一种基于镜头的视频场景检测方法

在数字视频的分析、浏览、检索中,现有的以镜头为基础的方法由于镜头粒度信息太小而不能表达视频语义上的联系,因此有必要将视频内容按照高层语义单元——场景进行组织。从分析视频剪辑的基本原则入手,给出了一种视频场景构造方法;首先使用改进了的像素匹配二次差分法结合双阈值法进行镜头突变和渐变的检测,然后对镜头内的帧间距离进行判断来提取关键帧;提出了一种基于双滑动镜头窗口的聚类方法,将内容相似语义相同的镜头聚合在一起形成新的场景。试验表明,该方法是有效的。     

一种基于粗糙集的K-Means聚类算法

在传统的硬聚类过程中,得到的簇中数据对象是确定的,然而在现实世界,边界数据是不能被准确划分到任何一个簇的。粗糙集是处理这种边界不确定性的工具,基于此提出了一种基于粗糙集的K-Means聚类算法,这种算法生成的簇包括上近似集和下近似集,可以处理边界对象。试验证明,这种算法是有效的。     

基于模糊聚类神经网络的语音识别方法

提出了一种基于模糊神经网络的语音识别方法.该方法以模糊系统模型为基础,利用改进的模糊聚类辨识算法,构成一种新型的模糊聚类神经网络（FCNN）,并将其作为概率密度函数的估计器,对每个状态的输出进行预测.它不仅能有效地在语音识别中引入帧间相关信息,而且能克服状态输出概率密度函数为混合高斯分布的束缚.通过对非特定人汉语孤立词和连续音节的语音识别实验,证实了该方法的有效性.     

一种设备实时监控新方法的研究与应用

根据加权K-means算法,建立历史常规参数的聚类模型,用以实时检测设备运行的参数点。对属于簇团内的参数点,分析簇团内不同相似度时的参数个数比例和阈值,提出紧密（离核）指数的定义;对簇团外的异常点,结合CBLOF（t）的概念,提出了一种新的离群指数的定义,并根据实际情况进行综合,得出了综合指数的定义。据此,可有效地对设备的运行状况进行监控,以起到设备运行优化和故障预警的作用。     

基于免疫聚类识别的耦合功能规划方法与实例

公理设计是以独立公理为基础的,并未提供分析和处理具有功能耦合关系的耦合设计手段。针对这一问题,提出了一种耦合功能规划的新方法。该方法首先利用免疫算法对功能耦合关系进行聚类识别,然后对功能耦合程度加以量化处理,最后通过解耦和割裂操作对耦合功能进行重组,从而确定各功能的实现顺序。其中耦合关系的聚类识别旨在为解耦操作提供信息支持,以避免耦合信息的不必要丢失。结合卧式壳管式冷凝器产品的设计实例,对该方法及其有效性进行了说明和验证,还对免疫聚类识别算法中的有关参数进行了讨论,并围绕算法性能的优劣和算法结果对解耦的影响作用,分别将其与遗传聚类识别算法和基于图论的聚类识别方法进行了比较。     

基于k均值分区的数据流离群点检测算法

离群知识发现是数据挖掘研究的一个重要方面,数据流离群点挖掘更因其挖掘对象具有动态性、不可复读性、数据量大等特点而成为离群知识发现研究的一个难点．提出一种基于k均值分区的流数据离群点发现算法,先对数据流进行分区做k均值聚类生成中间聚类结果（均值参考点集）,随后在这些均值参考点中,根据离群点的定义找出可能存在的离群点．理论分析和实验结果表明,算法可以有效解决数据流离群点检测问题,算法是有效可行的．     

高维数据流聚类及其演化分析研究

基于数据流数据的聚类分析算法已成为研究的热点．提出一种基于子空间的高维数据流聚类及演化分析算法CAStream,该算法对数据空间进行网格化,采用近似的方法记录网格单元的统计信息,并将潜在密集网格单元快照以改进的金字塔时间结构进行存储,最后采用深度优先搜索方法进行聚类及其演化分析．CAStream能够有效处理高雏数据流,并能发现任意形状分布的聚类．基于真实数据集与仿真数据集的实验表明,算法具有良好的适用性和有效性．     

基于K-均值聚类与贝叶斯判别的我国煤矿顶板灾害事故安全评价

顶板事故是我国煤矿安全生产中的重大隐患,开展顶板灾害事故安全评价,识别顶板灾害危险性是煤矿安全生产亟待解决的问题。本文在文献调研的基础上,对影响顶板灾害的影响因素进行分析,从自然因素、技术因素和管理因素三个方面构建了顶板灾害安全评价指标体系,结合专家意见对各评价指标进行量化,采用K-均值聚类与贝叶斯判别的方法对我国顶板灾害安全水平进行评价,以我国煤矿实际样本数据为研究对象开展实证分析。研究结果表明:基于K-均值聚类与贝叶斯判别的煤矿顶板安全评价方法具有较高的准确度,能够用于定量化描述煤矿顶板灾害危险,具有一定的应用前景。     

基于模糊聚类和灰色关联分析结合的负荷预测

训练样本的合理选择是影响神经网络负荷预测精度的重要因素。为了选择出适量而且典型的样本,采用模糊聚类将历史负荷数据分为若干类,再利用灰色关联分析法确定各类与预测时刻负荷模式的相关度,选择关联度最大的一类,通过L-M算法对24个整点时刻分别建立BP网络预测模型,并与常用方法选择的样本训练网络得到的结果进行了对比,测试结果证明了本文所提方法的有效性。     

基于微粒群优化的船舶柴油机T-S模糊模型

提出了一种基于微粒群优化(PSO)的T-S模糊模型的非线性系统辨识方法,并用于船舶柴油机的动态建模.该辨识方法采用GK模糊聚类算法确定模糊模型的前件结构及参数,利用PSO算法来辨识模糊模型的结论参数.利用6160-All船舶柴油机模型,获得柴油机各主要参数在油门尺度和负载发生小偏差扰动时的试验数据,再利用该组数据辨识出柴油机转速、涡轮增压器转速、增压压力、空冷器压力、进气管压力、排气管压力等参数的T-S模糊动态模型.仿真结果表明了该方法的有效性.