基于灰色方法与结构距离的飓风轨迹聚类算法

飓风轨迹的聚类分析以轨迹间的相似性为基础.但是目前轨迹相似距离研究主要仅针对一个或两个轨迹属性,使得得到的聚类结果无法充分体现轨迹的运动特征.为充分利用轨迹的属性特征,结合灰色相关理论,提出将位置、方向、速度三个属性融合为结构相似距离,并以此作为轨迹间相似距离度量函数进行聚类分析,以达到更全面了解轨迹运动特点的目的.实例分析表明该算法能充分体现轨迹运动特征,聚类结果更具有实际意义.     

基于图像对比度数量映射的矢量场可视化算法

矢量场可视化是科学计算可视化中的一个研究热点,基于纹理图像的流线积分算法可以清楚地描述矢量场的细节。科学计算的数据通常是多维的变量,为了能在图像上同时显示超过2维的变量,采取了如对图像的颜色、明暗等属性进行数量映射的各种方法。本文提出了一种对图像的对比度进行数量映射的方法,动态改变图像局部的对比度,达到较好的可视化效果。     

一种基于最大信息系数预处理的k-modes聚类方法

为解决现有k-modes聚类方法因忽略了变量属性之间的弱相关性,常造成其在实际应用中聚类性能不佳的问题,提出一种包含属性弱相关性的新k-modes聚类方法。引入最大信息系数（maximum information coefficient, MIC)度量数据集中变量属性之间的相关性;将得到的MIC值与原有距离进行融合,建立包含属性弱相关性信息的新度量方法,以增强变量属性间相关信息的完备性,建立更加精细的k-modes聚类方法;调用3种不同的数据集,将新方法与原有的k-modes聚类方法和其他改进k-modes聚类方法的性能进行对比,并通过仿真结果表明了新方法的有效性。     

地下水渗流场可视化动态模拟与应用研究

针对地下水模拟系统缺乏动态处理和时空分析能力,基于有限元数值计算理论方法,以虚拟环境中可视化技术为支撑,提出了地下水渗流场可视化动态模拟的体系架构.设计了虚拟开采井条件下的流场仿真模拟和水位动态模拟算法,并通过建立流场的拓扑结构和特征提取、以及区域布点、质点途经单元的流速计算等,实现复杂流场的连续流线生成与动态跟踪模拟.以北京市平原区地下水渗流场为例,表明所提出的方法能够有效而准确地实现地下水渗流场三维动态模拟与可视化显示.     

基于灰色关联聚类的特征提取算法

针对航空发动机气路部件故障样本特点,提出了一种基于灰色关联聚类的特征提取算法.论述了邓氏、相对变率和斜率三种灰色关联度分析方法,并以利用灰色关联度作为动态聚类欧氏距离的思想,构建灰色关联聚类特征提取模型.以某型涡扇发动机常见气路部件故障为例,利用ESVR算法验证特征提取能满足故障诊断要求. 仿真结果表明:该方法可以提取特征传感器, 使核与约简更精确.     

基于HPal信息熵融合的三维模型检索方法

为了弥补单种特征提取算法描述模型特征的不足,提出基于HPal信息熵的三维模型多特征动态融合检索算法。针对给定的查询模型,利用各特征集上的检索结果列表动态计算各特征相对应的HPal信息熵,基于HPal信息熵确定融合权值,然后通过距离加权计算模型之间的相似度。与融合中最好单特征集相比,该方法的检索准确率明显提高,并且实验结果也表明该方法比其他3种流行的算法更为有效地提高了检索效果。     

集成粗糙集和阴影集的簇特征加权模糊聚类算法

特征加权是聚类算法中的常用方法,决定权值对产生一个有效划分非常关键。基于模糊集、粗糙集和阴影集的粒计算框架,本文提出计算不同簇特征权重的聚类新方法,特征权值随着每次迭代自动地计算。每个簇采用不同的特征权重可以更有效地实现聚类目标,并使用聚类有效性指标包括戴维斯-Bouldin指标(Davies-Bouldin,DB)、邓恩指标(Dunn, Dunn)和Xie-Beni指标(Xie-Beni, XB)分析基于划分的聚类有效性。真实数据集上的实验表明这些算法总是收敛的,而且对交叠的簇划分更有效,同时在噪声和异常数据存在时具有鲁棒性。     

