一种新的基于距离的感知器算法

分析了模式空间中解向量和法向量的关系,提出了一种新的基于最短距离的感知器算法。并对该算法和最小平方误差法以及变步长学习法进行了分析和比较。结果表明,在线性可分的前提下,该算法有效解决了收敛性的问题,提高了计算速度。     

一种新的基于进化计算的聚类算法

聚类是数据挖掘领域的重要研究内容之一。针对遗传聚类算法较好的稳定性与粒子群优化算法较强的局部搜索能力,在交叉、变异算子后叠加粒子群优化算子的方法实现了二者的结合,提出了GAPSO聚类算法,既保持了遗传算法的稳定性与泛化性的优势,又发挥了PSO算法收敛效率高的特点。通过对10组二维空间上的聚类样本进行实验研究显示,GAPSO聚类算法在收敛效率上显著优于GA聚类算法,在稳定性上优于PSO聚类算法。     

Gift-wrapping based preimage computation algorithm

Based on a classical convex hull algorithm called gift-wrapping, the purpose of the paper is to provide a new algorithm for computing the vertices of a polytope called preimage—roughly the set of naive digital planes containing a finite subset S of Z³. The vertices of the upper hemisphere, the ones of the lower hemisphere and at last the equatorial vertices are computed independently. The principle of the algorithm is based on duality and especially on the fact that the vertices of the preimage correspond to faces of the input set S or of its chords set S?S∪{(0,0,1)}. It allows to go from one vertex to another by gift-wrapping until the whole region of interest has been explored.     

基于Hellinger距离的特征选择算法

针对数据挖掘中的特征选择问题,依据Hellinger距离的特性,研究了两种Hellinger距离的定义方式,提出了基于Hellinger距离的特征选择方法,设计了两种相应的算法。不同数据集上的实验结果表明了新算法选择的特征的有效性。与其他特征选择算法的对比可发现：这两种算法选择的特征个数少且对C4.5分类精度较好。     

基于改进流形距离K-medoids算法

针对空间分布复杂的数据以及空间分布未知的现实数据聚类问题,设计了一种改进流形距离作为不相似测度。该不相似测度可有效利用所有数据点之间的全局一致性,挖掘无类属数据集的空间分布信息。通过使用该不相似测度,提出了基于改进流形距离K-medoids算法。将新算法与基于已有的流形距离和基于欧氏距离的K-medoids算法进行性能比较,对八个人工数据集以及USPS手写体数字识别问题的实验结果表明:新算法针对不同结构的测试数据集,在聚类性能上均优于或接近于另外两种K-medoids算法,并且对于各种分布的,无论简单或复杂,凸或者非凸的数据都可以进行聚类。     

基于w-距离均值的模糊聚类算法

针对模糊C-均值(FCM)算法易陷入局部最优值以及对聚类中心和噪声数据敏感问题,提出了一种基于w-距离均值的模糊聚类算法。首先根据数据自身的分布规律,依据样本间距离均值思想确定初始聚类中心,并引入了调衡因子w来调节距离均值阈值;其次为每个样本赋予权值,并利用样本权值修改了聚类中心公式和目标函数公式,提高了算法的抗噪性;最后实验结果验证了所提算法可以有效地解决聚类效果往往受初始聚类中心的影响的问题,避免了局部收敛,增强了抗噪性,准确率和效率较高。     

基于几何距离的Criminisi图像修复算法

使用Criminisi算法进行大区域纹理图像修复时会出现纹理延续错误的现象。针对该问题,提出一种改进的算法,主要体现在两方面：在修复顺序上,通过分析优先权计算方法,以置信度为主导改进优先权模型;在匹配策略上,结合几何距离关系,采用多块同时修复的策略,通过相似度函数选出各块的3个候选匹配块,引入几何距离修正因子确定各块的最佳匹配块。实验结果表明,该算法较好克服了原算法存在的优先权计算不准确以及匹配策略约束力不够导致的纹理延续修复错误的问题,与典型算法相比,其具有较好的视觉效果。     

