和实测数据给出了现代谱估计的应用结果。     

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。     

设计坦克水平向稳定器的最优传递函数法

介绍了如何用最优传递函数设计坦克水平向稳定器 ,并运用 Matlab仿真模块 Simulink分别对当系统的指令信号为单位阶跃信号和斜坡信号时进行了仿真 ,仿真结果表明设计的稳定器性能优于传统设计且结构简单。短调节时间使得火炮在行径间有很好的稳定状态 ,对提高命中率、打击目标有很好的效果 ,是稳定器设计的一种有效方法。     

遥感数据用户需求融合处理技术

遥感数据是国家的基础性和战略性资源，在经济建设、国防建设、抢险救灾、生态环境保护等方面得到了广泛的应用，发挥着越来越重要的作用，各行各业对遥感数据的需求也越来越多。因此，如何提高对地观测资源的利用率，提高服务响应速度成为迫切需要解决的问题。采用自然语言处理技术，提出了一种用户需求融合处理方法，该方法可以有效地融合归并相同或者相似的用户需求，实现一图多用，引入需求预测和需求融合技术以提高需求融合效率，从而提高对地观测资源的利用率，达到事半功倍的效果。     

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想.提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求.     

一种面向混合数据集可视化的高效数据转换技术

应用领域中存在大量多数据类型属性的混合数据集,但是,很多有效多变元可视化方法的适用范围都只局限于单一类型,对于混合数据集可视化效果不甚理想。针对包含数值及分类型属性的多元混合数据集,提出一种面向混合数据集可视化的数据转换技术,首先对每一数值型属性使用聚类技术进行分类化,然后应用对应分析算法量化所有分类型属性,最后将转换后的混合数据集使用经典的数值型可视化方法——星形坐标法进行展现,并且针对变元数量较多或分类型变元势较高的混合数据集,在数据转换过程中提出一套降势策略,减少参与计算的变元数量,提高计算效率。实验表明,该方法对混合数据集的可视化结果不仅易于理解,而且有利于用户发现其中的隐性知识,降势策略在提高内存及时间效率方面作用显著。