一种基于旋转最小-最大超盒的聚类算法

针对传统聚类算法无法解决复杂分布数据聚类的问题，本文提出了一种基于旋转最小-最大超盒的聚类算法。该算法首先对数据急归一化处理，然后借助旋转最小-最大超盒对样本空间进行划分，从而生成一系列的初始分类，最后利用类别间的可融合度概念将初始类别融合为最终的聚类。仿真结果表明，该算法在无需聚类数目的前提下，对复杂分布数据具有很好的聚类效果，其聚类性能与传统的FCA相比有极大的提高。     

大规模三维标量场并行可视化技术综述

并行绘制是提高大规模三维标量场可视化效率的一种重要方法,分别对三维标量场的两类重要可视化方法面绘制方法和直接体绘制方法进行了阐述,并结合这两类可视化方法对其并行绘制中的各种并行模式、负载平衡和图像合成算法进行细致的分析和比较;对国内外较有名的并行绘制系统实现进行了分类与对比;最后,在总结现有研究成果基础上,分析了该领域的下一步发展趋势,为大规模性三维标量场的并行可视化提出了新的问题和思路。     

基于独立成分分析的时间序列谱聚类方法

为了对时间序列数据进行聚类分析, 提出了一种基于独立成分分析的时间序列多路归一化割谱聚类方法, 并给出了利用独立成分分析对时间序列数据进行特征提取和降维的理论解释. 该方法首先利用独立成分分析对时间序列数据进行特征提取, 然后利用多路归一化割谱聚类方法完成对时间序列特征数据的聚类分析, 从而得到了一种新的基于特征的时间序列聚类方法. 为了验证该方法的可行性和有效性, 将其应用于仿真时间序列数据和实际的股票时间序列数据聚类分析中, 取得了较好的数值结果.     

基于航迹点法向距离的航迹聚类研究

随着民航业的飞速发展,机场噪声污染问题越来越严重,研究航迹聚类对机场噪声预防治理工作具有重要意义。现有航迹聚类算法所采用的航迹点对选取方式,无法实现所选航迹点对在空间上的对应,严重影响聚类效果。针对这一问题,提出一种基于航迹点法向距离的航迹聚类模型。该模型采用航迹点法向距离作为航迹相似性度量方法,有效地解决了因飞机速度差异引起的航迹点对选取不匹配问题。通过K-medoids聚类算法对航迹进行二维和三维聚类,使用Davies Bouldin (DB)指标、Dunn指标对聚类结果进行评价。实验表明,提出的模型能够更好地度量航迹之间的相似性,航迹聚类效果更好,从而验证了该模型的合理性和有效性。     

基于类内差和改进划分系数的聚类有效性函数

针对改进划分系数对模糊聚类有效性的判决并不十分理想,提出了将类内差和改进划分系数相结合的两个聚类有效性函数。该聚类有效性函数从数据聚类效果要求类内样本越相似而类间样本相差越大的观点出发,通过将反映数据聚类类内紧致性程度的类内差和类间分离性程度的改进划分系数相结合,并考虑到模糊C 均值聚类算法的适用条件作为构造聚类有效性函数的约束因子,得到新的聚类有效性标准。给出应用该函数进行模糊C 均值聚类有效性判决的具体步骤,通过仿真实验证明该有效性函数具有良好的分类性能。     

一种海底地形与底质的三维融合可视化方法

海底地形与底质是海洋环境可视化的基本内容。目前基于二维平面的海底地形与底质的可视化结果缺乏真实感,而已有的三维海底环境可视化不能有效反映各种底质的分布情况。为了能够更加真实自然地综合表现海底地形与底质,提出一种海底地形与底质的三维融合可视化方法。该方法首先根据测量数据对海底底质进行区域划分,然后利用等距线方法生成不同区域间的纹理过渡带,采用多重纹理实现不同底质纹理之间的平滑过渡,接着对生成的纹理图像进行瓦片金字塔建模,最后将底质纹理与基于海底水深数据的三维海底地形模型融合绘制。实验结果表明,该方法得到的海底地形与底质的三维可视化效果更加真实自然,可较真实反映不同海底底质的分布情况。     

二次映射和遗传算法用于鉴别可视化特征提取

多元数据图表示是高维数据可视化最简单的一种处理方法.从多元数据的雷达图中提出了一种图形特征-可视化重心特征.由于雷达图与数据的特征排序有关,导致可视化特征深受特征排序影响,提出了利用二次映射计算出所有特征排序下的可视化特征,基于遗传算法再从中选择出具有鉴别能力的可视化特征.葡萄酒、乳腺癌和糖尿病等UCI真实数据集的实验结果证实了我们的想法,最佳分类错误率分别达到了0%、1.61%和20.7%,优于报道的常用的分类性能,优于传统的鉴别特征提取方法.     

