基于网格的参数自动化聚类算法

提出了一种基于网格的参数自动化聚类算法PAG，主要目的是解决传统的网格聚类算法对参数敏感的问题．算法采用参数自动化技术来处理参数，即算法开始运行时所需的参数直接由参数自动化技术中的公式计算得出，不需要用户输入任何参数．通过对大量数据集的实验表明，该算法可扩展性好，能处理任意形状和大小的聚类，能够很好地识别出孤立点或噪声，并且有很好的精度．     

基于相似度的网格聚类算法

提出了一种基于相似度的网格聚类算法（SGCA）。该算法主要利用网格技术去除数据集中的部分孤立点或噪声,使用边界点阈值函数提取类的边界点,最后利用相似度方法进行聚类。SGCA算法只要求对数据集进行一遍扫描。实验表明,该算法可扩展性好,能处理任意形状和大小的聚类,能够很好的识别出孤立点或噪声,它不仅适用于综合数据集,而且对高维数据集也具有较好的聚类结果。本文中还引进了网格核技术,进一步改善了SGCA算法的时间复杂度。     

基于网格的多密度聚类算法

提出了一种多密度网格聚类算法GDD。该算法主要采用密度阈值递减的多阶段聚类技术提取不同密度的聚类,使用边界点处理技术提高聚类精度,同时对聚类结果进行了人工干预。GDD算法只要求对数据集进行一遍扫描。实验表明,该算法可扩展性好,能处理任意形状和大小的聚类,能够很好的识别出孤立点或噪声,在处理多密度聚类方面有很好的精度。     

基于中心线引导的主动视觉导航方法研究

为了解决移动机器人主动视觉导航的漂移问题,提出了一种基于中心线引导的视觉导航方法。该方法首先构建了实际物理坐标与图像坐标的映射管辖,为实时图像坐标约束条件的闭环控制提供精确的数学模型;接着,利用Canny算子进行车道边缘线和道路标志线的初步检测,并采用方向引导优化的方法消除背景杂波的干扰,提升复杂背景下的检测精度;最后,通过模糊控制器对导航中心引导线的偏离角度进行修正,保证形式路线的正确性。实验结果表明,同传统的被动固定摄像机导航方法相比,有效提升了不同路况条件下的导航精度。     

计算机技术在煤矿安全生产中的应用

计算机技术能够实现对煤矿生产远程的监控和运行状态的动态跟踪,很大程度上提高了煤矿生产的安全性。为此提出了当前我国煤矿安全生产中的主要监控的问题,并探讨了计算机技术在煤矿安全生产中的具体应用。     

基于动态权重的传感网络路径选择算法仿真

在传感器网络路径选择过程中,网络路径选择具有较高的动态性,导致传统采用流体神经网络算法,依据单一标准明确属性权重,无法针对变化的网络属性进行有效分析,不能得到有效的网络路径.提出了一种采用动态权重的传感网络路径选择算法,根据层次分析法确认不同业务状态下各网络路径属性的重要性,选取带宽、时延、抖动、丢包率四个属性作为网络路径选择的判决准则,构建属性的判断矩阵,采用特征根法计算不同判断属性的权重,按照业务类型动态调整权重,明确各属性的综合权重,采用灰色关联分析方法明确不同备选网络路径的灰色关联系数,对备选网络路径进行加权排序,进而选择最佳传感网络路径.仿真结果验证了所提方法选择路径过程中的收敛迭代次数以及有效解数量都优于传统方法,并且所提方法下的传感网络具有较高的数据传输效率.     

基于投影分类的语音端点检测方法

针对低信噪比条件下语音端点检测精度受噪声干扰严重的问题,提出了一种基于投影分类的语音端点检测方法。该方法首先利用长时语音信号变化率测度特征进行低信噪比环境中的语音特征计算,充分利用语音信号和非语音信号的不同来增强低信噪比条件下的区分度;接着,采用Fisher准则对语音和背景噪声进行分类识别,确保投影后的特征参数类内散度最小、类间散度最大。实验结果表明,方法具有较高的检测精度,在信噪比为-10 d B的白噪声干扰情况下仍然保持了86.7%以上的正确检测率。     

基于距离和密度的多阶段聚类

随着聚类技术的发展．对不同密度的数据集的聚类需求也越来越迫切。为了解决不同密度数据集的聚类问题,提出一种基于距离和密度的多阶段聚类算法MCDD。该算法主要采用多阶段密度处理技术提取不同密度的聚类,同时使用密度因子提高聚类的精度．最后通过使用距离阈值的方法去除孤立点和噪声数据。实验表明,该算法在扩展性方面表现良好．对任意形状和大小的聚类都可以很好地处理,并能够很好地识别出孤立点或噪声,在处理多密度聚类方面有很好的精度。     

基于网格的多密度聚类算法

提出了一种多密度网格聚类算法GDD.该算法主要采用密度阈值递减的多阶段聚类技术提取不同密度的聚类,使用边界点处理技术提高聚类精度,同时对聚类结果进行了人工干预.GDD算法只要求对数据集进行一遍扫描.实验表明,该算法可扩展性好,能处理任意形状和大小的聚类,能够很好的识别出孤立点或噪声,在处理多密度聚类方面有很好的精度.