基于加权k-均值聚类与粒子群优化的多航迹规划

针对复杂环境下的无人机多航迹规划问题,提出了将粒子群优化（particle swarm optimization, PSO）算法与加权k-均值聚类算法相结合的规划方法。每个粒子表示一条航迹,采用加权k-均值聚类算法对粒子进行分类,得到多个粒子子群,在每个子群内部进行一条可行航迹的优化,最终得到多条不同的可行航迹。对传统k-均值聚类算法进行改进,采用排挤机制产生初始聚类中心,针对实际环境中突发威胁的分布不均性,在聚类过程中,对航迹节点按照所在区域突发威胁的出现概率进行加权,提出了加权k-均值聚类算法。仿真实验表明,所提出的方法能够有效地得到无人机的多条可行航迹。     

基于减法聚类的动态航迹聚类算法

针对天波超视距雷达"多路径"引起的航迹聚类问题,提出了一种基于减法聚类的自适应动态航迹聚类算法(ADC),定义了评价航迹聚类算法的两类指标.ADC算法在聚类的过程中,动态调整样本集的大小,在获得聚类中心后,根据最近邻法确定每个样本点的归属.仿真结果表明,ADC算法大大提高了航迹聚类的准确性.     

基于TLD模型的UAV三维实时平滑航迹规划

针对无人机三维实时航迹规划问题,提出了一种基于三层决策模型的平滑航迹规划方法,以提高其规划效率和可操作性。首先根据无人机三维飞行的特点,并结合自身性能、威胁和障碍以及地形等约束,设计三层决策目标函数和决策变量;其次为了避免不必要的迂回和路径,提高航迹的平滑性,提出了元胞化地图的变长探测方法和启发式优化策略;最后,利用所提出的认知行为优化算法对这一问题进行求解,以提高规划路径的搜索效率。不同场景地形的仿真及与现有经典方法的比较结果表明:该方法能有效实时规避威胁和地形障碍,且具有较高的可执行性,能够快速生成安全、平滑的飞行路径。     

基于Hough变换和聚类的航迹起始算法

基于Hough变换的航迹起始是密集杂波环境中低信噪比目标起始的一种有效方法,但其存在阈值选取困难及一个目标起始多条航迹(航迹簇拥)等问题.提出了一种Mean Shift多尺度聚类Hough变换航迹起始算法(MSMSC-HT).该算法先用低阈值进行航迹初选;然后对初选航迹进行多尺度聚类,并用Mean Shift算法求取聚类中心;最后通过尺度寻优自适应地确定航迹数目和航迹参数.该算法通过聚类避免阈值设计的困难,解决了航迹簇拥下航迹的检测与估计问题.仿真结果表明了算法的有效性.     

基于分级规划策略的A*算法多航迹规划

为了避免设置运行参数,稳定地生成多条航迹,提出一种基于分级规划策略的A*算法多航迹规划技术。采用分级规划策略将规划过程分成初始航迹规划和精细航迹规划两部分。在初始航迹规划中,通过设置中间航迹点并利用A*算法得到多条初始可行航迹,然后为了避免K均值算法对初始聚类中心敏感的问题,提出采用层次聚类法对所得到的初始可行航迹进行聚类,得到初始参考航迹。在精细航迹规划中,设计了一种变宽度的航迹规划通道,并在通道内进行航迹规划以得到最终的多条航迹。仿真实验证明了算法的可行性。     

集中式多传感器群目标灰色精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种集中式多传感器群目标灰色精细航迹起始算法。该算法首先基于循环阈值模型、群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器分成子群,基于灰色精细互联模型剔除同一传感器子群内的虚假量测,并利用量测合并模型消除群内多传感器对同一目标的冗余信息,最后基于灰色精细互联模型、航迹得分完成群内量测的精细互联和航迹输出。经仿真验证,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,该算法综合性能更优。     

