数据挖掘中的聚类算法综述*

聚类是数据挖掘中用来发现数据分布和隐含模式的一项重要技术。全面总结了数据挖掘中聚类算法的研究现状,分析比较了它们的性能差异和各自存在的优点及问题,并结合多媒体领域的应用需求指出了其今后的发展趋势。     

高维索引机制中的降维方法综述*

全面总结了现有的高维数据降维方法,深入分析比较了它们各自的优缺点,并从应用的角度指出其今后发展的趋势在于多种降维技术的合理组合,尤其是线性降维与非线性降维思想的有机结合。     

运用模糊神经网络的雷情系统故障诊断研究

为了对雷达情报信息系统进行快速准确的故障诊断,提出了一种模糊神经网络的故障诊断方法.该方法将BP网络与FAM网络相结合,充分利用BP网络的分类功能和FAM网络的综合诊断功能,实现了高效、准确的故障诊断.最后通过对雷达情报信息系统故障实例的诊断仿真,证明了该算法的合理性.     

一种降维新方法*

针对图像数据的72维HSV颜色特征,对数据集的本征维概念进行了有意义的扩展,在此基础上提出了一个新的降维机制.实验证明,该降维算法是行之有效的.     

高维数据的相似性度量研究

数据间的相似性度量是进一步分析数据集整体特性的一个重要基础。针对高维数据的相似性度量问题,提出了一种基于子空间的相似性度量方法。该方法先将高维空间进行基于网格的划分,然后在划分后的子空间内计算数据间的相似性。理论分析表明,在合理选定网格划分参数的前提下,该方法可有效减小维度灾难对高维数据相似性度量的影响。     

高维数据聚类方法综述*

总结了高维数据聚类算法的研究现状,分析比较了算法性能的主要差异,并指出其今后的发展趋势,即在子空间聚类过程中融入其他传统聚类方法的思想,以提高聚类性能。     

通信装备课程实战化教学内容改革研究

为提升我院本科学员实战化通信保障和装备运用能力,分析了通信装备课程教学内容现状,按照"夯实装备理论基础、强化装备实践技能、拓展装备运用场景"的思路,提出"通信装备原理与技术实战化、通信装备操作与使用精准化、通信装备维护与维修战场化、通信装备组织与运用极限化"的教学内容实战化改革措施,给出了该课程教学内容改革实践效果.这为我院相关专业的装备课程实战化教学提供了参考.     

基于内容图像检索中的索引技术*

首先总结了基于内容图像检索中索引技术的研究现状,指出了其中存在的问题以及今后发展趋势,然后提出了一个新的聚类算法和降维算法,并将两者结合起来提出了一个可用于基于内容图像检索的索引机制。     

面向大规模图像库的高维索引机制研究

针对图像的72维HSV颜色特征,提出了一种新的降维索引方法.区别于传统的降维机制,该方法在降维的过程中不仅保留了原始数据空间整体的重要信息,也准确抓住了高维个体数据的重要特性.在大规模图像库上的实验表明,基于本文索引机制的搜索算法不仅显著减少了支配检索时间的I/O开销,而且具有较高的查询准确率.