基于优化初始聚类中心K-Means算法的跳频信号分选

提出了一种优化初始聚类中心的方法.方法通过搜索参数统计直方图峰值预估类数目,并根据峰值位置确定聚类中心大概位置.由于优化的初始类心与实际类心相隔不远,聚类迭代次数大为减少.与传统的优化聚类中心方法相比,本方法计算量更少.最后将改进K-Means聚类算法应用于跳频信号分选,仿真结果表明,分选效果良好.     

化学气相沉积碳化硅超光滑抛光机理与表面粗糙度影响因素

为实现化学气相沉积碳化硅(CVD SiC)的超光滑抛光,采用纳米划痕试验研究了化学气相沉积碳化硅脆塑转变的临界载荷,根据单颗磨粒受力对其抛光机理进行了分析,并从材料特性、工艺参数以及抛光液pH值三个方面对其表面粗糙度影响因素进行了系统的试验研究.研究结果表明:化学气相沉积碳化硅的稳定抛光过程是磨粒对碳化硅表面的塑性域划痕过程;CVD SiC的晶粒不均匀与表面高点会降低晟终所能达到的表面质量;表面粗糙度在一定范围内随磨粒粒度增加呈近似线性增长,随抛光模硬度的增加而增长;抛光压强对表面粗糙度的影响规律与抛光模的变形行为相关,当抛光模处于弹性或弹塑性变形阶段时,表面粗糙度随抛光压强的增加呈小幅增长,而当抛光模包含塑性变形之后,表面粗糙度基本与抛光压强无关;此外,抛光速度和抛光液pH值对表面粗糙度的影响不大.研究结论为CVD SiC超光滑抛光的工艺参数优化选择提供了定量的试验依据.     

基于对抗演练的坦克单车成绩评定方法

为合理评定坦克分队对抗演练过程中各单车的操作技能,基于各单车在对抗过程中的相关数据特征,运用模糊聚类算法对单车对抗水平进行聚类分析,得出了各单车的等级评定成绩。提出了一种改进的ReliefF算法,将其差异明显、差距较大的属性特征分离,为坦克单车以及分队找出差距、制定日后训练重点提供了重要依据,并通过一实例阐明了此方法的实现步骤,验证了此方法的科学合理性。     

烷烃磨削液应用于Si_3N_4陶瓷磨削时的砂轮堵塞机理及改性研究

通过一系列试验,考察了采用不同烷烃乳液及极性添加剂作为磨削液时金刚石砂轮磨削S i3N4陶瓷时的堵塞效果。试验结果表明:由于烷烃油膜表面的非极性性质对非极性的S i3N4磨屑有很强的吸引力,采用烷烃乳液作为磨削液时,金刚石砂轮较易发生堵塞。通过在烷烃乳液中添加极性有机物,可以很大程度上缓解堵塞的发生,最佳的极性添加剂分子结构需要同时具备一定的憎水基团和亲水基团。     

3D SRAM中TSV开路测试算法研究与实现

基于三维集成电路技术实现的三维静态随机存储器,其电路中使用了大量的过硅通孔。目前过硅通孔制造工艺尚未成熟,使得过硅通孔容易出现开路或短路故障,从而给三维静态随机存储器的测试带来新的挑战。现有的过硅通孔专用测试方式虽然能够探测出过硅通孔的故障,但需要特定的测试电路来实现,这就增加了额外的面积开销,同时加大了电路设计的复杂度。因此,提出一种使用测试算法来探测过硅通孔开路故障的方法。在不增加额外面积开销的情况下,通过内建自测试电路解决三维静态随机存储器中过硅通孔的开路故障检测问题。结果显示,该过硅通孔测试算法功能正确,能够准确探测到过硅通孔的开路故障,并快速定位过硅通孔的开路位置。     

基于单一聚类方法的航空器相撞HFACS诱发模式分析

为了有效防控航空器相撞事故的发生,保证航空系统安全、有序和高效运行,提出一种基于单一聚类过程的人为因素分析分类系统(HFACS)诱发模式分析方法。在该方法中,首先,根据航空器相撞的具体特点建立了HFACS。然后,利用HFACS对发生的航空器相撞事故/事故征候进行量化,构建历史信息的数据表。最后,采用单一聚类方法对得到的数据表进行诱发模式分析,识别出重要的诱发模式及模式中包含的重要影响因素,并据此提出防相撞的管控措施。实例分析表明,所提出方法的实现过程简便,定性定量结合,形式易于理解,分析结果也更加贴近实际,对于提升防相撞的管理和决策水平,防范航空器相撞及减少造成的损失具有重要的实用价值。     

基于一乘准则的LMR在声音转换中的应用

线性多变量回归中聚类数的选择对转换效果有很大影响,通过研究聚类数与类内均方差、类间均方差的关系确定最佳聚类数。针对传统二乘规则的 LMR 的转换语音在听觉上自然度较差的缺陷,提出了基于一乘规则的 LMR,采用遗传算法解决绝对值条件下转换矩阵的求解问题,实验仿真表明,基于一乘规则的 LMR 的转换语音在主观听觉上优于基于二乘规则的 LMR,ABX 测试识别率平均提高了12.5%,MOS 分提高了0.24。     

基于模糊聚类-BP神经网络模型的战场目标识别

神经网络可以用来识别战场目标,但是传统神经网络具有样本多、学习速度慢的问题.为了解决上述问题,建立了一种基于模糊聚类和神经网络相结合的目标识别模型.仿真实验表明,用该模型进行目标识别,可以科学地选取样本,提高网络的训练速度和运行速度,并且能确保目标识别的正确率.     

雷达信号非均匀粒度聚类分选方法

聚类分析是数据挖掘中的重要技术.在比较分析了两种常用的聚类分析方法的基础上,将基于商空间的非均匀粒度聚类算法应用于雷达信号分选中,仿真实验的结果表明:该算法可以从不同层次观察聚类数据,更适用于复杂雷达信号聚类分选,具有良好的性能.     

无源跟踪中的一种新数据关联算法

在无源多目标跟踪过程中,数据关联是核心。提出了无源跟踪中的一种新数据关联算法,先对支持向量聚类理论进行了讨论,用该理论对采样到的观测点进行分类,后定义了多特征的关联度计算问题,并用综合数据关联的方法对目标进行状态估计。计算机仿真结果表明:该算法对目标的正确关联度要优于传统的数据关联算法。