基于核光谱角余弦的高光谱图像空间邻域聚类方法

 针对高光谱图像分类精度对光谱角余弦阈值非常敏感的问题,提出了一种新的光谱相似性度量方法,即核光谱角余弦.论文给出了核光谱角余弦的定义及求解式;分析了多项式核函数参数对核光谱角余弦影响,设计了以核光谱角余弦作为相似性度量的空间邻域聚类方法.对深圳红树林高光谱图像的仿真结果表明,基于核光谱角余弦完成空间邻域聚类时,阈值取值区间大小约为现有基于光谱角余弦的阈值取值区间大小的9倍.     

一种基于神经网络的医学数据场体分割新算法

直接体分割是三维医学数据场处理的难点和研究热点之一.利用BP神经网络的聚类技术,提出了一种新的三维医学数据场的聚类分割算法.首先,根据医学数据的物理意义,对数据场进行预处理,以加快后继处理速度;随后分析推导了基于神经网络的聚类分割算法,并提出了若干加速算法收敛速度的方法.实验结果表明该算法不仅能够提高三维医学组织的聚类分割精度,而且能够模型的处理速度.     

拉普拉斯加权聚类算法

 本文提出了一种用于聚类分析的加权聚类算法,通过利用拉普拉斯权,将聚类对象之间的结构信息自动转换为对象的权重.由于拉普拉斯权能够描述数据的邻域结构,从而能够更好的聚类.该加权聚类算法在性能上比经典聚类算法有较大改进,还具有对孤立点鲁棒、适合类别不平衡数据聚类、对聚类个数不敏感等优点.人工数据集以及UCI标准数据集上的实验证实了本文算法的可行性和有效性.     

一种基于灰色定权聚类的决策层融合目标识别算法

决策层融合目标识别本质上是一个不确定性信息处理问题,该文基于灰色系统理论中的灰色定权聚类方法提出了一种新的决策层融合目标识别算法。该算法将一个M 类目标识别问题转化为M个两类目标识别问题,然后对每个两类识别问题采用灰色定权聚类的方法解决,其中白化权函数通过训练样本学习确定。利用该算法对3种分类器识别5类雷达目标的结果进行融合,实验结果表明该方法能有效提高目标识别性能。     

一种新的基于区域划分的距离-损耗模型室内WLAN定位系统

该文基于室内RSS模型,结合定位空间的区域划分,构建了一个室内用户定位系统;在各个区域内,将在已知位置的信息收集点采集到的各无线接入点信号强度,与计算机模拟实际环境获得的信号强度值相比较,以此设定RSS模型参数;然后采用最大似然法估计用户位置。实际系统测定结果表明,该方法可以获得较为精确的室内用户位置估计。     

CDMA Bunched系统覆盖控制算法研究

该文对CDMABunched系统位置优化问题进行了研究,给出了使远端天线单元覆盖区域达到最优的方法;根据CDMA系统中断方程提出了一种基于梯度下降算法的CDMABunched系统覆盖控制算法;利用计算机仿真对该算法进行了验证,结果表明,经过优化的系统,用户中断概率较天线单元均匀分步的系统低一个数量级,较规则分布的系统低40%以上。     

无线传感器网络中一种动态节能的MAC协议

媒体访问控制(MAC)协议是无线传感器网络的关键协议之一,它对无线传感网络的运行和性能具有重要的影响.针对基于簇的TDMA机制存在问题,文中提出了一个动态节能的DE-MAC协议,该协议能够根据簇成员节点数目和通信负载动态地分配成员节点的时隙,减少节点的空闲侦听时间.仿真结果表明,DE-MAC协议能够有效地提高信道的利用率和网络能量有效性.     

基于信令数据的轨迹驻留点识别算法研究

针对密度聚类算法只能识别密度相近的簇类且计算复杂度高等问题,该文提出一种基于信令数据中时空轨迹信息的密度峰值快速聚类(ST-CFSFDP)算法。首先对低采样密度的信令数据进行预处理,消除轨迹震荡现象;然后基于密度峰值快速聚类(CFSFDP)算法显式地增加时间维度限制,将局部密度由2维扩展到3维,并提出高密度时间间隔以表征簇中心在时间维度上的数据特征;接着设计筛选策略以选取聚类中心;最后识别用户出行轨迹中的驻留点,完成出行链的划分。实验结果表明,所提算法适用于采样密度低且定位精度差的信令数据,相比CFSFDP算法更适用于时空数据,相比基于密度的时空聚类算法(ST-DBSCAN)召回率提升14%,准确率提升8%,同时降低计算复杂度。     

超密集网中一种基于人工蜂群的节能分簇算法

超密集网络中,密集部署的低功率基站将会加大系统的能耗,并且造成紧缺频谱资源的浪费.探寻干扰协调和系统节能的可行性方法在超密集网络架构下提出基站的休眠—唤醒—活跃机制,减小了休眠基站直接转为活跃状态的开启时间;另外,提出一种基于人工蜂群染色分簇算法,尽可能使用最少的颜色给拓扑图中的小区染色,并对簇内活跃基站进行优化功率分配.经仿真表明,休眠—唤醒—活跃机制能够提升系统的能源效率,染色分簇算法也可以改善用户的频谱效率和吞吐量.     

超密集网基于干扰公平及多维协作的虚拟小区生成算法

在超密集网络场景中,小区密度持续增加使得干扰关系更加复杂,重叠虚拟小区结构使得资源分配深度耦合,导致虚拟小区选择成为影响系统性能的因素之一.为此,针对虚拟小区边权重设计,采用联合资源分配前置化思想,提出一种综合了干扰公平功率分配、MU-MIMO配对及协作传输诸增益因素的权重方案.针对虚拟小区成簇,基于提出的权重设计准则,通过最大权重成对小区成簇算法实现虚拟小区可重叠成簇.仿真结果表明,提出的虚拟小区生成算法可在低计算复杂度的前提下保证系统性能的改善.