基于相似度的无线传感器网络数据复原汇聚方法

针对现有数据复原汇聚算法的复原汇聚精度低和对网络噪声干扰的稳健性差等不足,提出了一种基于相似度的无线传感器网络数据复原汇聚算法。该算法在分布式数据汇聚模型的基础上,利用重心距离和相关系数来衡量各簇节点感知数据的受攻击程度,并把两者统一在加权系数中,通过加权运算提高了算法的数据复原汇聚精度。此外,利用相关系数对噪声干扰敏感的特点提高了算法对网络噪声干扰的稳健性。理论分析和仿真结果表明,新算法的性能优于现有数据复原汇聚算法。     

基于卡方拟合度的无线传感器网络数据复原汇聚方法

在无线传感器网络（ WSNs）中,现有的数据复原汇聚算法不能准确判断节点感知数据的受攻击程度,数据复原精度偏低,故提出了一种基于卡方拟合度的分布式数据复原汇聚算法。该算法根据不同时刻节点感知数据的时间相关性特点来构造各节点信任权值计算当前时刻各簇数据样本的估计值,并利用卡方拟合度来衡量此时各个簇的受攻击程度,最后通过加权运算提高了算法的数据复原精度。另外,由于卡方拟合度能够准确感知数据的细微波动,该方法对网络噪声干扰的稳健性有很大提高。仿真结果表明：该算法的数据复原汇聚精度大幅度提高,优于现有数据复原汇聚算法。     

有效的图像滤波算法

利用灰色关联度的特性和阿尔法均值滤波算法的优点,提出一种基于改进灰色关联度和阿尔法Alpha均值滤波的噪声图像的自适应滤波算法。该算法采用灰色关联度自适应地确定滤波窗口的加权系数值,改善算法的滤波性能。实验结果表明算法对受到高斯噪声和混合噪声干扰的图像进行去噪能取得较好的滤波效果,同时还保护了原始图像的细节信息。     

基于灰色关联度的图像自适应中值滤波算法

研究图像去噪是图像处理中一个重要的课题。传统去除高斯噪声的方法是均值滤波,均值滤波方法模糊了图像的细节信息,中值滤波虽然能较好的保护图像的细节信息但滤除高斯噪声的效果不理想。灰色关联度能根据系统各因素间相似程度来度量因素之间的关联程度。利用灰色关联度的特性和中值滤波器的优点,提出一种基于灰色关联度的自适应中值滤波算法,算法可以根据图像像素之间的相似程度自适应地调整滤波加权系数,使滤波系数更加合理,改善原有算法的滤波性能。实验表明算法对受到高斯噪声干扰的图像进行去噪取得较好的滤波效果,同时还保护了图像的细节信息。     

基于熵权与灰色关联度的隐写分析算法评估

针对现有隐写分析评估方法计算复杂、权重分配不合理的缺点,结合熵权与灰色关联度对隐写分析算法进行评估。确定算法的主要性能指标,采用熵权法计算各指标的权值,运用灰色关联度综合评价方法计算待评价指标向量与最优指标向量间的加权灰色关联度,并根据关联度的大小对隐写分析算法的优劣进行排序。实例仿真结果表明,该方法能合理评估各类隐写分析算法的优劣,具有可行性。     

一种RBF网络结构调整的稳健增量学习方法

以实现RBF网络的增量学习能力和提高其增量学习的稳健性为目的,给出了一种RBF网络增量学习算法.算法首先对初始数据集进行聚类得到初始的RBF网络结构,然后采用GAP-RBF算法中的隐层节点调整策略动态调整网络结构实现RBF网络增量学习.RBF网络的初始化降低了初始数据集样本训练顺序对RBF网络性能的影响,增强了其增量学习的稳健性.IRIS数据集和雷达实测数据集仿真实验表明,算法具有较好的增量学习能力.     

一种多目标优化问题的理想灰色粒子群算法*

针对逼近理想解的排序方法对Pareto前端的距离跟踪以及灰色关联度能够很好地分析非劣解集曲线与Pareto最优解集曲线的相似性,提出了一种求解多目标优化问题的理想灰色粒子群算法。该算法利用理想解理论与灰色关联度理论来求解粒子与理想解之间的相对适应度和灰色关联度系数,把两者的和定义为相对理想度,通过相对理想度来判别粒子的优劣,以确定个体极值和全局极值。通过四组不同类型的基准函数测试算法性能,并与目标加权法和灰色粒子群算法比较分析,结果表明该算法能够较好地收敛到Pareto最优解集,不但具有较好的收敛性和分布     

基于多元回归KNN的网络数据库不完整信息填充

由于网络数据库中缺失数据具有噪声,导致网络数据库不完整信息填充结果偏差较大,提出基于多元回归KNN的网络数据库不完整信息填充方法.采用灰色关联度计算方法对数据库中的不完整信息进行检测,根据检测结果,利用信息熵的属性约简算法,对不完整信息进行约简处理.采用多元回归KNN方法计算网络数据库中目标数据与完全值数据矩阵中所有数据记录的欧氏距离,并选出欧式距离最小的数据记录作为目标数据的最近邻,判断目标数据的非噪声最近邻,完成对最近邻噪声的消除,获取缺失值,完成对网络数据库不完整信息填充.实验结果表明,研究的方法有效减少了缺失数据检测时间与预测误差,缩短了网络数据库不完整信息填充的时间,提高了对缺失数据估计值的准确度,满足网络数据库不完整信息填充需求.     

