一种新的基于遗传算法的动态聚类算法

为了在聚类数不明确的情况下实现聚类分析,提出一种新的结合最近邻聚类和遗传算法的动态聚类算法.新算法包括两个阶段:第一阶段用最近邻聚类算法根据最近邻方法把最相似的实例分到同一个簇中并根据一些相似性或相异性度量过滤掉噪声数据从而得到初始聚类集,第二阶段是遗传优化阶段,利用动态聚类评估函数,动态地合并初始聚类集,从而获得接近最优的解.最后对算法进行了实验仿真,实验结果表明方法在事先不知道聚类数的情况下能够有效地进行聚类.     

3维图像中边界曲面可被等值面逼近的判定方法

在可视化技术中,人们常试图从3维图像中抽取特定的等值面,以近似表示3维图像中所包含目标的边界曲面。考虑到实际的3维图像中,某些目标的边界曲面可以被特定的等值面很好地逼近,但是由于许多目标的边界曲面事实上难以被任何等值面很好地逼近,因此,识别3维图像中哪些边界曲面可以被特定的等值面很好地逼近就成为可视化技术中一个非常重要的研究问题。为了准确地判定哪些边界曲面可以被特定的等值面很好地逼近,特提供了一个有效的判定方法。该方法首先计算紧密地分布于连续隐边界曲面两侧的目标网格点,然后判定计算得到的目标网格点集合与背景网格点集合可否在误分很小的情况被某些等值面分离开来。实验结果表明,该判定方法是可行有效的。     

BTT导弹变结构自适应控制仿真研究

一种变结构自适应控制律,可以不依赖于系统的精确数学模型,但对于BTT导弹气动参数不确定性具有良好的控制效果.采用Matlab,分别对BTT导弹滚转、偏航以及俯仰三个通道进行数值仿真,接着又对闭环系统进行了仿真验证,根据对仿真结果的分析,对该控制律进行了进一步的改进.所设计的改进控制律很好地解决了导弹数学模型不能精确获得以及参数大范围变化的问题,并且在很大程度上克服了导弹各通道间存在的耦合现象,与其它控制方法比较,具有算法相对简单,并且易于仿真验证的特点,对BTT导弹自动驾驶仪研究具有很好的指导意义.     

基于多尺度Retinex的自适应图像增强方法

介绍了一种基于MSR的自适应图像增强的方法,能够较好地自动处理由于云雾、雨天等天气原因和光照不足导致的景物不清、视觉质量差和对比度低的图像,提升多种类型的图像视觉质量.通过对实验的结果以及算法的普适性进行比较和分析,证明了该方法是有效的.     

一类非线性时滞系统的鲁棒间接自适应控制

针对一类不确定非线性时滞系统,基于变结构控制原理,利用多层神经网络逼近的能力,提出具有投影算法的间接自适应控制方案。该方案通过监督控制器保证闭环系统所有信号有界,并引入综合误差的自适应补偿项来消除建模误差的影响。理论分析证明跟踪误差收敛到零,仿真结果表明该方法有的效性。     

基于一种改进粒子群算法的SVM参数选取

支持向量机作为一个新兴的数学建模工具已经被广泛地应用到很多工业控制领域中,其良好的泛化能力和预测精度在很大程度上受到其参数选取的影响.根据智能群体进化模式改进粒子群优化算法.利用模糊C均值聚类算法分类粒子群体,并用子群体最优点取代速度更新公式中的个体历史最优点,并利用该算法搜索支持向量机的最优参数组合.对比仿真实验表明:所提优化算法是支持向量机参数选取的有效算法,在非线性函数估计中体现出优良的性能.     

一种全新的RGB色差度量公式

从RGB颜色空间入手,在对现有的几种RGB色差度量公式分析对比的基础上,总结出RGB颜色色差的3个基本规律,提出颜色分量的重要程度这一概念。并根据颜色分量的重要程度用动态系数调整RGB颜色间的空间距离和矢量角度值,从而得到了一种全新的RGB颜色空间的色差度量公式。通过高复杂度图像的颜色量化实验证明该色差公式在颜色量化中的性能优于目前使用较为广泛的几种RGB色差度量公式。     

改进FCM聚类算法及其在入侵检测中的应用

针对模糊C-均值（FCM）算法的局限性,提出了一种具有两阶段的模糊FCM聚类改进算法。通过加入点密度函数加权系数和样本特征矢量权重对FCM聚类算法中的目标函数进行改造,进而给出迭代推导公式和算法描述。该算法克服了样本分布不均匀和样本特征矢量对分类贡献不均衡的情况,有效地提高了聚类精度。最后利用KDD CUP 99数据集进行实验,结果表明该算法具有良好的可靠性和可行性。     

一种基于组移动性的战术Ad Hoc网络分群算法

如何合理地保障分群是战术Ad Hoc网络实现分层网络并进行分群路由的前提和核心环节。针对这个核心问题,引入组移动特征,结合本地移动性参数和节点的能量,面向战术Ad Hoc网络,提出了一种基于组移动性的分群算法,并仿真分析了该算法的分群性能。     

基于相对距离的改进粗K-means方法

对现有的两种基于绝对距离的粗K-means方法进行了讨论,指出了各自的不足之处。在此基础之上,讨论了用相对距离替代绝对距离的合理性,从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较,验证了基于相对距离的粗K-means方法的可行性和有效性。