基于视点预测的大规模地形的实时渲染

实时渲染中帧速率往往与地形规模呈反比,尤其是大规模地形的渲染,在单PC下很难达到实时.对此提出了一种基于视点的可见她形预测算法,动态加载地形数据,降低了图形硬件需要处理的数据量,有效提高了大规模地形的渲染速率.同时,针对大范围地形集中加载引起的画面停滞现象,采用外推算法对视点的运动进行预测,对即将进入视锥内的地形数据进行提前加载,实验结果表明,随着地形规模的增大,该方法的渲染速率变化小,实时性能良好,场景画面平滑流畅,可用于虚拟现实或仿真中的地形构建、实时生成等相关领域.     

基于遗传优化的采样模糊C均值聚类算法

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.     

基于高斯混合EM聚类的多编队航迹起始方法

针对现有航迹起始方法难以对编队目标进行有效航迹起始的问题,在Hough变换法及其衍生算法基础上,提出基于Hough变换和高斯混合最大期望(expactation maximazation,EM)聚类的多编队目标航迹起始方法。该方法首先利用量测数据的时序信息和目标的运动参数进行筛选,剔除大量虚假量测;再对筛选后的量测数据进行Hough变换,得到初步航迹信息;然后利用相异度矩阵对所得航迹进行预聚类,完成聚类中心初始化;最后进行高斯混合EM聚类,得到聚类结果。仿真结果表明,与Hough变换法及其衍生算法相比,该方法能够快速有效地起始编队目标的航迹,解决了目标密集带来的航迹起始混乱问题。     

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。     

偏微分高程图环境蚁群算法的三维路径规划

针对在三维空间路径规划中建模与避障问题,提出了一种新的在偏微分高程建模环境下蚁群算法的三维路径规划方法。首先,利用抽象建模和高程建模方法分别构建三维空间环境,并用偏微分对高程环境进行最优数据提取,在此基础上利用高程数学建模方法进行三维空间重建,最终形成偏微分高程环境。其次,首次将种群对于环境的最佳适应度值作为目标函数评判蚁群寻找最优路径的决策能力。最后,在不同的建模环境中应用蚁群算法进行路径寻优,输出最优路径。通过对仿真结果和实验数据分析,验证了所提方法的有效性和正确性。     

一种三维虚拟场景自动漫游的快速路径规划算法

针对三维虚拟场景自动漫游的路径规划问题,提出了一种快速路径规划算法：橡皮筋算法。首先,介绍了基于栅格的环境信息表示,场景中的障碍物在场景投影图矩阵中以不同的颜色值表示并求得其绕障包围路线,在此基础上来求得局部避障路径,生成基本路径后用橡皮筋算法进行优化处理,求得从起始点到结束点的一条最优路径。该算法可用于复杂形体和运动物体的实时避障,且具有稳定性好、求解实际问题效率高的特点。     

一种基于视角剖分的可见性算法

文中提出了一种适用于在给定视点运动路径情况下,处理三维场景的可见性预处理算法。首先对所有可能的视线方向所对应的立方体进行细分,然后对分割后的平面沿着运动路径移动所形成的光束体进行可见性预处理,最后合并这些光束体得到对该运动路径的可能可见面集合(PVS)。由于能够有效的剔除被较大的物体遮挡的小物体,使得PVS中的面片数量远小于整个场景的面片数目,这样就可以避免绘制完全不可见的物体,从而提高场景的实时绘制的速度。     

基于高斯混合概率假设密度滤波器的扩展目标跟踪算法

针对杂波环境下多扩展目标跟踪中航迹起始和量测集划分问题,提出了一种基于高斯混合概率假设密度滤波器的扩展目标跟踪算法。在航迹起始阶段利用最近邻指数法对量测集进行聚类趋势分析,接着通过改进OPTICS (ordering points to identify the clustering structure)算法,建立一个增广数据集排序来表示量测集的密度结构,该算法对参数选择、初始点选择均不敏感,可以滤除量测集中的杂波。仿真结果表明,在航迹起始阶段本文所提算法在保证起始性能的同时计算代价明显减少,在量测集划分过程中,所提算法能够有效划分不同形状、密度的扩展目标,自适应地确定划分数目,减少算法运行时间。     

