一类多输入级联非线性切换系统的全局镇定

研究一类带有部分线性系统的多输入级联非线性切换系统的全局镇定问题. 首先, 给出保证线性部分有一致规范型的充分条件. 其次, 利用一致规范型及其零动态的共同二次Lyapunov函数设计状态反馈使得线性部分在任意切换律下镇定. 最后, 通过构造共同Lyapunov函数能实现闭环系统在任意切换律下的全局渐近稳定性.     

网格服务资源多维性能聚类任务调度

网格计算是当前一个重要的研究领域,其中任务调度是一个基本组成部分,其性能直接影响到网格服务质量.为了缩短任务调度完成时间,提高任务调度性能,提出了一种网格资源多维性能聚类任务调度算法MPCGSR (task scheduling algorithm based on multidimensional performance clustering of grid service resources).该算法根据网格环境下服务资源数量庞大、异构、多样的特点,预先以构建的网格服务资源超图模型为基础,结合小世界理论对服务资源进行多维性能聚类,将任务与聚类资源相匹配并实施调度.模拟实验结果表明,算法较之同类算法具有优越性,是一种有效的网格任务调度算法.     

一种特征加权FCM算法的图像重建技术研究

针对传统FCM(Fuzzy C-means)算法中初始聚类中心选取的随机性以及对初始值敏感的问题,提出一种基于进化策略的色彩空间加权的FCM聚类算法.通过在RGB(Red Green Blue)色彩空间矢量中设置加权矩阵来补偿各色彩的非均匀性,并采用一种类内最小距离最大的统计聚类算法来初始化聚类中心.实验结果表明,该算法能有效减少颜色量化后的均方差值,保持重建图像的整体层次和局部特征细节,对研究图像处理技术有较强的实际意义.

Abstract：

Aiming at a defect on randomness of the initial clustering center choosing and sensitivity of initial value in tradition FCM(fuzzy C-means) algorithm, a clustering algorithm about FCM of weighted color space based on evolutionary strategy is proposed. By interposing weighted matrix in RGB(Red Green Blue) color space, the color's inhomogeneous is compensated. And by using a statistics clustering algorithm of minimal maximal distance, clustering center is initiated. The experimental results show that the algorithm can decrease effectively the mean square deviation of color quantization, keep overall arrangement of ideas and part characteristic detail in image reconstruction, and has practical value to the study of the image process technology.     

均匀二重混合双曲多项式B样条曲线

为扩展B样条曲线,提出1种均匀二重混合双曲多项式B样条曲线. 该样条曲线在span{sinh t,cosh t,tsinh t,tcosh t,1,t,…,tk-6,tk-5}空间上均匀产生,其中k是大于等于5的整数. 证明k阶二重混合双曲多项式B样条基的性质和二重混合双曲多项式B样条曲线的性质. 二重混合双曲多项式B样条曲线精确地包含双曲多项式B样条曲线. 给出这种新样条曲线的细分公式并证明其有变差缩减性质和细分控制多边形逼近性质. 该性质使得通过递归细分得到曲线成为可能.     

初始聚类中心优化选取的核C-均值聚类算法

在通常的核C-均值聚类算法中,聚类结果对初始聚类中心敏感,随机选取初始聚类中心时,会使得迭代次数较多、分类结果不稳定.针对该问题提出一种优化选取仞始聚类中心的算法.该方法采用一种改进的最大最小距离算法对原始空间中的数据进行粗分类,将粗分类结果中每类类心作为初始聚类中心,再运用核C-均值聚类算法进行分类.仿真实验结果表明方法能有效减少迭代次数,使分类结果更加稳定,分类识别率也有一定程度的提高.     

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.     

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。     

基于扩散激活模型的无线自组网分簇方法

传统的分簇方法很少同时考虑安全因素及其对网络性能的影响。针对此问题,提出了一种基于信任关系的分簇方法,该分簇方法结合人类记忆的扩散激发模型思想,能够根据有限的局部信息自动地对整个网络进行分割。试验结果表明,该文所提出的分簇方法在精确度方面与集中式的分簇方法非常接近。因此,在提高Ad Hoc网络性能的同时,还可提高其安全性。     

聚类算法分析及在GIS中心选址中的仿真研究

通过对聚类算法初始点选择策略的分析和比较,经典k-means算法在GIS海量数据处理上的效率问题,提出了随机采样的k-means算法来进行坐标聚类;并将随机采样k-means算法应用于GIS中心选址,充分利用GIS数据分析和处理能力,以城市间的欧几里得距离为相似条件,采用最大最小原则选取初始点进行聚类,从而缓解局部最优解产生的概率;选取中心城市作为目标对象,从而提高商业决策的充分性和可靠性;经仿真结果验证了所提出的随机取样k-means算法的有效性和正确率。     

模糊聚类有效性的研究进展

聚类有效性评价对聚类分析具有重要意义,是聚类分析的瓶颈之一。本文从基于数据集模糊划分的方法和基于数据集几何结构的方法两方面,归纳综述了常用的模糊聚类有效性评价函数,并讨论了模糊聚类最佳类别数的自动确定问题。