基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.     

改进的图像分割遗传K-均值聚类算法

针对图像分割,提出了一种改进的遗传K-均值聚类算法.合理选取聚类的特征向量并对各特征分量确定不同权值进行调整;通过引入自适应算法,对传统遗传算法的选择及变异操作进行改进,提高了算法的收敛速度;确定与染色体鳊码相关的隶属矩阵可有效地减少运算时间.实验结果表明,改进后的遗传K-均值聚类算法是行之有效的.     

欢迎订阅2010年《国防科技》杂志

《国防科技》杂志是由国防科学技术大学主办的科技军事类学术期刊,是总政治部向全军推荐订阅的重点期刊。杂志秉承为国防和军队现代化建设服务的宗旨,主要对世界国防科技最新发展及先进武器装     

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.     

基于神经网络的组合导航系统故障检测方法

将状态X2 检验(SCST)和Fuzzy ARTMAP神经网络方法相结合作为INS/GPS组合导航系统的故障检测新方法,该方法通过实时监测组合导航系统的状态分量,提取出故障的特征值,再对故障的特征值模糊化后作为Fuzzy ARTMAP神经网络的输入来实时确定故障的类别.Fuzzy ARTMAP神经网络采用离线有导师训练方法,利用已知的故障类型对神经网络进行离线训练,在应用中可以快速识别这些常见故障.针对在应用中发现新的不常见的故障类型,神经网络通过先识别,再学习,再训练的步骤完善其本身性能.通过对仿真试验结果的分析验证了该方法的可行性.     

脉冲爆震发动机技术发展研究

阐述了脉冲爆震发动机(PDE)的工作循环过程、工作特点、主要形式及其应用前景.结合目前脉冲爆震发动机技术的发展现状,分析梳理了PDE的研究进展、发展形式、主要研究方法以及当前阻碍其实际应用的关键技术障碍与对策.同时指出,脉冲爆震发动机具有热效率高、结构简单、高经济性、宽应用范围等优点,被认为是21世纪最有发展潜力的技术,但是在实际应用之前,缩短DDT距离并产生连续可靠的爆震过程,以及研制经济的耐高温高强度材料仍是两大难题.     

巡航导弹地磁匹配精度需求分析

简要回顾了地磁信息的使用现状,介绍了地磁信息的特征及其优缺点,在此基础上分析了地磁匹配的基本原理.考虑到实时地磁测量信息和经典地磁模型上的差异,在某些假设条件成立的情况下利用理想地磁模型进行了仿真计算,并从地磁匹配区网格大小、网格顶点磁强度差和高程控制3方面分析了现阶段地磁信息应用于巡航导弹组合制导的可行性,最后对误差源进行了分析.     

模糊聚类分析在多目标跟踪中的应用

为了解决在密集的环境中多目标跟踪的难题,本文提出了基于模糊聚类跟踪算法,主要是将人的模糊判断的特点引入到目标跟踪系统中,得以简单程序完成复杂的相关判别。利用模糊聚类方法的特点解决噪声背景下跟踪相关问题。仿真实验的结果表明,在杂波密度高的情况下,模糊聚类算法有它一定的优越性。     

“三化”与标准化是什么关系

在国防科技工业领域,“三化”特指标准化的三种形式：通用化、系列化、组合化（模块化）。各种形式都是从不同的角度体现标准化的统一、简化、协调、先优的原理,属于标准化的工作范畴。其要点如下：     

油料消耗神经网络组合预测模型

油料消耗单一预测模型精度不高,难以适应信息化条件下精确保障需要。以单一的神经网络预测模型、时间序列预测模型和灰色预测模型为组合预测的基础,利用神经网络求取3种预测模型的组合预测权重系数,将这3种单一预测模型的预测结果作为神经网络组合预测模型的输入,求得一个新的预测结果。平均相对误差和均方差比表明,神经网络组合预测模型比单一预测模型更为优越。