增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

一种支持向量回归的局部邻域稀疏化方法

调整高斯核函数参数可以改变其VC维,通过密度聚类算法发现并分离全局中非线性复杂度不同的局部特征,以支持向量比率为优化指标确定满足局部稀疏条件的核函数,从而达到优化核函数选择以提高整体回归稀疏性的目的。     

基于运动参量的战斗实体模糊聚类方法

战场范围扩大、战斗实体位置疏散使得按照位置进行聚类的方法可信性降低。担负同一作战任务的若干战斗实体往往因保持队形的需要而具有相似的运动规律,因此,使用实体位置、速度、加速度等运动参量进行模糊聚类能够克服位置疏散带来的聚类困难。对实体的运动参量进行归一化,建立模糊等价关系矩阵,根据需要选择适当的截集水平进行聚类,得到不同级别建制的聚类结果。经实验数据检验,该方法能够取得满意的聚类效果,辅助各级指挥员对战场态势进行分析和评估。     

多站多目标雷达数据融合

多站多目标跟踪是雷达数据融合的主要问题。提出了一种对测量数据聚类,在类间进行数据融合,之后基于目标的融合状态,采用强跟踪滤波器(STF)对多目标进行跟踪。利用上述方法,进行了各种态势下的仿真实验。     

基于图分割的机械系统概念模块划分

为更好地实现机械系统的模块化设计,在基于功能-行为-概念结构(function-behavior-conceptualstructure,FBCS)的产品概念设计过程中引入面向产品概念要素的图分割聚类算法,建立了一种面向FBCS的产品概念模块划分方法。以堆垛机推拉机构为例,分析了根据产品的总体目标特征,进行产品功能、行为、概念结构求解与功能分解迭代的产品概念设计分解方法。为描述概念产品,提出黑箱法和IDEF0功能描述方法相结合的概念产品建模方法,以建立产品子功能-概念结构模型。在此基础上,建立了产品概念要素(功能、行为、概念结构、接口)的相关关系分析方法,并引入图分割聚类算法进行产品概念要素聚合,以实现产品概念模块的划分。推拉机构的概念模块划分证明该方法是可行和有效的。     

改进的Fisher准则及其在语音聚类中的应用

针对传统的Fisher准则在聚类分析方面的不足,提出了一种新的修正的Fisher准则。通过重新定义类内方差,得出最大Fisher值与最佳聚类数目的对应关系,从而预测出最佳聚类数目。通过对语音库中语音段落的说话者组成结构进行分析,证明了修正后的Fisher准则能有效地优化聚类分析,并显著提高了说话者组成结构分析结果的精度。应用基于修正后的Fisher准则的LBG聚类算法,能为语音操控系统中无监督的说话人自适应提供更可靠的说话人模板库。     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

液体火箭发动机故障检测和诊断中数据挖掘策略的分析

分析了液体火箭发动机的工作特点,提出了应用数据挖掘方法从数据仓库的角度对液体火箭发动机进行故障检测和诊断的策略。对在液体火箭发动机故障检测和诊断的不同问题中可能应用的数据挖掘方法进行了分析比较。分析表明,聚类、分类、关联、时间序列分析和孤立点检测等数据挖掘方法适用于液体火箭发动机的故障检测和诊断。     

基于激光雷达的移动机器人实时位姿估计算法

提出一种基于二维激光雷达的移动机器人实时位姿估计算法。该算法首先将环境数据聚类为不同的障碍物,然后利用障碍物的特征匹配来关联相邻2帧的障碍物,最后通过优化位置序列间的方向角实现机器人的位姿估计。与ICP（迭代最近点）算法对比验证表明：该算法与ICP具有相同数量级的位姿估计精度,且明显提高了计算效率。     

模糊聚类分析在舰炮射击目标处理中的应用

舰炮对岸射击中射击目标选取比较复杂,用基于AFS逻辑的模糊聚类分析数学方法对射击目标进行处理,是一种评估战场目标选取的新方法。基于AFS逻辑的模糊聚类分析不仅与人类的思维逻辑类似,而且便于计算机将数据库中的记录转化为人类容易理解和操作的模糊集。作为在数据挖掘中的应用,又给出了基于AFS模糊逻辑的一个新的模糊聚类方法,通过具体的数学模型仿真表明这是一种行之有效的方法。