基于特征加权距离的双指数模糊子空间聚类算法

传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.     

基于语境距离度量的拉普拉斯最大间距判别准则

线性拉普拉斯判别准则(Linear Laplacian discrimination, LLD)作为一种非线性特征提取方法得到了较为成功的运用. 然而通过分析得知在具体使用LLD方法的过程中还会面临小样本以及如何确定原始样本空间类型的问题. 因此, 本文引入语境距离度量并结合最大间距判别准则的基本原理提出一种基于语境距离度量的拉普拉斯最大间距判别准则(Contextual-distance metric based Laplacian maximum margin criterion, CLMMC). 该准则不但在一定程度上避免小样本问题, 而且由于语境距离度量更关注输入样本簇内在的本质结构而不是原始样本空间的类型, 从而降低了该准则对特定样本空间的依赖程度. 同时通过引入计算语境距离度量的新算法并结合QR分解的基本原理, 使得CLMMC在处理高维矢量模式数据时更具适应性和效率. 并从理论上讨论CLMMC准则具有的基本性质以及与LLD准则的内在联系. 实验证明CLMMC准则具有上述优势.     

带关键词检索的公钥加密方案

针对现有的带关键词检索的公钥加密(PEKS)方案中的大量对运算需要消耗较多时间,且都存在不能抵抗重放攻击的问题,在研究PEKS的基础上,提出一种高效的带关键词检索的公钥加密方案。与现有的PEKS方案相比,该方案保留了现有PEKS方案的优点,能有效地抵抗重放攻击。     

平均邻近间隔支撑向量机

近年来,支撑向量机(SVMs)作为一种学习方法已经在机器学习和模式识别的研究领域中得到了成功的运用,然而传统SVMs缺少考虑数据的局部信息.文中将邻近间隔的基本思想引入到SVMs中,提出了平均邻近间隔支撑向量机(ANMSVMs).ANMSVMs继承了传统SVMs的优点,同时又充分利用了数据的局部信息,从而实现了泛化能力的进一步提高.人造数据和真实数据集的实验结果验证了该方法的有效性,并且相对于传统SVMs体现出了更强的泛化能力.     

城际高速铁路舒适性综合评价模型

针对城际高速铁路列车运行环境的复杂性,提出城际高速铁路舒适性综合评价模型。采用基于粗糙集和模糊分析相融合的方法,对高速列车舒适性指标进行约简和提取,建立评价指标体系及评价矩阵,并对京津城际高速铁路段舒适性进行综合评价。结果表明,该模型在城际高速铁路舒适性综合评价方面具有实用性和优越性。     

移动自组网中匿名通信方案

由于传统Ad hoc通信协议通常采用过多的公钥运算,导致路由建立时间延长。传统的基于公/私钥的签名方案暴露了节点的身份信息,不能满足匿名性的需求。针对以上问题提出了一种适用于小型Ad Hoc网络的可认证的匿名通信协议。通过移动代理对源节点和目标节点进行判别并对节点信息进行隐藏,降低了网络延迟。通过成员函数动态建立的路由控制信息,解决了单个节点的离线造成路径中断的问题。理论分析和仿真结果表明,该协议较传统协议在路由建立时间和信息投递率方面有较大的提高。另外该协议建立的匿名链接具有双向性,在一定程度上降低了协议损耗。     

密集散乱数据的三角形网格曲面逼近方法

介绍了一种密集三维散乱点群数据的三角形网格曲面逼近方法 .算法采用一定数量的球体在曲面空间的有效投影域上的排布来模拟 Voronoi多边形 ,从而实现平面域约束 Delaunay三角剖分 ,并利用 Hardy多二项式插值原理将其映射到曲面空间 .通过对球体集合的动力学数值仿真 ,解决了网格节点的位置确定和最佳网格节点数量确定的问题 .实际模拟结果表明 :算法结构清晰、实用 ,三角化结果品质良好 ,在数控加工和反求工程中有着广阔的应用前景 .     

软件工程中的敏捷实践

自20世纪50年代开始软件开发以来,人们一直在探索软件开发的方法。目前,软件开发过程一般被划分为若干个目的和作用相对独立活动,包括：需求、分析、设计、实现、测试和集成,以及维护。围绕着如何安排、规划这些活动的次序、周期和历时,人们提出过各种各样的软件开发方法模型。     

VxWorks下双网卡冗余备份及智能切换技术

详细分析Vxworks网络协议结构模型,介绍在Vxworks环境下如何实现以太网双网卡的冗余备份及智能切换过程,给出这种实现方法的优点。该技术在计算机铁路联锁系统中得到了成功的应用,使用效果良好。     

基于插值Directionlet变换的图像融合方法

为了凸显区域的细节特征,改善图像的视觉效果,本文通过对Directionlet变换进行插值处理,并结合压缩感知理论提出一种新的图像融合方法。在进行插值Directionlet变换分解以后,对低频分量通过其区域特征及其接近度进行系数融合;对于高频分量,使用改进稀疏化的哈达玛矩阵进行观测,并对观测值进行加权融合,然后对融合后的高频方向子带进行重构;最后通过插值Directionlet逆变换重构图像。数值试验显示,本文提出的融合算法计算复杂度低,融合效果好,能同时得到目标和场景均清晰的融合图像。