雷达组网航迹灰色关联方法

针对雷达组网航迹关联问题,提出了一种基于灰色区间相对支持度的解决方法。通过分析雷达量测值与目标真实值之间的不确定关系,提出利用相对确定的区间数来处理测量误差的影响,在不同纬度区间数的基础之上构建灰色区间,通过计算灰色区间相对支持度,构建灰色区间相对支持度矩阵,将相对支持度最大的两个灰色区间作为判断航迹关联的依据。实例表明,该方法能够较好地解决组网雷达航迹关联问题。     

数据集的分形维数及其算法实现

基于数据库和数据挖掘等应用领域的需求,介绍了计盒维数和广义分形维数的定义,重点介绍了基于多层网格结构的分形维数的线性计算算法,并对算法的数据结构提出了改进方案.新的数据结构保持了算法的线性,降低了算法的空间复杂性,有效提高了算法的效率.     

基于关联维数的超声Lamb波损伤成像

研究了混沌分形理论的一种特征参数——关联维数的定义计算及参数选择。提出了一种基于关联维数的板状复合材料超声兰姆(Lamb)波损伤检测方法。通过计算采集健康与无损信号的关联维数,对比其数据差异,作为一种损伤指标,用于概率成像算法的损伤位置定位成像。利用有限元分析进行模拟实验研究,结果表明,提出的算法能准确对复合材料脱层缺陷进行定位成像。     

基于关联维数的空气开关声音信号特征分析

该文以空气开关在操作过程中的声音信号为对象,根据G-P算法阐述了空气开关声音信号关联维数的计算方法,并定量地分析了不同的噪声强度对计算关联维数的影响。通过计算表明,关联维数能够有效分辨空气开关机械机构的正常与异常状态,可以充当空气开关状态检测的特征参量。     

基于频率分布函数的异类数据关联

针对序列类数据不能直接与区间类数据进行关联的问题,提出了基于频率分布函数的序列、区间异类数据关联算法。对序列类数据进行频数计算形成频率分布函数,利用检测门限进行频数点检测,将通过检测的频数点作为区间中点,计算每个频数点的初始方差形成区间端点,最后形成一组区间,实现了利用区间数据表示序列类数据的目的。再根据区间多属性关联的方法计算区间关联度,以关联度作为指标进行数据关联。仿真实验验证了该算法对序列、区间异类数据关联的有效性,得到了满意的关联结果。     

基于关联维数的高压电机定子绕组局部放电信号模式识别

提出了利用分形理论对高压电机定子绕组局部放电信号进行处理的方法,得到局部放电信号的关联维数,并将其作为特征参量对几种典型的局部放电信号进行模式识别。局部放电信号是非线性、非平稳随机信号。因此采用非线性理论中的分形理论对其进行分析,即计算关联维数。考虑到相空间重构中嵌入维数和时间延迟对关联维数精度的影响,采用联合算法确定2个参数。仿真结果表明,关联维数用于局部放电信号模式识别是行之有效的。     

一种新的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,本文将区间算法和遗传算法进行融合,给出了一种区间-遗传算法,该算法保留了传统区间优化算法简单、对问题本身信息要求不高的优点.重要的是在每次迭代中区间算法为遗传算法的搜索提供可靠区域,同时遗传算法为区间算法的区间分裂提供了一个方向、为区间删除给出了问题全局最优解的一个上界.最后给出了算法的收敛性证明,数值实验表明该算法相比传统区间优化算法有较高执行效率.     

基于矩阵的Apriori改进算法研究

针对关联规则中Apriori算法的不足之处,提出两种基于矩阵的Apriori改进算法.改进算法充分利用矩阵这一工具,以大幅度减少扫描数据库的次数和计算成本,进而有效提高算法的运算效率.同时,通过实例应用和算法性能分析证明所提出的两种改进算法都是有效的关联规则挖掘方法,且比Apriori算法具有更好的性能.     

分数阶傅里叶变换的快速计算新方法

本文提出了一种分数阶傅里叶变换(FRFT)高分辨(Zoom-FRFT)算法,通过设置谱区间和输出点数M,可实现任意局部谱的高分辨计算.随后,针对M很小时Zoom-FRFT运算效率低的问题,提出了基于Horner的单点快速计算(SP-FRFT)方法,并针对零点计算做出进一步简化.利用SP-FRFT可提高少量点输出时的计算效率,也可用于非均匀采样点计算.仿真结果验证了算法的有效性.     

