结合共享近邻和流形距离的自适应谱聚类算法

谱聚类算法是建立在图论的基础上,将聚类问题转化为图的划分问题,能识别任意形状的类簇且易于实现,因此比传统聚类算法具有更强的适应性。然而,该算法中常用的距离度量不能同时考虑全局和局部一致性,且易受到噪声影响;聚类结果依赖由输入数据构造的相似度矩阵,且通过特征分解得到松弛划分矩阵和离散化过程的两步独立策略难以得到一个共同最优解。因此,提出一种结合共享近邻和流形距离的自适应谱聚类算法(SNN-MSC),引入一种新的具有指数项和比例因子的流形距离,可以灵活调整同一流形内数据的相似度和不同流形之间数据的相似度之比,并将密度因子纳入流形距离度量中,以消除噪声影响;采用共享近邻重新定义相似度度量,能挖掘数据点之间的空间结构和局部关系;同时,对拉普拉斯矩阵施加秩约束,使相似度矩阵中的连通分量完全等于簇个数,能够在优化求解过程中自适应优化数据相似度矩阵和聚类结构,无须再进行离散化操作。在人工数据集和UCI真实数据集上的对比实验显示,所提算法在多个聚类有效性指标上能体现出更好的性能。     

结合双流特征融合及对抗学习的图像显著性检测

为实现图像显著区域或目标的低级特征与语义信息有意义的结合,以获取结构更完整、边界更清晰的显著性检测结果,提出一种结合双流特征融合及对抗学习的彩色图像显著性检测(SaTSAL)算法.首先,以VGG-16和Res2Net-50为双流异构主干网络,实现自底向上、不同级别的特征提取;之后,分别针对每个流结构,将相同级别的特征图送入卷积塔模块,以增强级内特征图的多尺度信息;进一步,采用自顶向下、跨流特征图逐级侧向融合方式生成显著图;最后,在条件生成对抗网络的主体框架下,利用对抗学习提升显著性检测结果与显著目标的结构相似性.以P-R曲线、F-measure、平均绝对误差、S-measure为评价指标,在ECSSD,PASCAL-S,DUT-OMRON以及DUTS-test 4个公开数据集上与其他10种基于深度学习的显著性检测算法的对比实验表明,SaTSAL算法优于其他大部分算法.     

基于LPC2478的LCD驱动模块设计与实现

提出采用LPC2478作为处理器,设计并实现了一款智能LCD驱动模块.该模块的全部指令及下载数据均由串口发送,模块支持中英文混合显示以及多种显示模式,并提供了大容量的图片存储空间和可扩展的字库存储空间,便于用户使用.同时,快速、及时的图象处理功能,能满足客户的使用要求.软件系统采用uC/OS+uC/GUI作为主程序.给出了LCD模块硬件系统框图;并论述了自定义串口命令及其详细内容.     

邯钢贮运中心综合煤焦库螺旋卸车机技术的开发应用

本文对邯钢引进的JZQQLX80型桥式汽车螺旋卸车机技术进行介绍。概括阐述引进的螺旋卸车机的工艺流程、主要参数及加重型大车、加重型螺旋卸车装置和加重型螺旋起升机构等部件关键的技术特点。     

一种用于极紫外多层膜反射率测量的平台

一种用于紫外多层膜反射率那0量的样品台，由步进电机驱动．其构成由三个部分：机械系统，计算机控制系统，单片机控制系统．最后对极紫外多层膜进行了测量，结果显示该系统满足使用要求，运行可靠．     

自适应聚类中心策略优化的密度峰值聚类算法

密度峰值聚类算法（DPC）是一种简单高效的无监督聚类算法,能够快速找到聚类中心完成聚类。该算法通过截断距离定义局部密度未考虑样本点的空间分布特征;通过决策图选择聚类中心点,具有较强人为主观性;在分配样本点时采用单一分配策略,易产生连带错误。因此提出一种自适应聚类中心策略优化的密度峰值聚类算法（ADPC）,采用共享近邻定义两点之间的相似性度量,重新定义了局部密度,使局部密度反应样本间的空间分布特征;通过相邻点之间斜率差分确定样本密度ρ与相对距离δ的乘积γ值的“拐点”,并对γ进行幂函数变换,以提高潜在聚类中心与非聚类中心的区分度,利用决策函数确定潜在的聚类中心,再通过潜在聚类中心之间距离均值自适应确定真实聚类中心;优化了非聚类中心点的分配策略。通过在UCI以及人工数据集上进行实验,该算法都可以自适应准确选定聚类中心,且在一定程度上提高了聚类性能。     

曲率单调的组合二次 Phillips q-Bézier 曲线

Phillips q-Bézier 曲线是一类包含 q-整数的广义 Bézier 曲线。针对二次 Phillips q-Bézier 曲线的曲率单调条件,从代数和几何两方面进行了研究,构造出曲率单调的二次 Phillips q-Bézier 曲线及曲率单调递减的组合二次 Phillips q-Bézier 曲线。首先,通过曲线曲率的坐标表示,探究代数形式的曲率单调条件,定义曲率单调包围圆,给出二次 Phillips q-Bézier 曲线具有单调曲率的几何充要条件。当形状参数 q=1 时,Phillips q-Bézier曲线退化为经典的 Bézier曲线,因此上述曲率单调条件包含经典二次 Bézier曲线的结果。其次,讨论二次 Phillipsq-Bézier 曲线间的 G 2 光滑拼接条件及条件中的各个参数对拼接曲线的影响。再次,对于给定首末控制顶点的曲线,选择合适的中间控制顶点,求得使其具有单调曲率时形状参数的取值范围,构造出曲率单调的单条二次Phillips q-Bézier 曲线。进而,构造出同时满足 G 2 拼接与曲率单调递减的组合二次 Phillips q-Bézier 曲线。最后,利用曲率单调递减的组合二次 Phillips q-Bézier 曲线,构造出具有包含关系的两圆之间的缓和曲线。数值实例显示了组合二次 Phillips q-Bézier 曲线的造型优势和灵活性。     

基于知识粒度的粗糙集的不确定性度量

粗糙集的不确定性与其所在近似空间知识粒度的大小密切相关.提出了近似空间中集合的相对知识粒度的概念.基于相对知识粒度的粗糙集的粗糙性度量既刻画了近似空间对粗糙集不确定性的影响,又去除了负域的干扰.从边界熵的角度提出了一种粗糙集的模糊性度量.随着近似空间知识粒的细分,粗糙集的粗糙度与模糊度均单调递减.