基于轨迹位置形状相似性的隐私保护算法

为了降低轨迹数据发布产生的隐私泄露风险,提出了多种轨迹匿名算法。然而,现有的轨迹匿名算法在计算轨迹相似性时忽略了轨迹的形状因素对轨迹相似性的影响,因此产生的匿名轨迹集合的可用性相对较低。针对这一问题,提出了一种新的轨迹相似性度量模型,在考虑轨迹的时间和空间要素的同时,加入了轨迹的形状因素,可以在多项式时间内计算定义在不同时间跨度上的轨迹的距离,能够更加准确、快速地度量轨迹之间的相似性;在此基础上,提出了一种基于轨迹位置形状相似性的隐私保护算法,最大限度地提高了聚类内部轨迹的相似性,并且使用真实的原始位置信息形成数据"面罩",满足了轨迹k-匿名,在有效地保护轨迹数据的同时,提高了轨迹数据的可用性;最后,在合成轨迹数据集和真实轨迹数据集上的实验结果表明,本算法花费更少的时间代价,具有更高的数据可用性。     

基于聚类算法实现信号盲分类

本文解决了信号处理、工业控制等领域存在的非平稳信号盲分类问题。在聚类中广泛应用的K-Means算法及其它基于中心的聚类算法有两个共同的缺陷-需要预先确定类数目且随机初始化中心引起性能不稳定。本文提出的算法较好地解决了这两个问题，提高了算法稳定性，实现了非平稳信号盲分类。提取非平稳信号的小波系数作为聚类的样本空间，分析聚类结果的统计偏差以估计类的数目，采用调和均值准则进行分类。最后给出的仿真结果表明本文提出的方法较传统的K-Means算法明显降低分类错误率。     

基于并行膜计算的短期电力负荷组合预测

提出一种并行膜计算(Parallel Membrane Computing,PMC)的电力负荷短期组合预测方法。将线性回归模型、趋势外推模型、改进灰色模型和粒子群优化参数的支持向量机分别放入膜系统的基本膜中,同时并行预测,然后把预测结果输出到表层膜。在表层膜中组合得出最终预测值,组合优化以各种方法预测结果的几何平均数与加权组合结果之差的平方值最小为目标函数,并采用改进粒子群算法分时段优化出权重系数。此外,在进行预测前对历史数据进行了改进滑动平均处理,并采用系统聚类法选出计算输入的历史数据。并行膜计算可以极大地提高组合预测速度,以多种方法预测结果的几何平均数代替真实值确立组合预测模型的目标函数更具实用性。最后,仿真结果验证了所提方法的合理性和有效性。     

基于机理分析的球磨机系统动态模糊建模方法

钢球磨煤机是一个典型的强非线性、多变量耦合系统。文中提出了一种基于减法聚类的T S模糊建模方法,这种T S模糊模型具有较强的过程辨识能力,同时得到的模糊规则可以用机理清晰地解释分析。另外,该算法能将对象的机理特性融入建模过程,在简化结构辨识的同时又获得了优异的全局建模效果。这种相对透明的模糊模型为高性能模型控制器的设计奠定了基础。图5参3     

无线传感器网络分簇算法分析与性能比较

文中在介绍无线传感器网络路由协议的基础上,重点分析了几种有代表性的分簇路由协议算法。然后对各种分簇算法从10个评价参数上进行了一个综合对比,总结了无线传感器网络现有分簇路由协议的优点和存在的问题。最后从网络安全性和协议的实用性等方面,并对无线传感器网络分簇路由协议算法进行了展望。     

新的位置感知分簇算法

针对无线传感器网络能量有效性和可靠性问题,提出一种新的位置感知分簇算法(LACA,location awareclustering algorithm).算法引入角度比和距离比2个感知参数,使节点通过其所在的位置自主地决定是否作为簇头,通过了NS2仿真验证.结果表明,与LEACH和GAF算法相比,LACA不仅提高了网络能量有效性,延长了网络寿命,而且有效地抑制了孤立节点的产生,确保了网络的可靠性.     

基于路径选择的自适应蚁群算法研究

本文提出样本空间经过K-均值聚类算法聚类加工处理后,算法通过动态地调整选择路径概率,优化TSP求解过程中解的分布均衡性,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。这种新的算法提供了在样本空间预处理情况下,动态自适应地解决TSP问题最优解的新方法。比起普通蚁群算法,此算法对大规模数据的最优解的求解更有显著效果。     

一种改进的基于K-SVD字典的图像去噪算法

为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD（Singular Value Decomposition）字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。     

基于静态分簇的LEACH算法改进研究

LEACH算法是为满足高效节能需要而提出的一种典型的分簇协议.在此基础上,提出了一种改进算法：主要体现在在网络开始工作时使用静态分簇,以簇为单位进行簇内节点轮换当选为簇首,簇间以及簇与基站间的通讯采用单跳与多跳结合的方式.最后使用NS2对LEACH算法和改进的算法进行仿真对比,证实了改进后的算法在与LEACH算法相比性能有了很大的提高.     

基于多聚类中心和PCNN的医学图像融合算法

提出一种基于K-means Clustering和脉冲耦合神经网络(PCNN)的图像融合的方法,首先,以多特征信息为聚类方式利用K-means Clustering分割提取源图像的对应特征点,通过归类合并建立多模医学图像的特征点集合,根据特征点分布将图像划分为纹理区域和非纹理区域,纹理区域对应系数输入PCNN得到点火映射图,根据点火次数选择融合系数,非纹理区域的系数通过双通道PCNN进行融合。实验结果表明,该算法能够精确划分图像纹理区域,进而利用PCNN和双通道PCNN在图像不同区域系数选择各自的优势,融合图像纹理清晰,质量改善。