基于KNN算法的改进K-means算法

针对于K-means算法的缺点做出了一些改进,提出了一种基于KNN算法改进K-means的算法。改进后的算法解决了K-means算法K值无法确定和数据分类中的不强、易受异常数据干扰的缺点,提高了算法的聚类效果以及削弱初始聚类中心选择的随机性对于聚类结果易陷入局部最优的影响。实验表明,改进后的算法不仅解决了传统算法确定K值的问题,而且聚类结果稳定且聚类效果良好。     

基于PDA的非线性分布式跟踪算法

研究目标不确定性量测、不确定性机动环境下的分布式多雷达跟踪。针对目标未知机动，把交互多式模型算法中的模型样本空间分成若干子集，分别在多个处理器上进行并行滤波，再在融合中的处理器上将各子处理器结果进行交互处理，形成了分布交一线式多模型算法，然后将它与概率数据关联ＰＤＡ相结合，得到了一种新的分布式鲁棒跟踪算法。     

带有不可忽略缺失数据的联合均值与方差模型的贝叶斯估计

对响应变量带有不可忽略缺失数据的联合均值与方差模型的贝叶斯估计问题进行了研究.缺失数据机制通过logistic回归模型来指定,模型参数和缺失数据机制参数的联合贝叶斯估计通过运用MH算法及Gibbs抽样获得,并用数值计算阐明上述方法的可行性.     

基于遗传算法与BP算法的水质评价模型

BP神经网络广泛应用于函数逼近、模式分类、水质评价等方面,但标准BP算法收敛速度较慢,容易陷入局部最优;而遗传算法是一种全局寻优搜索算法,能够有效克服上述缺陷.提出了基于遗传算法与BP算法的混合算法,既保留了神经网络原有的优点,又克服了上述缺点,并建立了水质评价模型.以信阳南湾水库为例进行评价,实验结果表明该混合算法模型评价精度较高.完全可以应用于水质评价工作.     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力。将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解。计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性。     

基于自适应Lasso的缺失数据图模型选择

考虑数据完全随机缺失情形下的高斯图模型选择问题.在惩罚似然方法的框架下,基于自适应Lasso惩罚提出自适应MissGLasso方法,并结合EM算法和GLasso算法对协方差逆阵进行估计.通过模拟发现,与MissGLasso方法相比,自适应MissGLasso方法在图模型选择和协方差逆阵估计上具有较优的表现.     

基于TS模型的非线性系统模糊辨识算法

对一类采样数据较均匀的非线性系统,提出一种基于TS模型的系统辨识算法.首先利用等分区间法对输入空间进行前提结构的划分,并根据所选定的隶属度函数确定每个输入变量在各个模糊子空间中的隶属度,然后利用卡尔曼滤波算法来辨识模型的后件参数.与模糊聚类等辨识算法相比,该算法计算量较小,适用于系统的在线辨识,仿真研究表明该算法具有较高的辨识精度.     

基于切片模型的快速混合学习算法

针对传统BP神经网络训练收敛速度慢、易陷入局部极小点的问题,将遗传算法与误差放大的BP学习算法相结合,提出基于切片模型的快速混合学习算法.该算法通过将传统神经网络的训练过程划分为许多小的训练切片,并利用遗传算法的并行寻优特性,对采用误差放大的BP训练过程进行监督.通过及时发现收敛速率较快的个体和过滤陷入局部极小点的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真实验表明,该算法在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.     

一种快速的预想事故分析算法

为加快安全评定速度，避免预想事故选择中的遮蔽现象，提出了一种对预想事故作多自动筛选，由局部潮流计算实现的大型电力系统预想事故快速分析算法，经ＩＥＥＥ－１４节点系统测试，表明本方法速度快，精度高。     

基于PageRank的用户影响力评价改进算法

为了解决传统微博用户影响力评价算法全面性和客观性差的问题,通过对微博用户影响力的定义和影响因素进行分析,鉴于微博社区网络与web页面网络的拓扑结构有着天然相似性的特点,提出了一种基于PageRank的用户影响力评价改进算法(Self and Followers User Influence Rank)SF-UIR.运用用户追随者数、用户是否认证、用户微博的传播能力三个指标对用户自身影响因素进行了量化,改善了PageRank值对用户影响力评价客观性差的问题.采用权重因子将追随者对其所关注用户的影响力贡献值进行科学的量化分配,解决了追随者影响力等值传递的弊端.与四类主流算法的对比实验结果表明:SFUIR算法同时考虑了基于用户行为的自身影响因素和基于拓扑结构的追随者影响因素,能够有效地解决追随者数量排名算法中的"僵尸粉"干扰问题,能比平均转发数算法更真实地反映用户的影响力高低,能有效规避K-覆盖度算法中未考虑微博用户自身行为特征和将所有的追随者都一视同仁的严重缺陷,能极大地改进PageRank算法单纯依赖追随者数量和追随者质量的不足,从而能够更加全面、更加客观地反映微博用户的影响力.     

