用于雷达信号分选的连通k近邻聚类算法

为了能够在密集且复杂多变的信号环境中进行实时有效的信号分选，需要一种具有较低复杂度且能够根据信号环境自动调整参数的聚类方法。在模糊聚类算法的基础上结合k近邻搜索，将λ邻域范围搜索变为λ邻域内k近邻搜索，提出了连通k近邻聚类(connected k-nearest neighbor clustering, CkNNC)算法。相比模糊聚类算法，所提算法时间复杂度降低而空间复杂度稍有增加。为使得该算法能够根据信号环境自动进行参数调整，提出了基于k距离图的阈值参数确定方法。所提算法具有时间复杂度低与阈值参数自动确定的特点，仿真结果表明所提算法与使用Calinski-Harabasz指标确定最佳阈值的低复杂度模糊聚类算法相比，分选效果差距不大、性能相近，而时间复杂度大幅下降。     

基于随机森林的潜在k近邻算法及其在基因表达数据分类中的应用

随机森林被广泛应用于包括癌症诊断在内的生物信息学领域. 从自适应k近邻的角度分析了随机森林的分类机理,分析其存在的信息损失, 据此提出一种新的投票机制,称为基于随机森林的潜在k近邻算法RF-PN,能够充分利用决策树上的OOB样本信息, 显著改善随机森林的分类性能.6个癌症基因表达数据集上的对比实验表明,RF-PN的分类准确率优于原算法.     

核的最近邻算法及其仿真

为了提高近邻法的分类性能,提出了核的最近邻算法。通过mercer核,将样本映射到高维特征空间,再用近邻法分类。核映射改善了样本的空间分布,突显了样本的类别特征,从而提高了分类的性能。给出了核近邻算法的判决过程。对于人工数据和入侵检测数据的仿真显示,核近邻分类方法的分类性能优于传统的最近邻分类法。     

概率天气预报的K近邻非参数估计仿真模型

基于模式识别和相似预报思想，提出了一种制作概率天气预报的K近邻非参数估计仿真模型(简称KNN-M)。该模型包括历史样本数据库、近邻子集搜索程序、近邻子集优化算法和预报量估计技术。利用该模型进行了降水和云量的概率预报试验，独立样本检验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

半监督稀疏近邻保持投影

提出了改进的稀疏子空间学习方法。首先,提出了稀疏近邻相关性重构模型,该模型通过提取样本间的局部信息和标记样本的标签信息,解决了稀疏子空间学习的全局特征导致数据描述不充分的问题;其次,利用半监督技术,引入正则化参数对无标签判别特征和标签判别特征进行特征融合,提高了基于稀疏近邻相关性重构的子空间学习算法的性能。实验结果表明,该方法具有较高的分类性能和识别率,此外,稀疏近邻相关性重构在提取判别信息时具有良好的稳定性。     

基于加权K-近邻法和SVC的雷达辐射源信号识别

为提高支持向量聚类法对分布复杂、不均匀雷达辐射源信号样本聚类的正确率,提出一种结合剪辑近邻法、K-近邻法和支持向量聚类的无监督分类新方法。先采用支持向量聚类对所有未知样本作预分类,再按照一定的剪辑规则剪掉错误类别,最后利用K-近邻法对剪掉的样本按各已知类别不同分布进行加权分类。IRIS数据和辐射源信号聚类实验结果表明,此方法能平衡数据样本各局部分布,获得全局最优聚类分配。     

球结构支持向量机的改进算法及仿真研究

球结构支持向量机算法将多类样本数据的每一类用各自的超球来界定,从而显著地降低了二次规划的复杂程度。在该算法的基础上,提出了子超球支持向量机多分类算法。新算法改进了超球重叠区域的训练和决策方法,提高了多分类问题的分类精度。定义了重叠频数、重叠总频数和重叠率等概念,并在此基础上分析了径向基核函数的参数σ对超球相互位置的影响。对两组实际数据仿真实验验证了该算法的有效性和对σ分析的正确性,同时表明正确选择σ可得到较高的分类精度。     

基于类型2区间模糊K近邻分类器的动态武器目标分配方法研究

动态武器目标分配问题是战场指挥控制决策中的关键问题。由于动态武器目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。     

基于模糊测度KNN的多维度数据分类算法

k-近邻(KNN)算法具有直观、无需先验统计知识、无监督学习等优点。多维度数据存在边界模糊性,这导致集合元素隶属关系的不确定,传统KNN算法不能有效地进行分类。本文提出利用模糊测度加强不确定性特征信息的量化,建立基于模糊测度的k近邻分类算法(FM-KNN)。先通过构建证据理论(Dempster-Shafer Theory)模糊测度函数,解决证据理论非单调性等问题;再利用证据模糊测度对多维度属性的不确定信息进行量化计算,通过支持信度确定样本分类规则。通过对比实验表明,在多维度样本数据分类方面FM-KNN算法比其他KNN分类算法有着更好的效果。     

高效超分辨波达方向估计算法综述

高效超分辨波达方向估计算法致力于降低超分辨算法的计算量、节约系统的实现成本、弱化算法对于阵列结构的依赖性,是推进超分辨理论工程化的一个重要研究课题。从多重信号分类(multiple signal classification, MUSIC)算法的原理和构成要素入手,以基于MUSIC派生高效超分辨算法的目的和方法为标准,将现存高效超分辨算法划分为实值运算、波束域变换、快速子空间估计、快速峰值搜索和免峰值搜索5大类。在此基础上,全面回顾总结了各类高效算法的发展历程和最新进展,对比分析了它们的主要优缺点。最后,结合空间谱估计实际工程化的应用需求,指出了高效超分辨算法的未来发展趋势。     

分布序贯最近邻多目标跟踪算法

本文提出了一种分布序贯最近邻多目标跟踪数据关联算法,它是基于最小统计间距的最近邻算法,该方法和多数决策逻辑一起作用,可解决多传感器密集多目标跟踪问题,计算机模拟了几个典型的例子,说明了该方法的可行性。     

THE 8~(th) INTERNATIONAL CONGRESS ON INDUSTRIAL AND APPLIED MATHEMATICS

正August 10-14,2015Beijing,ChinaThe International Congress on Industrial and Applied Mathematics(ICIAM)is the premier international congress in the field of applied mathematics held every four years under the auspices of the International Council for Industrial and Applied Mathematics.From August 10 to 14,2015,mathematicians,scientists     

2014 List of Referees

正~~     

《Journal of Systems Science and Systems Engineering》Contents of Volume 23,2014

正~~     

TSINGHUA UNIVERSITY,Beijing, China

正AF:Any Field The School of Economics and Management at Tsinghua University(Tsinghua SEM)invites applications for faculty positions at all levels(Assistant Professor,Associate Professor and Full Professor)in any fields of business administration and management.Tsinghua SEM is the only school     

Call for Papers The 12th International Conference on Service Systems and Service Management ICSSSM'15

正June 22-24,2015Guangzhou,China http://iec.cnsba.com/index.htmlCo-Sponsored by:ffiEE SMC(pending)South China University of Technology The Chinese University of Hong Kong Tsinghua UniversityHosted bv:School of Business Administration,South China University of Technology,China Conference Co-Chairs:     

The 12th International Conference on Service Systems and Service Management ICSSSM'15

正~~