一种近似的K最近邻图算法

针对K最近邻(KNN)图方法在数据挖掘和机器学习方面的问题,文中提出一种高效的基于K最近邻图的近似算法.首先随机生成一个KNN图近似值;对空间进行随意层次划分,构建一个近似近邻图,然后与KNN图近似值合并生成一个更准确的图;最后对生成的更准确的图进行近邻传播,进一步提高准确度.通过采用各种真实数据集和高维度合成数据进行实验研究,证实文中提出的算法性能优于先进的KNN图构造方法.     

基于K最近邻决策的支持向量机分类算法及仿真

将基于支持向量机(SVM)的分类方法和最近邻法(NN)相结合,提出了一种SVM-KNN的分类方法。通过SVM算法对训练样本进行训练并找出支持向量,在进行待识别样本判断时,当其与最优分类面距离大于某一给定阈值时采用SVM决策模型,否则运用K最近邻法决策其类别,从而减少SVM算法的误判概率。仿真实验结果显示,运用该算法无论对于合成数据还是真实数据,在分类精度上比单独的SVM都有较明显的提高。     

一种加速SIMPLE算法迭代收敛的方案及其在河道平面二维水流计算中的应用

一种加速SIMPLE算法迭代收敛的方案是把SIMPLER与SIMPLEC两种算法结合起来,压力值通过求解压力Poisson方程获得,速度修正值计算式也考虑到了邻点速度修正值的影响。对该方案给出了详细的求解步骤,并通过对长江中游安庆河段平面二维水流流场的计算,将该方案与SIMPLE,SIMPLEC,SIMPLER算法进行了对比。结果表明:该方案有着更好的收敛特性,并且能节省数值计算的时间。     

一种基于相似比的最近邻协同定位算法

在多平台协同定位中,由于系统采用时分多址的工作方式,各友邻平台传送的远端信息都不是同一时隙到达己平台的。为解决此时隙问题,提高平台协同定位性能和算法实用性,同时降低系统算法存储量,本文基于最近邻协同定位模型,提出了一种改进的基于相似比的最近邻协同定位算法,利用相似比求取伪测量值,避免求解非线性方程组带来的多解和不易实现的问题,同时推导了雷达类方位角的误差计算公式。仿真结果表明,该算法同最近邻协同定位算法相比,提高了定位精度,降低了实现难度,且减少了计算量。     

密度聚类方法在船舶航迹图谱挖掘中的应用研究

研究密度聚类方法在船舶航迹图谱挖掘中的应用。针对航迹点密度不均匀的特性,给出一种改进的密度聚类方法,即结合分类的基于弥散度的聚类算法。该方法采用弥散度作为相对密度的度量标准,根据其动态分布来确定核心点与边缘点,并使用KNN核密度估计方法对边缘集合分类。实验结果表明,本文所使用的密度聚类方法能够对船舶航迹进行有效聚类。     

一种时间校准方法及在航运信息处理中应用

传统的AIS与雷达目标信息融合中时间校准算法的计算存在复杂度高,融合精度低的缺点,且AIS和雷达的采样信息容易发生错漏的现象。针对上述问题,提出了一种基于最小二乘准则的时间校准算法。该方法的基本思想是采用样条函数对各传感器的采样数据进行拟合,并基于最小二乘准则在样条函数类中找出一函数使其满足拟合误差平方和最小的要求。与传统的方法相比,计算机仿真结果验证了新方法在计算复杂度上和融合精度上的有效性。     

一种诊断策略优化的多维目标泛深度搜索算法

传统的诊断策略搜索算法,存在计算复杂度高或者精度低,最优测试集单调等缺点,针对这些问题,通过结合多目标优化理论和准深度搜索算法的优点,提出了一种新的多维目标泛深度搜索算法。该方法能够根据目标要求调整最优测试集和测试序列,从而有效提高测试性指标,并降低计算复杂度。给出了算法实现的主要步骤,并通过对多个案例结果的分析证明了方法的有效性。该搜索算法对于诊断策略的研究及工程实践具有借鉴意义。     

