一种实时心电图数据压缩算法

提出了一种实时心电图ＥＣＧ数据压缩算法。它是将自适应变门限算法与转折点算法相结合。自适应变门限算法是对ＡＺＴＥＣ算法的改进．它计算ＥＣＧ信号的几个统计参数来确定可变门限值。转折点算法是分析采样点的趋势并只存储每对连续的采样点中的一个。它保留信号的斜坡标志发生变化的峰点和谷点。本文算法兼有这两种算法的优点。这种算法在较高压缩比的情况下重建心电图信号失真较小．     

一种新的多峰值函数优化算法

根据对一元多峰值函数的单调区间的分析,提出了一种新的多峰值函数优化算法——形态分析法。该算法根据给定的精度要求,用有穷个离散点确定一元多峰值函数的形态,进而确定其单调递增区间和单调递减区间,一次搜索就可找出函数的所有局部最优解和全局最优解。用不同的多峰值函数进行了仿真实验,并和相关算法进行了比较,结果表明所提出的算法计算量比其它算法小一个数量级,不存在震荡现象。     

多峰值光谱的峰值自动定位方法

物质的发射和吸收光谱特征是区分物质种类的依据,准确确定光谱特征数值是物质分析的基础。以实测光谱数据为对象,运用高次多项式拟合的方法在全光谱范围内确定多个光谱曲线峰值的位置。通过与阈值截断后分组方法的对比分析显示,该方法适用性强、准确性高。     

基于谱分析的密度峰值快速聚类算法

针对密度峰值快速聚类（CFSFDP）算法对不同数据集聚类效果的差异，利用谱聚类对密度峰值快速聚类算法加以改进，提出了一种基于谱分析的密度峰值快速聚类算法CFSFDP-SA。首先，将高维非线性的数据集映射到低维子空间上实现降维处理，将聚类问题转化为图的最优划分问题以增强算法对数据全局结构的适应性；然后，利用CFSFDP算法对处理后的数据集进行聚类。结合这两种聚类算法各自的优势，能进一步提升聚类算法的性能。在5个人工合成数据集（2个线性数据集和3个非线性数据集）与4个UCI数据库中真实数据集上的聚类结果显示，相比CFSFDP算法，CFSFDP-SA算法的聚类精度有一定提升，在高维数据集的聚类精度上最多提高了14%，对原始数据集的适应性更强。     

一种基于网格划分的密度峰值聚类改进算法

针对密度峰值聚类(Density Peak Clustering, DPC)算法具有时空复杂度高而降低了对大规模数据集聚类的有效性,以及依靠决策图人工选取聚类中心等缺点,提出基于网格的密度峰值聚类(G-DPC)算法。采用基于网格的方式进行网格划分,用网格代表点替换网格单元整体;对各代表点聚类,通过改进的自适应方法选出核心网格代表点作为聚类中心;将剩余点归类,剔除噪声点。仿真实验验证了该算法对大规模数据集和高维数据集聚类的有效性。     

一种基于密度峰值和距离的新聚类算法

针对确定聚类中心上对密度峰值和距离两个元素综合考虑上的不足,在确定聚类中心上对密度峰值和距离两个元素综合考虑并作出归一化的处理.在聚类中心的确定上与其他聚类算法有所不同.介绍了该算法的核心思想、实现及测试,得出了算法实现过程中体现出的结论.对实现的代码用4个数据集进行了实验和测试,并将该算法与经典的k-means算法进行了NMI对比分析.从而得出结论,文章的聚类算法拥有较好的聚类能力.     

一种基于密度峰值的针对模糊混合数据的聚类算法

将CFSFDP算法拓展到连续型模糊集和离散型模糊集上,提出了一种针对模糊混合数据的拓展型CFSFDP算法,将其命名为FMD-CFSFDP算法。FMD-CFSFDP算法将样本涵盖的经典信息拓展到了模糊集上,利用寻找密度峰值的方法对模糊样本进行聚类,这是一种建立在模糊集上针对模糊混合数据的基于密度的聚类算法。首先简单介绍了CFSFDP算法及其改进,给出了"模糊混合数据"的数学概念;然后结合传统模糊欧氏距离的概念,分别提出了误差更小的针对连续型模糊集与离散型模糊集的改进型欧氏距离,在此基础上,依托权值构建了针对混合型模糊数据的整体距离。参考CFSFDP算法的聚类步骤给出了FMD-CFSFDP算法的聚类步骤。随后,在不同样本量、不同指标数量、不同簇数、不同取数规则的条件下,对算法进行了随机模拟实验并对聚类结果进行了分析。最后分别总结了FMD-CFSFDP算法的优缺点,并在此基础上提出了改进方案,为今后深入研究提供了参考。     

一种基于共享近邻的密度峰值聚类算法

基于加权K近邻的密度峰值发现算法(FKNN-DPC)是一种简单、高效的聚类算法,能够自动发现簇中心,并采用加权K近邻的思想快速、准确地完成对非簇中心样本的分配,在各种规模、任意维度、任意形状的数据集上都能得到高质量的聚类结果,但其样本分配策略中的权重仅考虑了样本间的欧氏距离。文中提出了一种基于共享近邻的相似度度量方式,并以此相似度改进样本分配策略,使得样本的分配更符合真实的簇归属情况,从而提高聚类质量。在UCI真实数据集上进行实验,并将所提算法与K-means,DBSCAN,AP,DPC,FKNN-DPC等算法进行对比,验证了其有效性。     

一种改进的动态过程测量数据预处理方法

在动态过程测量数据分析中,首先必须对测量数据进行预处理,剔除并修正由干扰引起的测量异常值。一种改进的奇异谱分析数据预处理是通过使用奇异谱分析平滑的方法建立判断测量数据中异常值的基准,再通过设立检验准则判断异常值并加以修补,在实际动态过程测量数据预处理应用中效果明显。     

实现速度平滑过渡的NURBS实时插补算法

在分析机床最大速度、加速度和速度不连续点对实际加工的影响的基础上,设计了一种能够实现速度平滑过渡的NURBS实时插补算法.算法首先进行一次预插补,求出减速过程中超出机床最大加速度以及速度不连续的点,并采用逆求的方法求出减速点.然后在实时插补时根据求出的减速点进行速度规划.仿真实验结果表明,该插补算法能够在保证加工精度的前提下,以较高效率实现速度的平滑过渡.     

