综合运用模式识别与回归分析的数据融合算法

在混合式系统融合框架下,提出综合运用模式识别和回归分析的数据融合算法．在融合中心,首先处理的是各目标航迹起始段的本地航迹,其次是经粗处理的原始测量．基于模式相似性测度分析形成起始段的融合航迹,并利用融合航迹信息对原始测量数据进行回归分析,估计融合点和置信区间,跟踪滤波形成航迹．通过仿真实验,验证了算法的有效性和实用性．     

基于GB的陀螺漂移组合预测模型

针对目前单一预测模型预测精度不高,使用范围受限的不足,利用D-S证据理论在数据融合中的优点,把证据推理(ER)与支持向量回归机预测理论有机结合建立了组合预测模型,提出了基于ER的组合预测算法,并以陀螺仪为例,实现了漂移预测.结果表明,该模型与算法是可行且有效的.

     

基于Vague集的多传感器目标识别方法

采用Vague集来表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法,建立Vague集表达的多目标模型数据库,并定义两Vague值之间的贴近度,利用多目标规划模型客观地确定各特征的权重,根据综合贴近度给出目标识别算法.实例分析表明了算法的有效性.

     

一种基于改进粒子滤波的多目标跟踪算法

针对复杂背景环境下的多目标跟踪问题,论述了主要的数据关联技术,将目标检测算法与粒子滤波相结合,利用颜色直方图作为观测模型,并利用全领域(GNN)算法进行数据关联,提出一种改进的基于粒子滤波的多目标跟踪算法,实现了视频场景中的多个目标跟踪.该算法对于目标在场景中的频繁出现和消失,相似外表,交叉运动和短暂遮挡等均有较好的处理效果.

     

结构复杂数据的半监督聚类

基于成对限制,提出一种半监督聚类算法（ＳＣＣＤ）,它能够处理存在多种密度结构复杂的数据且识别任意形状的簇．利用成对限制反映的多密度分布信息计算基于密度的聚类算法（ＤＢＳＣＡＮ）的邻域半径参数Ｅｐｓ,并利用不同参数的ＤＢＳＣＡＮ 算法处理复杂形状且密度变化的数据集．实验结果表明,ＳＣＣＤ 算法能在噪声环境下发现任意形状且多密度的簇,性能优于已有同类算法．

     

累积量测序列的区间云变换及识别

目标多属性序列类数据不能直接与数据库中的区间类数据融合识别, 对此, 提出一种基于云变换的序列-区间异类数据识别算法. 对目标多属性序列数据进行频数计算形成频率分布函数, 并进行虚警检测, 实施云变换形成云簇, 提取云簇特征, 再根据3 En 准则形成云滴区间, 实现了序列型数据的区间化表示. 进一步, 利用一种区间多属性识别判定准则进行识别判定, 得到识别结果, 解决了序列-区间异类数据的识别问题. 仿真实验结果验证了该算法对序列-区间异类数据识别的有效性.

     

一种基于属性关系的特征选择算法

对于包含大量特征的数据集, 特征选择已成为一个研究热点, 能剔除无关和冗余特征, 将会有效改善分类准确性. 对此, 在分析已有文献的基础上, 提出一种基于属性关系的特征选择算法(NCMIPV), 获取优化特征子集, 并在UCI 数据集上对NCMIPV 算法进行性能评估. 实验结果表明, 与原始特征子集相比, 该算法能有效降低特征空间维数, 运行时间也相对较短, 分类差错率可与其他算法相比, 在某些场合下性能明显优于其他算法.

     

基于EMD和灰关联技术的航迹关联方法

针对分布式多传感器融合多目标跟踪系统,提出一种基于经验模态分解(EMD)和灰关联技术的航迹关联方法.首先采用EMD 方法将各传感器的航迹信息分解为多个固有模态函数(IMF)之和;然后以各IMF 构成矩阵,对其进行奇异值分解;再以奇异值作为各航迹的特征向量,计算特征向量间的灰关联度;最后通过各关联度的融合,得到航迹正确关联的结果.典型情况下的仿真结果表明,与加权法相比,该方法能有效地用于航迹关联.

     

基于快速聚类分析的支持向量数据描述算法

针对数据中存在的噪声对数据描述建模的影响, 提出一种基于快速聚类分析的支持向量数据描述算法. 该算法通过快速聚类分析算法对所要建模的数据进行预处理, 通过预处理快速剔除数据中存在的影响建模的噪声; 然后再将基于??NN算法计算获得的权重值加权在每一个数据上, 进行支持向量数据描述算法的建模. 在标准数据集上的实验分析表明, 所提出的支持向量数据描述算法较传统的支持向量数据描述算法和密度驱动支持向量数据描述算法在准确度上具有较明显的提升.

     

含正负项目的基于位串频繁项集挖掘算法研究

对频繁模式树中的每个节点引入一个位串存储前缀路径,提出了包含正负项目的频繁模式树的构造方法,它不需要反复遍历节点就可获得包含正负项目的频繁项集．与直接使用ＦＰ ｇｒｏｗｔｈ算法相比,无需对原始数据库进行负项目的扩展,也不用再构造并销毁额外的数据结构,只需在原始的频繁模式树上修改,因而在时空开销上都具有一定的优势．实验表明,所提出的算法比现有的同类挖掘算法和直接ＦＰ ｇｒｏｗｔｈ算法具有更好的效率．

     

基于离散小波变换的数据库水印检测算法

为了克服空域水印技术的不足,提出一种基于离散小波变换的关系数据库水印算法.根据过滤规则,从关系数据库中抽取某一类的数据,组成二维信号,将水印嵌入到二维信号的小波域中.使用该算法嵌入的数字水印具有很好的隐蔽性,对原始载体的影响很小.同时,嵌入的数字水印具有较好的鲁棒性,常规的数据库的处理方法对其影响较弱.

