基于混沌免疫进化算法的聚类算法分析

结合免疫进化算法和混沌优化算法各自在数据空间搜索的优势,本文提出了一种新的基于混沌免疫进化算法的模糊c_均值聚类算法.该算法实现了从全局到局部的两层领域搜索机制,且仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

基于改进免疫遗传算法的聚类分析研究与应用

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法（MIGA）。该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想。通过实验显示该方;醛法优于基本的遗传算法。     

基于I-Miner的聚类分析研究

数据挖掘是当今数据库系统研究和应用领域中的热点问题.聚类是数据挖掘中的核心问题.I-Miner是一个企业级的数据挖掘工具,利用I-Miner软件进行聚类分析,将聚类结果呈现丰富的可视化效果,通过S语言拓展软件功能,解决应用的特殊需求.     

增强型K-means聚类算法在入侵检测中的应用

异常检测是入侵检测中防范新型攻击的基本手段,本文应用增强的K-means算法对检测数据进行聚类分类.计算机仿真结果说明了该方法对入侵检测是有效的.     

基于ADS-B导航完好性指标多级GNSS干扰监测方法

由于卫星信号较为微弱,易受到各种有意和无意的干扰,使得全球导航卫星系统（Global Navigation Satellite System, GNSS）不能安全、可靠的提供服务,GNSS干扰监测方法的研究对于保障民航飞行安全具有重要意义。本文利用GNSS射频干扰所导致的广播式自动相关监视（ADS-B）数据中导航完好性指标的变化特性,给出结合受干扰影响航班粗监测以及精细监测的多级GNSS射频干扰监测方法。首先对ADS-B数据导航完好性级别（Navigation Integrity Category, NIC）进行统计分析实现受干扰影响航班的粗监测,再依据干扰发生时多个航班在干扰区域会同时受到影响,具有空间上的聚集性,利用MeanShift聚类方法实现GNSS射频干扰的精细监测,提取干扰发生的起始与终止点所对应的时间与位置信息。实验结果与QAR（Quick Access Recorder,QAR）数据得到的干扰监测结果进行对比分析,验证所提方法的有效性。      

基于自组织映射网络的微表情运动规律分析方法

表情是人类情感交互的重要方式。神经生理学研究表明：微表情很难由主观意识所控制,是人类真实情感的流露。与宏表情不同,微表情发生常常伴随着面部左右和上下的不对称移动,运动模式复杂。但由于微表情运动幅度小,人眼难以直接观察,微表情运动规律尚未被深入解析。在公共安保等领域,对微表情识别算法的可靠性与可解释性有很高要求。因此,本文旨在研究微表情运动规律分析方法,实现微表情运动规律的系统性解析。本文工作包括：研究基于自组织映射网络（Self-Organizing Maps, SOM）的微表情特征无监督聚类方法,得到微表情运动模式及其概率。定义微表情运动相似度指标,它从面部14个感兴趣区域运动趋势的角度来衡量两个微表情运动特征的差异程度,并作为调节SOM网络权值的依据。本文对CASMEII、SAMM、SMIC和MMEW数据集的微表情样本进行分析,并根据SOM网络的聚类结果总结微表情运动规律,该规律可以指导微表情识别算法特征提取,提升可靠性。     

现代电子信息工程的关键技术分析及应用

电子信息工程技术是实现现代社会建设以及发展的基础,其研究重点在于信息的获取、处理以及分析。将电子信息工程应用于各行各业,有利于提升行业现代化水平。文中对电子信息工程进行了介绍,对电子信息工程的关键技术进行了分析,并对电子信息工程的应用策略进行了详细探究。     

基于聚类与时间耦合执行序列的任务分解方法

本文针对复杂任务分析中的高度耦合任务不易分解且需重构排序的问题,提出了一种基于聚类分析与改进时间-耦合执行序列的自适应任务分解方法。在矩阵最值遴选模型和任务序列转移策略相结合的基础上,设计了基于中间任务序列的任务矩阵分割算法;并进一步采用粒度自主循环调整机制,最终实现了复杂任务的自适应解耦分析。仿真验证结果表明,该方法能够有效实现复杂任务的解耦及序列重构,在作战任务分析领域具有很好的推广应用前景。     

面向视角非对齐数据的多视角聚类方法

如何在视角对齐关系错位时有效进行非对齐多视角学习是一类新的挑战性问题。针对这一问题,提出面向视角非对齐数据的多视角聚类方法。一方面,为了捕获多视角异构特征的跨视角相似度信息,基于多视角非负矩阵分解进行表示学习,将原始特征嵌入一个可度量的低维同构空间。另一方面,在低维同构空间中,以二部图最优匹配模型建模视角对齐关系,并提出参考视角概念将模型推广至多视角情形。将表示学习和视角对齐关系学习整合到统一的Bi-level优化框架,使其在迭代中相互促进,进一步提高模型对视角非对齐数据的学习能力。在视角非对齐数据聚类应用上的大量实验结果表明,相比于8种先进的多视角聚类方法,所提方法在3个数据集上的多项性能指标均取得了较优的性能。     

多基地雷达聚类分析鉴别有源假目标

针对现有多基地雷达抗欺骗式干扰方法无法应用于多干扰源的问题,该文提出一种基于聚类分析的多基地雷达鉴别有源假目标方法,利用真假目标接收信号矢量之间相关性的差异,以相关系数为度量,通过聚类分析方法,将相同干扰源产生的假目标聚为一类,每个真实目标各为一类,实现有源假目标的有效鉴别.该方法可用于鉴别任意欺骗调制方式产生的有源假目标,且适用于多个干扰源实施分布式干扰的应用场景.最后,通过仿真实验,验证了所提聚类分析方法鉴别有源假目标的有效性.