初始聚类中心优化选取的核C-均值聚类算法

在通常的核C-均值聚类算法中,聚类结果对初始聚类中心敏感,随机选取初始聚类中心时,会使得迭代次数较多、分类结果不稳定.针对该问题提出一种优化选取仞始聚类中心的算法.该方法采用一种改进的最大最小距离算法对原始空间中的数据进行粗分类,将粗分类结果中每类类心作为初始聚类中心,再运用核C-均值聚类算法进行分类.仿真实验结果表明方法能有效减少迭代次数,使分类结果更加稳定,分类识别率也有一定程度的提高.     

一种改进的AEI算法中初始匹配码字的快速查找方法

矢量量化（VQ）是一种高效的有损压缩技术。快速码字搜索算法是矢量量化的核心问题之一,其性能决定了编码时间。快速码字搜索算法中,绝对误差不等式删除算法(AEI)是一种典型的3步算法,其第1步查找输入矢量的初始匹配码字的方法采用了Minimax法,是整个AEI算法中计算量最大的步骤,严重影响了算法的效率。针对这个问题,提出了一种新的查找初始匹配码字的方法——Partial Minimax法。该方法在保证所找到的初始匹配码字与原始AEI算法相同并且重建图像的PSNR（峰值信噪比）值不变的前提下,可显著减小这一步骤的计算量和查找时间,从而有效地提高了算法的总体编码速度。     

无人水下航行器发射鱼雷可行性仿真分析

为分析无人水下航行器在低速浅水情况下发射鱼雷的可行性,对鱼雷发射后的初始弹道进行建模仿真,通过和鱼雷试验数据进行比对,确定仿真方法正确可行.结合无人水下航行器的性能,分析鱼雷管制舵角和发射速度对初始弹道的影响,确定合理的发射参数.然后绘制鱼雷冲角、俯仰角和速度的变化曲线,分析鱼雷姿态,确保结论的正确性.仿真结果表明在合理设置发射参数的前提下,鱼雷航行姿态正常,鱼雷初始弹道能够满足发射要求,鱼雷从无人航行器发射是完全可行的.     

虚拟加工中工件毛坯模型的建立

为解决虚拟加工中工件毛坯模型的识别问题,提出对规则形状工件毛坯采用OpenGL建模、对复杂形状工件毛坯采用美国初始图形交换规范（Initial Graphics Exchange Specification,IGES）文件进行模型数据转换的方法.该方法利用CAD软件为工件毛坯进行三维造型,生成IGES文件,然后在虚拟加工环境下读取IGES文件并生成工件毛坯模型,从而实现工件毛坯模型在新环境中的建立.经过建立具体的工件毛坯模型,验证相关理论的正确性,为在虚拟加工环境下工件毛坯模型的建立提供可行的依据.     

如何利用VC + +实现多文件合并与任意文件提取

建立基于对话框的MFC工程,在对话框上设置添加和提取功能模块控制。定义一个结构,该结构中包含文件名称、文件大小、以及文件的保存的初始位置。合并文件时,先建立一个新文件,将所需合并的文件按照上述结构的要求填写好保存在新文件中,然后按照二进制读写的办法,将所需压缩的文件写入新文件中,填写多个文件后就可以形成一个合并后的文件。     

基于改进的活动轮廓模型在图像分割中的应用

活动轮廓模型在图像分割过程中有广泛应用.本文首先介绍了活动轮廓模型,并指出了该模型的缺陷,在此基础上本文提出了一种改进的方法,与现在流行的改进方法不同之处为它是基于算法来改进的.它用遗传算法来优化初始轮廓,取得了较好的分割效果.     

一种椎弓根螺钉内固定术中非同源低重叠率点云的配准方法

在手术导航系统辅助的椎弓根螺钉内固定术中,术前与术中点云配准精度是影响导航定位效果的重要因素。由于术前与术中点云的获取方式不同,且术中暴露位置受限,两种非同源三维点云存在初始位姿差异大、重叠率低的问题,现有的配准算法在术前术中点云配准时容易失效且精度不高。为此,本文提出了一种椎弓根螺钉内固定术中非同源低重叠率点云的配准方法。首先,对术中点云进行降采样,对术前点云进行基于最远点采样的局部区域划分,选取其中的最优局部区域,与术中点云进行采样一致性初始配准;之后,采用迭代最近点算法进行进一步优化,实现点云的准确对齐。在本文所用数据集上,所提算法在术前术中点云配准实验中的平均旋转误差为0.406°,平移误差为0.474 mm,实现了初始位姿差异大、重叠率低的非同源术前术中点云的高精度配准,与现有算法相比,配准成功率从66.67%提高至100%。     

一种服务于K-means的初始中心选取方法

聚类是数据挖掘领域最重要的技术之一,K-means是其中使用频率最高的举足轻重的聚类算法。然而,Kmeans算法表现严重依赖于初始中心,选取多少个初始中心以及选择哪些数据点作为初始中心对K-means算法十分重要。基于此,提出一种初始中心选取方法 DPCC(Density Peak Clustering Centers)。DPCC方法基于密度和距离生成一个选取决策图,将数据集中所有的密度峰值点凸显出来。这些密度峰值点即为DPCC方法为K-means算法提供的初始中心。实验表明,DPCC方法不仅可为K-means提供初始中心数量,还能有效提高K-means算法的准确度,并缩减K-means算法的执行时间。     

双脉冲激光诱导铝等离子体的双波长干涉诊断

双脉冲激光诱导等离子体在激光加工、元素检测、材料去除等领域有广阔的应用前景和发展空间,对其进行诊断具有重要意义。针对延迟双脉冲激光诱导铝等离子体的作用效果和影响机理,采用双波长干涉法对其时间演化规律展开研究。基于马赫-曾德尔干涉仪搭建了双波长干涉诊断系统,得到了双脉冲激光诱导等离子体干涉图。通过对干涉图的处理和分析,得到了等离子体电子密度随双脉冲激光延迟时间的变化规律。结果表明,随着双脉冲激光延迟时间的增加,第二束脉冲激光对等离子体电子密度的增强效果先加强后减弱。其中,双脉冲激光延迟时间为10 ns时,对等离子体电子密度的增强效果最强,在30 ns时刻,其中心区域平均电子密度可达6.49×1019 cm?3,相较于同等能量单脉冲激光诱导等离子体提升了26%。同时研究了延迟时间对第二束脉冲激光作用机制的影响。研究结果为双脉冲激光诱导等离子体的优化方向提供了参考。     

一种优化初始点与自适应半径的密度聚类算法

传统DBSCAN算法不能正确聚类密度不均匀的数据集,聚类结果受邻域阈值和密度阈值参数的影响较大。提出一种新的优化初始点和自适应半径的密度聚类算法。利用反向最近邻和相似度矩阵发现当前全局密度最大的数据样本,分析该样本周围密度的分布情况,采用自适应的方法计算当前簇的邻域阈值,并利用DBSCAN算法进行聚类。在人工数据集和UCI数据集上进行测试的结果表明,与经典的DBSCAN、OPTICS、RNN-DBSCAN算法相比,优化初始点和自适应半径的密度聚类算法在ARI、NMI、Homogeneity、Completeness和V-measure 5个评价指标上整体取得最优值,其中在Compound、Jain等数据集上达到1.0,具有较高的聚类效率和准确度。