基于可拓距的改进k-means聚类算法

针对现有聚类算法在初始聚类中心优化过程中存在首个初始聚类中心点落于边界非密集区域的不足,导致出现算法聚类效果不均衡问题,提出一种基于可拓距优选初始聚类中心的改进k-means算法。将样本经典距离向可拓区间映射,并通过可拓侧距计算方法得到可拓左侧距及可拓右侧距;引入平均可拓侧距概念,将平均可拓左侧距和平均可拓右侧距分别作为样本密集度和聚类中心疏远度的量化指标;在此基础上,给出初始聚类中心选取准则。通过与传统k-means聚类算法进行对比,结果表明改进后的k-means聚类算法选取的初始聚类中心分布更加均匀,聚类效果更好,尤其在对高维数据聚类时具有更高的聚类准确率和更好的均衡性。     

一种基于距离测度的自适应遗传算法

为了提高基于距离测度的自适应遗传退火算法的收敛概率和收敛速度,提出了一种改进的算法,定义基于距离密集度和适应度的自适应变异概率,采用改进的算术交叉操作和模拟退火操作,并在群体趋于一致时保留最优个体,重新产生其他新个体。利用改进的距离测度实数编码遗传算法对带边界约束函数优化问题进行了仿真计算,结果表明该算法收敛概率较高,收敛速度快,是一种有效的算法。     

基于欧氏距离的拐点检测算法

拐点是数字图像中的一个重要信息载体,提出一种新的拐点检测算法,该算法并非寻找连续空间中曲率的离散近似计算方法,而是源于离散曲线的外观特征,推导出离散曲线上拐点处k个点对间欧氏距离平方和局部最小这一重要性质。基于该性质,本算法首先利用Freeman链码的性质过滤掉物体边界上明显不可能成为拐点的象素,然后在剩余的边界点中通过寻找该局部最小值定位出拐点。给出了本算法与四种著名拐点检测算法的对比实验。     

基于距离和密度的d-K-means算法

针对K-means算法对初始聚类中心和噪声敏感的缺点,提出了d-K-means算法（distance & density）,在K-means算法的基础上权衡了密度和距离对聚类的影响,对数据进行加权处理,在权值基础上引入最小最大原则选择初始聚类中心,自动确定类中心个数。实验结果表明,d-K-means算法在低维数据与高维数据上都可以取得较好的聚类效果,并且更好地应对低密度区域数据,更好地进行类中心选择。     

基于几何距离摄动的局部切空间排列算法

局部切空间排列算法（Local Tangent Space Alignment）是一种具有严格数学推理的流形学习算法,能有效地学习出高维数据的低维嵌入坐标,但也存在一些不足,如对近邻点的选取依赖性较强、不适应处理高曲率分布、稀疏分布数据源。针对这些缺点,提出了一种基于几何距离摄动的局部切空间排列算法。利用几何摄动条件把样本空间划分为一组线性分块的组合,在每一个线性块上应用LTSA算法完成降维。实验结果表明了该算法的有效性。     

基于Goldwasser-Micali加密算法的安全子集计算

针对解决集合间的安全子集问题的协议大多只能保护一个集合元素的隐私进行研究。在半诚实模型下,利用布隆过滤器及Goldwasser-Micali同态加密算法构建了一个安全子集计算协议,并使用安全多方计算中普遍采用的模拟范例证明方法证明了协议的安全性。利用布隆过滤器将拥有大量元素或大数域元素的数据集合映射为较小的数据集合,提升协议的效率及适用范围,同时,借助Goldwasser-Micali同态加密算法保证协议的安全性。相关研究大多是基于二次剩余等困难问题,不可抵抗量子攻击,可抵抗量子攻击的安全子集计算是进一步的研究方向。     

Guidance algorithm for complex-shape peg-in-hole strategy based on geometrical information and force control

