基于模糊聚类算法的故障数据分析与类型识别

为精确分析测量系统故障数据和识别故障类型,提出一种基于模糊聚类算法的故障数据分析方法。该方法首先用小波变换有效地检测出系统故障的微弱非线性不规则信号,再用模糊聚类的方法对故障进行分类识别。由于该算法在目标函数中加入隶属度函数,同时定义明可夫斯基的距离测度,因此能够克服K-means算法不适用于进行非凸形状的聚类的缺点,从而使诊断的数据更加精确。     

第二代小波及压缩算法在数据处理中的应用

为消除误差和随机干扰对测量数据的影响,提出利用第二代小波提升算法对原始测量数据进行去噪处理,再利用基于第二代小波原理的数据压缩算法对测量数据进行不失真压缩。两种方法结合运用,可以在保留数据特征及精度的基础上,降低数据量,提高工作的速度和质量。     

D-S证据理论在目标特征数据分析中的应用

为解决空中目标识别问题,引入特征值这一概念。Dempster-Shafer证据理论是不确定推理的重要方法,通过Dempster合成规则将不确定性信息进行重新分布,将来自测量分系统的目标特征值,通过D-S证据理论进行融合,应用于目标识别。实验结果表明该方法误判率低、分类精度高,能较好地实现空中目标的分类。     

基于模糊聚类算法的故障数据分析与类型识别

为精确分析测量系统故障数据和识别故障类型．提出一种基于模糊聚类算法的故障数据分析方法。该方法首先用小波变换有效地检测出系统故障的微弱非线性不规则信号,再用模糊聚类的方法对故障进行分类识别。由于该算法在目标函数中加入隶属度函数,同时定义明可夫斯基的距离测度．因此能够克服K-means算法不适用于进行非凸形状的聚类的缺点．从而使诊断的数据更加精确。     

D—S证据理论在目标特征数据分析中的应用

为解决空中目标识别问题．引入特征值这一概念。Dempster—Shafer证据理论是不确定推理的重要方法．通过Dempster合成规则将不确定性信息进行重新分布,将来自测量分系统的目标特征值．通过D—S证据理论进行融合,应用于目标识别。实验结果表明该方法误判率低、分类精度高,能较好地实现空中目标的分类。     

非等精度光测设备交会测量的数据处理

针对目前在目标外弹道测量过程中出现的测量数据使用率低、测量结果数据丢失的问题,提出以双站交会测量结果为基础,依据最优因子确定方法,对双站交会测量的加权因子进行实时优化,并使用非等精度加权平均法计算出目标外弹道。仿真结果表明,该方法相对于传统双站交会测量方法,可以有效提高数据的完整性和目标飞行航迹的连续性,为后续的分析、处理工作能高效、顺利地进行提供有力的技术保障。     

第二代小波及压缩算法在数据处理中的应用

为消除误差和随机干扰对测量数据的影响．提出利用第二代小波提升算法对原始测量数据进行去噪处理．再利用基于第二代小波原理的数据压缩算法对测量数据进行不失真压缩。两种方法结合运用．可以在保留数据特征及精度的基础上,降低数据量,提高工作的速度和质量。