基于灰色加权绝对关联度的边缘检测算法

探讨了灰色关联度计算方法在边缘检测中的适用情况,提出并实现了基于灰色加权绝对关联度的灰度图边缘检测算法。实验结果表明在基于灰色系统理论的边缘检测过程中采用加权灰色绝对关联度其效果明显优于采用一般关联度,该算法为基于灰色系统理论的边缘检测的新思路做出了有益的发展和补充。     

基于灰色加权绝对关联度的边缘检测算法

探讨了灰色关联度计算方法在边缘检测中的适用情况，提出并实现了基于灰色加权绝对关联度的灰度图边缘检测算法。实验结果表明在基于灰色系统理论的边缘检测过程中采用加权灰色绝对关联度其效果明显优于采用一般关联度．该算法为基于灰色系统理论的边缘检测的新思路做出了有益的发展和补充。     

结合柯西核的分类型数据密度峰值聚类算法

密度峰值聚类算法在处理分类型数据时难以产生较好的聚类效果。针对该现象,详细分析了其产生的原因：距离计算的重叠问题和密度计算的聚集问题。同时为了解决上述问题,提出了一种面向分类型数据的密度峰值聚类算法（Cauchy kernel-based density peaks clustering for categorical data,CDPCD）。算法首先指出分类型数据距离度量过程中有序特性（分类型数据属性值之间的顺序关系）鲜有考虑的现状,进而提出一种基于概率分布的加权有序距离度量来缓解重叠问题。通过结合柯西核函数,在共享最近邻密度峰值聚类算法基础上重新评估数据密度值,改进了密度计算和二次分配方式,增强了密度多样性,降低了聚集问题带来的影响。多个真实数据集上的实验结果表明,相较于传统的基于划分和密度的聚类算法,CDPCD都取得了更好的聚类结果。     

命题逻辑中条件概率真度的相似度及伪距离

通过引入赋值密度函数、边缘密度函数等概念给出了连续值命题逻辑系统中公式条件概率真度的定义,并得到了一些条件概率真度的推理规则;给出了3种相似度的概念,讨论了其性质及关系;定义了3种伪距离,确定了三者之间的比例关系,为推理程度的数值化提供了可靠的依据。     

相控阵超声监测成像与直方图匹配图像增强实验研究

相控阵超声监测成像是通过控制Lamb波发射与接收的时间延迟而控制其指向,当特定方向的Lamb波指向结构中损伤时形成反射信号,由此监测结构中损伤;将监测结构扫描范围内不同方向上Lamb波信号的归一化幅值用二维灰度图像显示,实现结构损伤成像。由于相控阵监测所得原始图像并不完美,因此,利用直方图匹配图像增强方法对原始图像进行处理,通过划分损伤图像的灰度级、统计各灰度级的分布情况、计算各灰度级的概率密度函数,得到直方图匹配处理的最终灰度变换关系,利用原始图像与输出图像各灰度级的映射关系,修改原图像的灰度级,获得增强图像。该方法在铝板、玻璃纤维复合材料结构与碳纤维复合材料结构中进行实验分析,验证方法的正确性和有效性。     

几种逻辑系统中的概率真度

通过引入赋值密度函数、边缘密度函数等概念,给出了几种常见的命题逻辑系统中公式概率真度的定义,研究了概率真度的推理规则并证明了全体公式的概率真度之集在[0,1]中的稠密性,在此基础上给出了相似度的定义并讨论了其性质,为推理程度的数值化提供了依据。     

命题逻辑系统中公式的概率真度理论

通过引入赋值密度函数、边缘密度函数等概念给出了连续值命题逻辑系统中公式概率真度的定义,明确了概率真度在[0,1]中的分布情况,并得到了一些概率真度的推理规则;引入相似度,给出了伪距离的定义,确定了二者之间的关系。     

连续值命题逻辑中公式的概率真度及相似度

通过引入赋值密度函数、边缘密度函数等概念给出了连续值命题逻辑系统中公式概率真度的定义,并得到了一些概率真度的推理规则;引入相似度,给出了伪距离的定义,确定了二者之间的关系.     

高斯分布无线传感器网络簇头选择算法

针对无线传感器网络的能量受限问题,通常采用分簇聚合减少数据传输来实现能量节省。提出了一种基于高斯分布的分簇网络模型的簇头选择算法,构建了簇头选择函数的概率模型。模型以信道增益、剩余能量、簇内节点间距离及节点位置为参数,通过比较节点的概率函数值选择簇头。结果表明该选择算法能较大程度地提高网络能耗效率、延长网络生存时间。     

基于邻域信息的遥感图像模糊聚类及并行算法设计

在运用于遥感图像的分类时,为考虑图像像元间的空间相关性,首先在聚类的迭代过程中根据相邻像元的隶属度,确定邻域内的优势类别,同时引入反映空间相邻关系的加权系数,修正中心像元的隶属度。其次考虑算法用于图像分割的通信复杂度及动态聚类时的空间相邻关系,提出了相应的并行实现方案。最后,通过实验数据证明了算法在减少聚类的迭代次数以及提高聚类结果精度等方面的有效性,其并行方案也取得了较好的线性加速比。