聚类混合型数据的密度峰值改进算法

聚类混合型数据，通常是依据样本属性类别的不同分别进行评价。但这种将样本属性划分到不同子空间中分别度量的方式，割裂了样本属性原有的统一性；导致对样本个体的相似性评价产生了非一致的度量偏差。针对这一问题，提出以二进制编码样本属性，再由海明差异对属性编码施行统一度量的新的聚类算法。新算法通过在统一的框架内对混合型数据实施相似性度量，避免了对样本属性的切割，在此基础上又根据不同属性的性质赋予其不同的权重，并以此评价样本个体之间的相似程度。实验结果表明，新算法能够有效地聚类混合型数据；与已有的其他聚类算法相比较，表现出更好的聚类准确率及稳定性。     

一种实时多路数据采集与处理系统

介绍了一种１６路红外光测信号的采集与处理系统，可实时处理１６路红外目标信号，实现目标信号的识别与跟踪。系统以４片ＴＭＳ３２０Ｃ２５作主处理器，实现同步并行处理，并具有较强的抗干扰能力。系统采用三级流水线操作，非常适合于实时处理     

基于峰值拟合算法的光谱分析

傅里叶变换光谱学已经用于环境气体的定量分析中,为了提供高灵敏、连续实时的在线测量,分析中需要根据实测光谱选择光谱拟合算法。文中将峰值拟合算法应用于气体红外光谱分析中,以实际测量得到的气体透过率光谱为拟合对象,将其与数据库中的气体分子模型光谱进行拟合,在算法中通过迭代使残差的加权平方和最小,获得了气体浓度等重要的光谱拟合结果。算法实现结果表明该方法不仅精确可靠而且具有简单快速的特点。     

利用数据挖掘方法分析客户生涯价值

针对客户生涯价值分析这一客户关系管理系统的重要问题,在分析已有工作的基础上,经过多级数据归约,提出了多商品配送企业适合工程计算的客户生涯价值公式。进而对客户进行了高速聚类挖掘,找出了客户群的特点,对公司有针对性地制定客户策略起到了一定的指导作用。     

一种新的谱估计算法

给出不作相关参数估计的谱分析算法，本算法的用自适应算法，二次型共轭梯度算法，解前后向预测构成的矩阵方程，计算机模拟表面新算法是一种快速，稳定而有效的算法，它有高分辨，短数据和宽频带特性。     

不确定数据信任密度峰值聚类算法

密度峰值聚类算法具有简单高效、无需迭代计算和提前设定类簇数的优势,但是在划分非类中心样本时容易产生“多米诺骨牌”效应,并且不能准确划分重叠区域的样本和噪声。为了解决以上问题,提出了不确定数据信任密度峰值聚类算法。首先,该算法在密度峰值聚类算法获取类中心样本的基础上,利用非类中心样本的K近邻求出样本属于不同类的信任值,将...     

连续属性离散化的Integral Chi2算法

连续属性离散化在机器学习和数据挖掘领域中有着重要的作用.连续属性离散化方法是否合理决定着对信息的表达和提取的准确性.Chi2算法基于统计学理论方法,对连续属性离散化研究产生着重要影响.在对Chi2及相关算法中统计量χ2应用意义讨论的基础上,提出了一种新的(Integral Chi2)算法,该算法基于概率统计理论把统计量χ2与分位点χ2α间对应的积分(概率)作为区间合并的依据,能够更合理更准确地对连续属性进行离散化.实验结果证明了算法的有效性.     

医学图像分割中基于数据浓缩的谱聚类算法

基于传统Parzen窗密度估计函数的均值漂移谱聚类算法的时间复杂度不低于O(N2),不适合医学图像分割的实际需求。为此,通过压缩集密度估计和吸引盆均匀抽样两重数据浓缩策略以降低原MSSC的高时间开销问题,从而提出新的基于数据浓缩的谱聚类算法。实验结果表明,该算法能有效降低时间开销,较好地适应医学图像分割的要求。     

短时域语音端点检测中谱熵算法的改进

语音识别中,端点检测关系到后面的学习及识别效果。短时域检测的算法简单,计算量少。论文对基于谱熵的算法做了改进,采用信息复杂度计算,得到了短时域的能量-过零率和谱熵以及改进方法的结果的对比,仿真结果表明在低信噪比的条件下,改进的方法有较高的检测准确率。     

基于奇异值分解的固定区间平滑新方法*

本文提出一种基于奇异值分解（ＳＶＤ）的固定区间平滑新方法，该方法基于Ｒａｕｃｈ－Ｔｕｎｇ－Ｓｔｒｉｅｂｅｌ固定区间平滑方法，利用奇异值分解作为计算工具，将原算法中协方差阵进行奇异值分解，不仅具有很好的数值稳定性和鲁棒性，而且避免了矩阵的求逆，此外，采用ＳＶＤ分解，具有明显的物理意义。仿真计算结果证明了本文方法的有效性和优越性。