基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。     

基于相对密度的增量式聚类算法

基于聚类的相对性原则:簇内对象具有较高的相似度,而簇间对象则相反,提出一种基于相对密度的增量式聚类算法,它继承了基于绝对密度聚类算法的抗噪声能力强、能发现任意形状簇等优点[1],并有效解决了聚类结果对参数设置过于敏感、参数值难以确定以及高密度簇完全被相连的低密度簇所包含等问题。同时,通过定义新增对象的影响集和种子集能够有效支持增量式聚类。     

基于数学形态学的三维空间聚类

分析了各种空间聚类的方法,研究了炮阵地地形分析和选取原则,实现了炮阵地选取决策支持系统,提出了基于数学形态学的三维空间聚类新算法,并将该算法运用到开发的炮阵地选取决策支持系统中,实验结果表明,该算法效果较好.     

雷达目标一维距离像的类别可分性研究

利用决策分析方法和模式分类复杂度的概念,对高分辨雷达飞机目标的原始距离像、平均距离像以及付氏变换距离像的类别可分性进行了讨论。结果表明,不同目标的雷达一维距离像,在总体上反映出了各目标间的结构性差异,提供了可资利用的目标识别信息     

基于GEO/LEO两层星座的卫星组网结构分析

提出了一种基于GEO/LEO两层星座的卫星组网结构,在两层星座中建立了立体交叉的层内、层间星际链路,实现了GEO/LEO两层卫星星座的优势互补,具有组网灵活、管理简单等特点.通过快照周期定义了星座中各卫星的逻辑位置,并基于逻辑位置提出了对LEO卫星的分群和分组管理:包括LEO卫星的逻辑分群,群内LEO卫星的分组,以及分组内组长LEO卫星的选取和备份机制.在该卫星组网结构中,各星座协同运行,数据传输方式多样,能提高卫星网络的性能.     

装备物资混装配载效益化特征聚类分析

提出了通过对物资聚类分组来分步解决混装配载问题的思想,分析了装备物资混装配载中物资分类的办法,讨论了使用聚类分析法研究分类问题的特点,给出了一种基于系统聚类法的物资效益化特征分组方法。     

带局部交流函数及自由意志的单领导Cucker-Smale模型的渐近集群分析

为研究集群的形成与否和半径大小之间的关系,主要考虑了具有单个领导的一般等级结构及其领导者速度不变的Cucker-Smale模型。探讨了自由意志对集群产生的影响,通过证明可以给出半径有下界的充分条件(下界和速度差、粒子数、通信强度等有关)。当半径大于下界时,会产生集群。通过MATLAB数值仿真验证了相关结论。     

模糊聚类方法在地震火灾评判中的应用

参照地震火灾的历史资料,用模糊聚类方法对城市地震的特征及火灾损失进行了分类,在此分类基础上给出了预测和评估某城市地震火灾损失的计算方法。     

基于粒子群聚类的导弹直接侧向力模型辨识

为了充分挖掘数据的潜在规律,提出一种基于粒子群模糊C均值聚类的模型辨识方法,该方法首先对实验数据进行分类,得到最佳聚类数和聚类中心,然后对不同的类分别辨识.新数据可以根据到不同聚类中心的距离划分为不同的类,再根据该类的辨识模型得到输出结果.依据风洞实验数据,采用粒子群模糊聚类对直接侧向力模型进行了辨识,辨识结果表明,与直接辨识相比,该方法的辨识精度明显提高,其辨识结果可以为控制系统的设计提供依据.     

Background dominant colors extraction method based on color image quick fuzzy c-means clustering algorithm

A quick and accurate extraction of dominant colors of background images is the basis of adaptive camouflage design. This paper proposes a Color Image Quick Fuzzy C-Means (CIQFCM) clustering algorithm based on clustering spatial mapping. First, the clustering sample space was mapped from the image pixels to the quantized color space, and several methods were adopted to compress the amount of clustering samples. Then, an improved pedigree clustering algorithm was applied to obtain the initial class centers. Finally, CIQFCM clustering algorithm was used for quick extraction of dominant colors of background image. After theoretical analysis of the effect and efficiency of the CIQFCM algorithm, several experiments were carried out to discuss the selection of proper quantization intervals and to verify the effect and efficiency of the CIQFCM algorithm. The results indicated that the value of quantization intervals should be set to 4, and the proposed algorithm could improve the clustering efficiency while maintaining the clustering effect. In addition, as the image size increased from 128 × 128 to 1024 × 1024, the efficiency improvement of CIQFCM algorithm was increased from 6.44 times to 36.42 times, which demonstrated the significant advantage of CIQFCM algorithm in dominant colors extraction of large-size images.