截集型特征加权模糊C-均值聚类算法

已有的特征加权型模糊C-均值（WFCM）聚类算法可以有效地提取数据的相关特征,WFCM存在的主要问题是收敛速度慢和对噪声敏感。借助模糊集的截集方式对WFCM的隶属度值进行修改,提出截集型特征加权模糊C-均值聚类算法：SWFCM。SWFCM不仅具有良好的特征提取能力,而且具有收敛速度快和对噪声稳健的优点。实验结果表明,SWFCM的总体性能优于原有的WFCM聚类算法和截集模糊C一均值聚类算法。     

基于FCM的雨天视频图像复原

恶劣天气条件下图像退化的复原方法,对提高户外视觉系统的稳定性和实用性极为重要。雨作为其中一种场景,影响了户外图像或视频进行可靠目标检测、物体识别和跟踪、特征提取等基本操作,极易造成处理偏差,因此有必要对去雨方法进行研究,复原该类图像,消除降雨对图像质量的影响,以保证图像的清晰度。基于视频中雨滴的时域特性和像素直方图的全局特性,借助FCM(模糊C均值)聚类算法,提出了检测与去除视频中雨滴的方法。通过视频中4种不同场景的实验,验证了该方法的有效性。同时,该算法也可应用于其它类似雨的场景检测中。     

基于遗传算法的基因微阵列数据聚类

微阵列基因数据用以挖掘特定的生物信息,聚类分析对于研究基因功能和基因调控机制有重要意义.结合改进的遗传算法对基因微阵列数据进行聚类分析,并且通过实验与K均值聚类进行比较.仿真实验表明,该算法可以有效改进基因微阵列数据的聚类准确率.     

复杂系统多因素估计函数分析及其应用

复杂的系统通常有多因素与目标相关。这些因素中哪些与目标最相关,以及相关因素与目标之间的关系对复杂系统的分析很重要.首先采用基干信息熵的方法求取最关键因素.然舌对训练集进行聚类,最后采用拉格朗日多项式定义关键因素与目标之间的函数关系,并将该方法应用干智能交通系统中的行车油量分析系统,取得了较好的效果.     

基于类间距判据的高斯过程分类模型核参数选择方法研究

文中提出了一种基于类间距判据的高斯过程分类(GPC)模型核参数选择方法.将核参数作为自变量,类间距作为因变量,获得类间距随核参数变化的目标函数,然后采用共轭梯度法求取目标函数极值,最终获得核参数的最优值.实验表明,用DBTC作为判据进行核参数选择,分类正确率与原有参数选择方法基本相当,但GPC模型在进行参数选择时的耗时大幅减少,因而模型训练速度得到大幅提升.     

云环境下基于二进制编码聚类的并行频繁项集挖掘算法

本文提出了一种云环境下基于二进制编码的并行频繁项集挖掘算法,利用一种特殊的二进制编码的依赖度计量方法对原始数据集合进行编码转换及依赖度聚类,然后将数据集分布部署在云环境中,并采用共享多头表的FP-Growth并行改进算法挖掘频繁项集.实验表明,对于大规模数据集来说,本文算法可以取得良好的性能.     

基于改进C均值的故障诊断

本文提出改进的C均值算法.改进算法引入数据场模型,通过故障点在数据场中的势值找出噪声点并踢出,利用故障点在数据场中呈现的自然聚集特性选择初始聚类中心指导FCM聚类.仿真实验的结果表明,改进算法弥补了FCM算法的缺陷,提高了聚类的效率和准确性,在故障诊断过程中有很好的表现.     

基于零空间表示和最大似然的欠定盲源分离方法

针对欠定情况下源数的估计、解混叠矩阵和源信号恢复关键技术,提出一种源数未知的欠定盲源分离算法,首先利用S变换和聚类技术相结合来估算源数和混叠矩阵,然后将源信号以零空间形式表示,再通过最大似然估计关于其后验概率以达到恢复源信号的目的。仿真实验结果表明了该方法不仅能同时分离服从超高斯分布和亚高斯分布的源信号,且比其他传统的方法具有更优越的估计性能。     

一种D类功放中0.5 μm CMOS轨到轨比较器设计

文章设计了一种D类功放中的轨到轨比较器电路。相比于传统的比较器电路,该设计解决了共模信号输入范围大时性能不稳定的问题。仿真表明该比较器电路在-40～125℃和各种工艺角条件下,共模输入电压范围最大可以达到0～5.5V。在125℃高温和5.5V高压条件下,平均工作电流约为0.5mA,性能指标接近并部分超过一些商用芯片。该芯片已经通过0.5μm CMOS工艺流片验证,测试效果良好。     

高效率F类功率放大器设计

F类功率放大器是一种高效率的放大器,其理论效率可以达到100%,在无线通信领域中有着广泛的应用和广阔的发展前景。简要阐述了F类放大器的基本理论,并对其效率进行了分析。设计出了带有输入输出谐波控制的高效率F类功率放大器,仿真结果表明在工作频率1 GHz时,输出功率为38 dBm,功率附加效率为74%;输出功率和功率附加效率都优于同条件下的B类功率放大器。