一种新的802.16e系统上行测距方法

针对传统测距算法的缺点,提出了一种在频域上进行测距的新方法,该算法通过计算测距信道内相邻子载波的频域差消除定时偏差的影响,从而将二维搜索过程降为一个一维的搜索过程,采用设定门限来检测当前测距时隙存在的测距码。该算法在频域上进行一维搜索,降低了算法的复杂度,而且不会带来检测性能和定时估计性能损失。从仿真试验结果可以看出,该方法具有比较好的测距性能。     

改进的最近邻法在棉纺工艺专家系统中的应用

基于事例的推理方法中,通常需要进行事例的相似度检索,最近邻法是常用的一种检索算法.但随着事例库的增大,这种算法检索的效率就会大大降低,本文就棉纺工艺专家系统开发过程中的实际情况探讨了一种改进最近邻搜索算法,避免盲目搜索,提高了系统效率.     

基于导频的OFDM系统信道估计算法的研究

信道估计作为OFDM的一种关键技术对系统性能有着十分重要的影响。文章针对LS线性插值和LS二阶插值信道估计算法分别提出了改进,并对这几种算法性能进行仿真。实验结果表明,这两种改进算法在不增加计算复杂度的情况下,有效改善系统的性能。     

基于Fisher判决率加权的修正最近邻模糊分类器设计

针对基于高分辨距离像（HRRP）多类特征联合舰船目标识别的问题,提出了一种基于Fisher判决率加权的修正最近邻模糊分类器。在对舰船目标的HRRP特性进行分析的基础上提取船长、离散性、对称性、中心距等稳定特征,结合各类特征的稳定性和可分性,设计一种能让不同特征充分发挥优势作用的修正最近邻模糊分类器。该分类器用Fisher判决率对特征差隶属度进行加权修正;通过10类军民船目标的实测数据验证,表明基于Fisher判决率加权的修正最近邻模糊分类器在舰船目标识别领域具有很好的实际应用前景。     

图像三维插值算法研究

对三维图像插值算法进行研究，在最邻近法，双线性法和高次函数_hermitian法的基础上，提出了，一种基于信号理论的恢复曲线插值法；并将该算法应用于DICOM医学图像的三维插值。通过三维可视化的方法对各算法插值结果进行比较，证实了该算法在改善体数据的三维可视化图像质量方面有较好的效果。     

一种基于高阶谱特征的舰船目标识别方法

基于高分辨距离像(HRRP)的舰船目标识别问题,提出了一种基于高阶谱特征的舰船目标识别方法。在对舰船目标HRRP特性分析的基础上,首先利用姿态角进行方位约束筛选,然后通过高阶谱特征结合欧氏距离测度最近邻分类器进行识别匹配。通过10类军民船目标的实测数据进行测试,验证结果表明该方法在舰船目标识别领域具有很好的应用前景。     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

基于压缩感知的正交偶极子阵列信号参数估计

[目的]针对传统的极化敏感阵列的波达方向(DOA)估计算法运算复杂度高、实时性差的问题,提出基于压缩感知的正交偶极子极化敏感阵列结构.[方法]将数据压缩思想应用于阵列结构设计,压缩接收信号矢量维度,减少射频前端链路数量,以控制系统的复杂度,使阵列结构设计具有高度的灵活性.基于结构降维多重信号分类(MUSIC)算法;首先...     

基于最大频繁序列的蛋白质分类算法

针对现有基于频繁模式的分类算法未考虑完全频繁模式所产生的大量无效序列,提出了一种基于最大频繁序列的蛋白质分类算法,此算法每一类都以独有的最大频繁模式作为代表,执行模式裁减和测试数据分类。实验表明该算法在继承传统算法优点的同时提高了结果的精确度,降低了模式的冗余度,此应用增加了分类的生物信息学意义。     

海战场对敌战术意图序贯识别技术研究

对战场上出现的大量目标隐含的战术意图的正确、快速、自动识别，能大大提高战场指挥人员的决策效率。以战场态势估计为基础，提出战术意图识别的框架模型；结合最大近似法、D—S证据理论用于战术意图序贯识别的不同阶段。该研究属于决策级数据融合的范畴。