多媒体数据挖掘中数据间的相似性度量研究

聚类是多媒体数据挖掘的重要任务之一,数据之间的相似性度量是聚类的基础和前提。多媒体数据的特征矢量通常都是数十维甚至数百维的,但传统的相似度量方式一般只适用于低维数据。在分析高维数据特性的基础上,提出了一个新的度量方式。通过使用一个特定的策略对原始数据空间进行网格划分,该方法较好地避免了噪声数据对高维数据相似性度量的影响。实验证明此方法是有效的。     

一种基于Hough变换的线型群体队型识别方法

作战群体的队型是作战群体的重要属性之一,它往往反映了群体中各成员之间的协作关系,直接体现着该群体近期的作战意图、身份及威胁等态势信息。为了给指挥人员的态势评估及军事指挥提供更多深层次的战场信息,从而为其决策提供更好的支持,重点研究了作战群体线型队型的识别问题。利用Hough变换的点线对偶特性,给出了线型队型的模板建模方法,提出了基于参数点聚类的线型队型特征提取方法,进而给出了基于模板匹配的线型队型识别方法。仿真实验表明,该方法是行之有效的。     

一种基于群体分析的态势评估与威胁估计模型

了解指挥人员的决策过程是利用STA技术进行决策支持的前提.当前的STA研究虽然大多都注意到了STA功能在认知上的层次性,却忽略了STA过程上的层次渐进性.针对该问题,着眼于军事决策过程的层次性,提出了群体分析的概念及相应的功能模型,并进一步提出了基于群体分析的STA方法.该方法把对整个战场态势的理解分解为对各指挥层次的多个群体的理解,将STA过程分解为一个逐部分、逐层次进行的过程.该过程符合指挥人员的认知过程,能满足不同层次指挥人员不同粒度的认知需求,从而能更有效地支持STA系统的设计.