大规模VRML虚拟场景的快速浏览算法

对大规模VRML虚拟场景的优化方法进行了深入讨论,提出了一种简单的大规模VRML虚拟场景模型的快速浏览算法。通过建筑物位置和浏览者当前视点位置的判断,动态地调入和调出相关建筑物模型,仅仅将浏览者可见的视觉圆域内的建筑物调入VRML浏览器。该方法简单易行,不仅可以明显地提高大规模VRML虚拟场景的动态绘制速度,同时又大大地减少了浏览器对虚拟场景的下载时间。     

Distributed Clustering Algorithm for Energy Efficiency and Load-Balance in Large-Scale Multi-Agent Systems

To improve the energy efficiency and load-balance in large-scale multi-agent systems, a large-scale distributed cluster algorithm is proposed. At first, a parameter describing the spatial distribution of agents is designed to assess the information spreading capability of an agent. Besides, a competition resolution mechanism is proposed to tackle the competition problem in large-scale multiagent systems. Thus, the proposed algorithm can balance the load, adjust the system network locally and dynamically, reduce system energy consumption. Finally, simulations are presented to demonstrate the superiority of the proposed algorithm.     

一种基于会话聚类算法的Web使用挖掘方法

Web使用挖掘作为数据挖掘的一个重要任务,有助于了解用户群体的特征,从而为其提供个性化服务.提出了一种基于用户会话聚类的Wei使用挖掘算法.首先,对Web日志预处理采用基于时间窗的用户会话识别方法,提出了一种基于三元组的用户会话表示方法,并在此基础上给出了基于网页语义相似性的会话处理方法,该方法能够在保持用户兴趣不变的情况下有效降低会话维度;其次,提出了一种基于时间及频次的用户会话相似性度量方法;最后,设计了一种两阶段PS-KM会话聚类算法,先用PSO方法进行全局搜索再转入基于K-means方法的局部聚类过程.仿真表明了算法的有效性.     

基于运动结构图的无人机序列影像三维重建

无人机序列影像具有重叠度高、拓扑联系强的特点。针对现有增量式三维重建算法在处理大规模无人机影像时效率低、输出不稳定的问题，提出基于运动结构图的无人机序列影像三维重建方法。顾及地理位置信息与IMU(Inertial measurement unit) 数据建立图像索引集，提高图像匹配效率，并使用随机抽样一致性算法计算相对运动；使用运动结构图表示影像之间的“ 关联”，采用闭环检测剔除错误边；借助李代数与李群的映射关系， 融合1 L 范式与M 估计一次性求解影像全局运动，期间只进行一次光束法平差，降低了计算复杂度。实验验证本文方法在效率和效果上得到了提高。     

基于GPU的自由立体显示器通用渲染算法

自由立体显示器作为三维显示器中的一种,能够产生具有空间感的三维映像,但在显示虚拟的三维场景时,需要对场景进行多视角渲染,渲染和数据传输次数都数倍增加,因而实时渲染成为难题。与传统的多视角渲染方法不同,提出的加速算法改变了渲染流程,把每个视角渲染后用于合成的子图像不再存回系统主存中,而是将这些子图像传入纹理内存。同时程序中采用了多处最新的OpenGL扩展功能,通过FBO将场景直接渲染到三维纹理,极大提高了纹理传输和多层纹理混合的效率,从而加速了整个渲染过程。另外,由于本方法保留了对各视角图像的独立渲染运算,对渲染场景具有很强的通用性。通过与其他算法的实验比较,证明了提出方法的通用性和稳定性,达到了实时显示的要求。