基于减法聚类与模糊c-均值的模糊聚类的研究

模糊c-均值算法在进行模糊聚类的时候对初始值非常的敏感,初始值设置得不好,就会陷入局部最优解。该文在使用模糊c-均值之前利用减法聚类对其设置初始值,不但能够获得最优解,还能加快收敛速度,并且自动获得最佳的聚类个数。  

基于遗传算法的模糊规则的生成

模糊控制是人工智能的一重要研究领域，已经在很多方面得到了应用。模糊规则是一个智能系统的核心部分，所以模糊规则自动生成的研究一直以来吸引了很多的学者。遗传算法(Genetic Algorithm，GA)是模拟达尔文的遗传选择和自然淘汰的生物进化进程的计算模型，它是一种高度并行的随机化搜索的自适应的组合优化算法。该文提出了一种利用遗传算法自动生成模糊规则的方法，因为遗传算法的全局优化能力，所以可以得到相对较为合适的模糊规则，通过仿真结果，也可以看出它确实是一种切实可行的方法。  

基于混沌加密的小波域音频水印算法

将混沌理论引入到音频水印系统的研究中,设计了一种包含版权信息和密钥的二值图像作为水印,利用混沌序列将其加密后嵌入到原始音频信号的DWT域中。该水印方案包含的版权信息量大,且具有双重的安全性,很难提取出水印信号;即使提取出水印信号,如果不知道密钥,也很难恢复出原始水印图像。对一般的信号处理进行了仿真实验,水印具有很强的鲁棒性。  

基于最佳聚类准则的多级模糊态势评估方法

针对态势评估中评估因素的不确定性、模糊性和模糊集划分、隶属函数需事先给定以及忽略了数据分布特点对评估结果影响的问题,提出了基于最佳聚类准则的多级模糊综合评判态势评估方法。根据最佳聚类准则得到最佳聚类数和聚类中心后完成数据属性的模糊集划分及隶属函数的确定,建立了基于单因素的主因素和加权平均的一级模糊评估模型,利用层次分析法得到所有因素对评估结果的影响权值,并建立所有因素的主因素和加权平均的二级模糊评估模型,将其应用到民航灾难态势评估过程,得到了较好的态势评估结果。通过对两种模型的评价,得出加权平均模型的态势评估结果更准确。  

脱机手写体签名识别的小波包隐马尔可夫模型

提出了一种基于小波包隐马尔可夫的脱机手写体签名识别方法。该方法用小波包对归一化的签名图像进行特征提取,用混合高斯模型刻画各频带的小波包的系数分布,并用隐马尔可夫的状态转移模型描述了高斯模型在各频带间的相关性和依赖性。该方法数据预处理简单,特征提取完全可逆,避免了复杂分割,很好地描述了签名图像的小波包分解的统计特性,实验表明具有较好的抗噪性、鲁棒性、适应性和较高的识别率。  

用于手写签名识别的小波包混合高斯模型

为了解决手写体签名识别中数据预处理复杂、分割困难、特征提取不充分等问题,提出了基于小波包分解与高斯模型的脱机手写体签名识别方法。它对归一化的整个签名图像进行小波包分解,对分解值自动聚类和高斯建模,不但没有去噪、旋转、平移、分割的过程,而且特征提取完全且是可逆的分解过程。实验表明提出方法比其他方法具有更好的抗噪性、鲁棒性、适应性和识别率,为含噪脱机手写体签名识别提供了一种可行的技术解决方案。  

登机过程的建模与仿真优化

随着民航客流量的增加,缩短登机时间成为民航业界急待解决的问题。主要研究了减少登机时间的最佳登机策略。提出登机过程建立数学模型,通过对模型的分析和仿真发现:从后至前和从窗户至过道相结合登机策略与倒金字塔登机策略中当块(block)大小设为1时,登机时间最小,根据上述发现创造性地提出一种新的登机策略。采用新策略可简化登机手续并缩短了登机时间,特别适用于短途航班和繁忙的机场。  

特征驱动的关键词提取算法综述

面向文本的关键词自动提取一直以来是自然语言处理领域的一个关键基础问题和研究热点.特别是，随着当前对文本数据应用需求的不断增加，使得关键词提取技术进一步得到研究者的广泛关注.尽管近年来关键词提取技术得到长足的发展，但提取结果目前还远未取得令人满意的效果.为了促进关键词提取问题的解决，本文对近年来国内、外学者在该研究领域取得的成果进行了系统总结，具体包括候选关键词生成、特征工程和关键词提取三个主要步骤，并对未来可能的研究方向进行了探讨和展望.不同于围绕提取方法进行总结的综述文献，本文主要围绕着各种方法使用的特征信息归纳总结现有成果，这种从特征驱动的视角考察现有研究成果的方式有助于综合利用现有特征或提出新特征，进而提出更有效的关键词提取方法.