物体三维重建中轮廓匹配的模糊模式识别方法

基于轮廓序列的三维重建需要解决不同层面的匹配与聚集问题,传统算法在复杂流型转换中匹配准确率较低.针对传统匹配算法匹配准确率较低等问题,采用对折线求平均距离、构造模糊集的方法,给出了一种模糊聚类的数学模型,将传统的匹配问题转化为类成员的隶属度问题,最后把该模型应用到电容层析成像三维可视化系统中,并通过仿真实验验证了方法的有效性.     

虚拟现实环境中涡流特征的多通道感知技术研究

科学计算可视化给工程师提供一个洞察产品性能的有效途径。然而传统的可视化技术几乎都在视觉上传递信息,多元显示、全局视角、交互等都约束了对产品更深一步的观察。本文提出了一种结合涡流特征提取、涡流基于特征的可视化、涡流特征的声音表达得多通道感知技术,对三维矢量场的多维数据更深一步探测。结合虚拟现实技术,提供用户栩栩如生、身临其境、高交互的多通道感知矢量场的环境。     

基于多帧聚类的紧凑型HFSWR虚假点迹识别方法

紧凑型高频地波雷达发射功率低,目标检测时信噪比低、虚警率高,会产生大量虚假点迹,影响后续目标跟踪性能。为了滤除虚假点迹,利用目标的运动特性,提出了一种多帧聚类与极限学习机分类两级级联的虚假点迹识别方法。首先,利用基于最优邻域尺寸的多帧聚类方法,将连续多帧中与待识别点迹属于同一潜在目标的点迹聚类成簇。然后,计算簇内待识别点迹与其相邻帧内点迹的距离-多普勒速度的差分值,以其为特征利用极限学习机辨识虚假点迹。实验结果表明,所提方法能够准确将属于同一目标的点迹聚类,虚假点迹识别率达到95%。     

面向大数据处理的划分聚类新方法

大数据处理是物联网研究和应用上不可回避的难题之一,针对常用聚类方法在大数据处理上的不足,设计了一种划分聚类新方法。该方法采用了大数据集的抽样技术,对多次抽取的规模足够大的样本进行聚类以确定自然簇质心的初始位置,在此基础上采用抽样后剩余数据样本对质心的初始位置进行更新,以便校正偏离理想位置的初始质心。该划分聚类算法具有线性空间复杂度和时间复杂度。实验结果表明所提的新聚类算法不仅能得到比常用聚类算法更理想的结果,而且运行速度快,适合处理大规模数据的聚类任务。     

基于模糊投影寻踪聚类的洪灾评估模型

针对洪水灾害样本集的复杂性、随机性以及差异性,本文将模糊聚类迭代理论与投影寻踪技术进行互补融合,构建了模糊投影寻踪聚类模型.该模型采用投影值标准差和投影值欧氏距离平方和来构造投影指标函数,避免了传统投影寻踪模型由于经验性选取密度窗宽导致过于主观的问题;将高维数据低维化后进行模糊聚类运算,再通过对最优投影方向的寻优进行投影寻踪聚类运算,降低了模糊聚类迭代的运算量,实现了两种模型的双重迭代聚类.误差分析及聚类有效性评价表明,互补融合后模糊聚类与投影寻踪聚类的双重迭代聚类使得聚类精度和效果也得到了较大提高;此外,除优化算法初始化参数外,模型无需预设其它参数,也不依赖于随机训练样本,可客观依据历史样本集内在规律来进行洪灾聚类评估.实例研究和方法比较表明,提出的模型计算简洁,且能有效处理洪灾评估中的随机、模糊等主客观不确定性,能够为洪灾风险管理提供科学的决策支撑.     

基于两次异常检测的雷达HRRP杂波稳健目标识别方法

对地目标识别中,目标回波中将不可避免的含有大量杂波,严重影响识别性能。针对该问题,提出了杂波稳健识别方法,该方法首先采用基于球形假设聚类的异常检测方法,完成小簇杂波的抑制;然后利用参数非依赖局部异常因子异常检测法对剩余散射点进行异常检测,完成点杂波的抑制;最后利用杂波抑制后的高分辨距离像进行特征提取和目标识别。本文方法对目标是否运动无要求,算法涉及参数不需要人为设定。实测数据验证表明,所提方法的识别率优于传统方法,随着信杂噪比降低识别性能稳健,且运算量较小。