     

冲突再分配ＤＳｍＴ及解决证据间矛盾的新方法

ＤＳｍＴ 在处理多证据信源融合时,存在冲突焦元置信指派不合理增长,主焦元基本置信指派不合理收敛的问题,使决策困难．首先分析问题产生的原因,对ＤＳｍＴ 组合公式给出了改进意见,提出一种冲突再分配的ＤＳｍＴ 组合公式;然后针对多证据融合时证据间存在矛盾的问题,提出一种基于冲突率的折扣算法,修正置信指派．算例分析表明,采用上述算法可使主焦元基本置信指派得到合理收敛,冲突焦元得到合理处置,融合结果有利于决策．

     

堆叠隐空间模糊C 均值聚类算法

基于极限学习机理论, 将主成分分析技术与ELM特征映射相结合, 提出一种基于主成分分析的压缩隐空间构建新方法. 结合多层神经网络学习方法对隐空间进行多层融合, 进一步提出了堆叠隐空间模糊C 均值聚类算法,从而提高对非线性数据的学习能力. 实验结果表明, 所提出算法在处理复杂非线性数据时更加高效、稳定, 同时克服了模糊聚类算法对模糊指数的敏感性问题.

     

一体化中包计划模型与算法

描述了一体化中包计划问题,归纳了炼钢 连铸 热轧及下游工序的一体化工艺规程,建立了以优化中包数、工艺附加成本和各流向产能平衡为目标的多目标优化模型．基于策略和加权和方法处理多目标优化问题,针对模型设计了基于７种邻域结构和局部迭代搜索方法的改进型变邻域深度搜索算法和改进型简化变邻域搜索算法．通过实际数据仿真,将两种算法与启发式算法进行对比,同时对两种算法进行性能分析,其结果验证了所提出模型和算法的有效性．

     

多元系统耦合带遗忘因子有限数据窗递推最小二乘辨识方法

针对多元线性或非线性回归系统, 将耦合辨识思想与带遗忘因子有限数据窗辨识理论相结合, 提出一种耦合带遗忘因子有限数据窗递推最小二乘辨识算法. 该算法每次递推计算时既不涉及矩阵求逆运算, 又可以克服数据饱和现象, 因此, 该算法不仅计算效率高, 而且可以快速地跟踪时变参数, 获得精确的参数估计. 通过辨识基于多元模型的永磁同步电机参数的实例, 验证了所提出算法的有效性和实用性.

     

时间序列数据降维及特征表示新方法

数据降维和特征表示是解决时间序列维灾问题的关键技术和重要方法, 它们在时间序列数据挖掘中起基础性作用. 鉴于此, 提出一种新的时间序列数据降维和特征表示方法, 利用正交多项式回归模型对时间序列实现特征提取, 结合特征序列长度对时间序列的拟合分析结果, 运用奇异值分解方法对特征序列进一步降维处理, 进而得到保存大部分信息且维数更低的特征序列. 数值实验结果表明, 新方法可以在维度较低的特征空间下取得较好的数据挖掘聚类和分类效果.

     

基于Multi-kernel 和KRR的数据还原算法

由于数据被核化后不能还原, 使核方法的应用受到局限. 对此, 提出一种基于Multi-kernel 和KRR的数据还原算法. 首先, 通过同类数据中已知数据进行多次核化迭代, 使已知数据在超高维欧氏空间中呈线性; 然后, 利用已知数据对同类未知数据进行线性表示, 并以Kernel ridge regression (KRR) 算法进行未知数据的回归; 最后实现数据还原. 选取Iris flower 和JAFFE 两类数据集进行还原实验, 实验结果表明, 所提出的算法可以有效地还原未知数据, 而且在其他领域的应用也有较好的效果.

     

两种求解非正定核Laplac-SVR的SMO算法

提出２种用于求解非正定核Ｌａｐｌａｃｅ ＳＶＲ 的序列最小最优化（ＳＭＯ）算法．第１种算法仅针对Ｌａｐｌａｃｅ ＳＶＲ而设计;第２种算法将Ｌａｐｌａｃｅ ＳＶＲ 作为所要解决问题的一种特殊情况,使算法更具通用性．所提出的算法在保证收敛的前提下,使非正定Ｌａｐｌａｃｅ ＳＶＲ 能够达到比较理想的回归精度,具有一定的理论意义和实用价值．

     

一种时间自适应阈值的小波包改进语音增强算法

针对传统小波语音增强算法存在过度阈值处理的问题,提出一种改进的时间自适应阈值小波包去噪算法.该方法采用听觉感知小波包对噪声语音进行分解,得到小波包听觉感知节点上的系数,并基于语音存在概率估计按帧自动调节去噪阈值.因改进的阈值能更好地避免语音小波包系数被过度阈值处理的情况,从而在抑制噪声的同时保留了更多的原始语音成分,进一步提高了降噪效果.实验结果表明,该算法比常规小波自适应阈值算法能得到更清晰的语音增强信号.

     

二元传感器网络目标定位与跟踪研究

传感器的通信带宽和能量资源有限使传统的位置测量传感器的应用受到了限制,对此,选择利用二元传感器网络进行相应的研究．基于二元传感器传送信息量少的特性,提出一种新的二元传感器网络目标定位与跟踪算法．仿真结果表明,该算法在传感器个数和探测半径较大、采样周期较短的情况下较质心算法具有更好的性能．