基于K均值聚类的定位算法分析

在描述了聚类算法的基本思想和概念的基础上,介绍了一种常见的聚类算法—K均值和K中心点聚类算法,通过处理认知无线电网络中主用户定位在海量数据中应用K均值聚类算法,对该算法进行分析,仿真结果表明:与传统的主用户定位算法相比,使用K均值聚类算法能够有效地提高定位精度和降低定位算法的复杂度.     

阵元位置误差校正Toeplitz预处理算法

MUSIC等为代表的高分辨DOA算法通常以精确已知的理想阵列模型为前提,由于实际天线阵列的位置误差必然存在,因此算法的性能必将受到严重的影响,甚至失效.本文通过深入分析阵列位置误差对阵列接收数据协方差矩阵的影响,提出了一种基于对接收数据协方差矩阵作Toep litz预处理来校正阵列位置误差的方法,同时结合特征值重构方法进行联合迭代运算,以便更加有效地抑制阵列位置误差的影响.理论分析和计算机仿真表明,所提方法能够有效地改善MUSIC算法的稳健性,提高多目标信号的角度分辨能力.     

基于距离测度的实数编码自适应遗传退火算法

提出一种基于距离测度的实数编码自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.空间距离密集度越高的个体,其交叉概率和变异概率也越高.算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明该算法有效.     

基于最小化测量误差的被动定位算法

借助传感器各自的坐标位置及其三角函数关系,推导出了各个传感器之间测量值的约束关系式．然后将传感器测量误差作为变量构造目标函数,通过拉格朗日-牛顿最优化方法最小化测量误差．使用这些误差修正测量值,取得了较好的目标定位结果．该算法不需要设置目标位置初值,定位结果不会发散,并且具有较高的定位精度．仿真实验结果验证了该算法的有效性．     

一种改进迭代误差分析端元提取算法

迭代误差分析(IEA)算法是应用比较广泛的端元提取算法之一,针对IEA端元提取算法计算量大的缺点,从减少参与迭代过程中的像元数目进行改进。根据凸面几何理论,混合像元位于其端元构成子空间内部,这部分像元到其端元正交子空间(OSP)投影值理论上为零,在迭代求下一个端元过程中,可以将这部分无用像元去除,从而减少每步迭代过程像元数目。采用模拟数据和真实高光谱数据进行实验,证明改进算法与原算法提取端元精度相同,随着端元提取个数的增多,参与迭代过程的像元数目逐次减少,比原始的IEA端元提取算法减少了计算时间。     

基于混沌搜索的混和粒子群优化算法

所提出的算法将粒子群优化算法和混沌算法相结合，既摆脱了算法搜索后期易陷入局部极值点的缺点，同时又保持了前期搜索的快速性，最后通过4个测试函数将该算法与基本粒子群算法进行仿真对比，比较结果表明基于混沌搜索的混和粒子群优化算法在收敛性和稳定性等方面明显优于基本粒子群优化算法．     

基于混沌搜索的混和粒子群优化算法

所提出的算法将粒子群优化算法和混沌算法相结合,既摆脱了算法搜索后期易陷入局部极值点的缺点,同时又保持了前期搜索的快速性.最后通过4个测试函数将该算法与基本粒子群算法进行仿真对比,比较结果表明基于混沌搜索的混和粒子群优化算法在收敛性和稳定性等方面明显优于基本粒子群优化算法.     

基于贝叶斯算法的二值化算法

针对在图像二值化过程中动态选取阈值难的问题,在分析了全局阈值法和局部阈值法各自优缺点的基础上,提出了一种基于贝叶斯算法的全局阈值法和局部阈值法相结合的二值化方法。经实验证明,该方法既能够有效地消除光照不均匀对图像的影响,较好地保留目标图像的细节,又能够有效地消除伪影,提高处理速度。