This paper suggests a solution for peg-in-hole problems involving complex geometry. Successful completion of peg-in-hole assembly tasks depends on a geometry-based approach for determining the guiding direction, fine contact motion control, and a reference force for the alignment/insertion process as well. Therefore, in this study, we propose a peg-in-hole strategy for complex-shaped parts based on a guidance algorithm. This guidance algorithm is inspired by the study of human motion patterns; that is, the assembly direction selection process and the maximum force threshold are determined through the observation of humans performing similar actions. In order to carry out assembly tasks, an assembly direction is chosen using the spatial arrangement and geometric information of complex-shaped parts, and the required force is decided by kinesthetic teaching with a Gaussian mixture model. In addition, an impedance controller using an admittance filter is implemented to achieve stable contact motion for a position control-based industrial robot. The performance of the proposed assembly strategy was evaluated by experiments using arbitrarily complex-shaped parts with different initial situations.     

基于虚拟力的群机器人围捕算法

启迪于物理学中的范例,探讨了基于虚拟力的群机器人围捕算法的原理和方法。制定了详细的系统性能评价指标（稳定时间、层数、层间距离、层中机器人个数、机器人密度等参数）。分析了围捕性能与机器人数量、虚拟力的关系;提出了目标对机器人作用力的分层结构思想,实验显示不仅加快了围捕速度,而且提高了围捕分层的质量;提出了机器人绕目标转动的围捕方法,解决了势场法中常见的局部极点问题,并且大大提高了围捕的速度和质量。设计了一个简单的实体机器人实验证实了围捕算法的可行性,指出了今后的研究方向。     

基于直觉模糊距离的图像配准算法

提出一种基于直觉模糊距离的特征匹配算法.首先,从基准图像和待配准图像中提取特征,并将其直觉模糊化;然后,定义特征间的直觉模糊度量方法,从相似程度和不相似程度2个方面对直觉模糊集间距离进行计算;最后,利用直觉模糊集的排序方法解决特征匹配问题,通过构建匹配矩阵实现特征的匹配.实验表明,所提出的基于直觉模糊集的图像配准方法是有效的.     

基于最大最小距离法的多中心聚类算法

针对k-means算法的缺陷,提出了一种新的多中心聚类算法。运用两阶段最大最小距离法搜索出最佳初始聚类中心,将原始数据集分割成小类后用合并算法形成最终类,即用多个聚类中心联合代表一个延伸状或者较大形状的簇。仿真实验表明：该算法能够智能地确定初始聚类种子个数,对不规则状数据集进行有效聚类, 聚类性能显著优于k-means算法。     

一种改进的基于欧氏距离的SDRSMOTE算法

SMOTE算法可以扩充少数类样本,提高不平衡数据集中少数类的分类能力,但是它在扩充少数类样本时对于边界样本的选择以及随机数的取值具有盲目性。针对此问题,将传统的SMOTE过采样算法进行改进,改进后的过采样算法定义为SDRSMOTE,该算法综合考虑不平衡数据集中全部样本的分布状况,通过融合支持度sd和影响因素posFac来指导少数类样本的合成。在WEKA平台上分别使用SMOTE、SDRSMOTE算法对所选用的6个不平衡数据集进行过采样数据预处理,然后使用决策树、AdaBoost、Bagging和朴素贝叶斯分类器对预处理后的数据集进行预测,选择F-value、G-mean和AUC作为分类性能的评价指标,实验表明SDRSMOTE算法预处理的不平衡数据集的分类效果更好,证明了该算法的有效性。     

TPC基于相关运算的迭代译码算法

Chase-Pyndiah算法（简称C-P算法）为Turbo乘积码（TPC）译码中常采用的算法之一。在C-P算法的基础上,引入一种基于相关运算的迭代译码算法,采用相关作为度量,可以避免复杂的欧氏距离计算;在选择候选码字时引入度量比较的方法,省去了对竞争码字的搜索;通过去除候选码字中相同元素对符号集合进行简化,降低了译码复杂度和译码延时。经算法分析与仿真表明,与已有的软判决算法相比,该算法的译码速度更快而译码性能没有降低,非常适合硬件实现。