用平行四边形阵列实现闭环形式2维角估计

提出了适用于平行四边形阵列的２维酉ＥＳＰＲＩＴ方法,它是一种闭环形式的高分辨算法,对信号源方位角和仰角估计实现自动配对。给出了两类酉变换矩阵,将复数域的矩阵运算转换到实数域。除了初始变换和最后维数等于信号个数的矩阵特征分解外,整个过程都采用高效的实值计算。最后对算法做了一阶近似渐进性能分析。仿真结果表明算法是有效的。     

一种利用均匀圆阵对称特性的近场源酉变换估计算法

针对现有均匀圆阵的近场源三维参数估计算法运算量大的缺点,提出了一种基于均匀圆阵对称特性的近场源酉变换估计算法。该算法利用均匀圆阵对称特性将阵列导向矢量进行酉变换和对角化分离处理,消除距离参数,把三维搜索问题化简为二维搜索问题,同时把复值方向矢量转化为实值方向矢量。计算机仿真结果显示,所提算法估计性能优于相关序列降维估计方法,与三维多重信号分类算法性能相当,且通过矩阵分离降维和实值化处理,减少了运算量,有利于工程实时处理。     

一种实用的混沌信号相关维的提取算法

分形维是混沌信号的一个重要参数,在确定分形维时,通常需要确定线性尺度区,然而线性尺度区的确定仍然是分形维提取算法中的一个富有挑战性的问题,线性尺度区的准确性,将直接影响分形维的准确性.本文对此问题进行了比较深入的研究,较好地解决了线性尺度区的选择问题,并基于GP算法给出了一套完整的相关维提取算法.该算法不仅运算量小、精度高、抗噪声干扰的能力较强,而且完全实现了对相关维的自动提取.     

融合耦合距离区分度和强类别特征的短文本相似度计算方法

短文本相似度计算在社会网络、文本挖掘和自然语言处理等领域中起着至关重要的作用.针对短文本内容简短、特征稀疏等特点,以及传统的短文本相似度计算忽略类别信息等问题,提出一种融合耦合距离区分度和强类别特征的短文本相似度计算方法.一方面,在整个短文本语料库中利用两个共现词之间的距离计算词项共现距离相关度,并以此来对词项加权从而捕获词项间内联和外联关系,得到短文本的耦合距离区分度相似度;另一方面,基于少量带类别标签的监督数据提取每类中强类别区分能力的特征项作为强类别特征集合,并利用词项的上下文来对强类别特征语义消歧,然后基于文本间包含相同类别的强类别特征数量来衡量文本间的相似度.最后,本文结合耦合距离区分度和强类别特征来衡量短文本的相似度.经实验证明本文提出的方法能够提高短文本相似度计算的准确率.     

改进粒子群算法在频谱功率分配中的应用

在认知无线电中,由于次用户干扰门限要求的存在,传统频谱功率分配方式获得的次用户有效信道容量较低。针对这一问题,提出了一种基于粒子群算法的频谱功率分配算法。首先建立基于干扰距离的认知网络干扰模型,将频谱功率分配问题转化为函数优化问题,并借助混合随机变异思想的粒子群算法进行求解;针对寻优过程中的约束问题,提出了一种基于投入产出比的外点法,保证粒子群在可行域中寻优,最终获得频谱功率分配。仿真结果表明,与传统算法相比,所提算法能够获得较高的次用户有效信道容量。     

基于秩2更新的多维数据流典型相关跟踪算法

 现存的多维数据流典型相关分析(Canonical Correlation Analysis,简称CCA)算法主要是基于近似技术的求解方法,本质上并不是持续更新的精确算法.为了能在时变的环境中持续、快速而精确地跟踪数据流之间的相关性,本文提出一种多维数据流典型相关跟踪算法TCCA.该算法基于秩2更新理论,通过并行方式持续更新样本协方差矩阵的特征子空间,进而实现多维数据流典型相关的快速跟踪.理论分析及仿真实验结果表明,TCCA具有较好的稳定性、较高的计算效率和精度,可以作为基本工具应用于数据流相关性检测、特征融合、数据降维等数据流挖掘领域.     

混沌信号相关维提取的一种改进方法

相关维是描述混沌信号的一个重要参数,论文对相关维提取算法进行了深入的研究,结合流行的GP算法给出了一种提取相关维的改进算法。该算法具有运算量小、精度高、尺度选择盲目性小等特点。     

基于核典型相关分析的字符识别

介绍一种基于核典型相关分析(KCCA)的字符识别方法.首先选取核函数将低维数据映射到高维空间,再利用典型相关分析(CCA)的思想对数据进行降维,最后利用分类器对降维后的数据进行分类识别.通过对MINST手写数字字符库的实验结果表明,利用KCCA对特征数据进行降维后,能够在新的特征空间中寻找到较好的线性模型,即新特征能够被较好地分类识别.     

RX及其变种在高光谱图像中的异常检测

为了提高核RX算法在高光谱图像异常检测中的稳定性,将核矩阵正则化,并提出正则化的核RX算法(rkRX)。将规范化后的正则化RX算法和正则化的核RX算法融合改进,称为融合RX算法(mRX),该算法同时考虑了原始线性空间和高维特征空间的异常检测结果,使异常检测效果更加稳定。在仿真图像和真实高光谱图像的实验中,上述2种算法与原始的RX、正则化RX(rRX)和核RX(kRX)3种算法进行了比较,使用了双窗口技术和核主成分分析(KPCA)进行特征提取和基于高阶统计量的特征选择作为预处理来降低数据维数,并在未降维数据上比较上述5种算法。最后,使用ROC曲线评价检测效果,结果表明:提出的2种算法提高了检测效果并具有一定鲁棒性。