一种基于近邻搜索的快速k-近邻分类算法

针对传统快速k 近邻分类算法的缺陷 ,提出了一种基于近邻搜索的快速k 近邻分类算法———超球搜索法。该方法通过对特征空间的预组织 ,使分类在以待分样本为中心的超球内进行 ,有效地缩小了搜索范围。实验结果表明 ,在相同识别率和k值的情况下 ,超球搜索法的识别速度优于基本k 近邻法和传统快速k 近邻算法———及时终止法 ,而且不存在对训练样本搜索顺序敏感性的问题     

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。     

基于随机森林权重补偿的无人机高精度定位算法

为了减小室外无人机(unmanned aerial vehicle，UAV)监测过程中的定位误差，对室外UAV进行实时定位，提出了一种基于随机森林的Chan-Taylor三维定位算法。通过K近邻对定位数据扩展后，根据Chan-Taylor算法将随机信号多径噪声转化为高斯分布，便于模型提取信号特征。使用交叉验证，实现随机森林特征参数与混淆矩阵阈值的自适应确定，并用该阈值衡量模型的一致性。利用分类结果更新UAV定位权值矩阵，有效地补偿目标高度数据。此外，使用标定UAV对设备误差进行估计，校正定位结果。理论分析与仿真结果表明，该算法能够有效地提高UAV定位精度，实现利用移动通信基站对UAV进行无源定位。     

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。     

基于out-of-bag样本的随机森林算法的超参数估计

随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.     

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XGBoost预测及弹性网误差补偿的室内定位算法

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XG-Boost并融合弹性网的误差补偿算法.采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做...     

基于自适应差分演化的特征选择算法在石油储层识别中的应用

近年来我国石油产量跟不上需求,供需矛盾进一步凸显,导致石油的对外依存度已经连续几年超过警戒线,为了缓解供需矛盾,石油的增储上产是一种有效措施,但精确地识别石油储层成为增储上产的一大难题,而特征选择是精确识别石油储层的有效保障.本文提出了一种增强型自适应差分演化算法,即ESADE算法,在算法中使用了双种群的概念,构造了一个简单的双层差分演化,并且在算法的选择操作中加入模拟退火的思想;接着将ESADE算法作为特征选择的搜索策略,将ReliefF算法、BIF算法、FCBF算法及随机抽选特征算法作为评价准则库,SOM神经网络算法、模糊C均值算法、K均值算法和K近邻算法作为分类器库,得到了一种基于ESADE的特征选择算法.然后将此算法应用于某油田oil81、oil82、oil83、oil84和oil85五口井的测井数据集上进行石油储层的油层、差油层、水层和干层的分类识别,并与未进行特征选择直接进行分类的结果进行比较及相同分类正确率下不同分类算法组合及不同属性选择的比较.实验结果表明与SOM神经网络算法、模糊C均值算法、K均值算法及K近邻算法这四种分类算法相比,基于ESADE的特征选择算法能在利用较少属性的同时提高分类准确率,并能够提供不同的属性和分类算法的最优组合方案.     

基于MapReduce的分布式改进随机森林学生就业数据分类模型研究

教育数据挖掘(educational data mining)是当代教育信息化发展的前沿研究领域,正在吸引越来越多教育学家和数据科学家的关注."大数据"时代背景下,随着数据处理规模的不断激增,现有的数据挖掘模型在单一处理节点的计算能力遭遇瓶颈,各类面向大数据处理的分布式计算框架应运而生.借助这些框架,面向解决高校就业数据挖掘问题的机器学习模型便可以满足未来大规模数据处理的需求,在未来数据集体量庞大的信息集成系统中为数据挖掘和决策支持提供帮助.以此为背景,本研究对比现有数据模型对研究目标对象的分类性能,提出了以引入输入特征加权系数来计算特征的信息增益作为特征最优分裂评判指标的改进随机森林模型来提升数据分类性能,通过仿真测试改进模型对于现有模型分类性能的提升情况,与此同时为解决大数据时代背景下面向海量数据分类任务的单节点性能瓶颈问题,提出了基于分布式改进随机森林算法的大规模学生就业数据分类预测模型.通过使用MapReduce分布式计算框架实现已训练模型在本地磁盘与分布式文件系统之间的序列化写入与反序列化加载过程,进而实现了基于改进随机森林模型的大规模数据分类模型的分布式扩展.     

模式分类方法研究

分析了模糊K-近邻方法FKNN,研究了模糊最小最大神经网络FMMNN分类方法,然后深入分析了支持向量机SVM原理,并在此基础上给出了一种改进的径向基核函数。基于IRIS数据,进行了计算机仿真实验,结果表明,改进的SVM方法分类性能比模糊最小最大神经网络与模糊K-近邻算法的分类性能更好,且运算时间更短,更易于实时实现。     

缩比目标特性研究型微波无反射室

目前世界上微波无反射室的数量已不少,但是,专门从事缩比目标特性研究的并不算多。本文以北京环境特性研究所的微波无反射室为例,说明大型高性能缩比目标特性研究使用的微波无反射室的设计特点、性能指标、实际应用技术等,同时使读者对当前微波无反射室的技术现状有个总体印象。     

空战模式下航空集群射频隐身性能评估方法

为解决空战模式下航空集群射频(radio frequency, RF)隐身性能评估问题,提出一种基于正态波动犹豫模糊集(normal wiggly hesitant fuzzy set, NWHFS)的评估算法。首先，通过基于正态波动犹豫模糊信息的最优-最劣方法(best-worst method, BWM)构建权重确定模型,获得属性权重向量和一致性检验系数。其次，根据集群用频设备参数和具体空战场景提取RF隐身性能评估因子,并得到其计算公式。然后，组织专家根据评估因子结合主观经验构建评价矩阵,并利用属性权重向量聚合评价信息。最后，将NWHFS分数函数作为评估指标,对不同想定下的航空集群RF隐身性能定量评估。仿真算例和对比分析说明了所提方法的可行性和有效性。     

空战模式下航空集群射频隐身性能评估方法

为解决空战模式下航空集群射频(radio frequency, RF)隐身性能评估问题,提出一种基于正态波动犹豫模糊集(normal wiggly hesitant fuzzy set, NWHFS)的评估算法。首先，通过基于正态波动犹豫模糊信息的最优-最劣方法(best-worst method, BWM)构建权重确定模型,获得属性权重向量和一致性检验系数。其次，根据集群用频设备参数和具体空战场景提取RF隐身性能评估因子,并得到其计算公式。然后，组织专家根据评估因子结合主观经验构建评价矩阵,并利用属性权重向量聚合评价信息。最后，将NWHFS分数函数作为评估指标,对不同想定下的航空集群RF隐身性能定量评估。仿真算例和对比分析说明了所提方法的可行性和有效性。     

基于信息熵权的最近邻域数据关联算法

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。     

Hybrid transmit antenna selection and maximal-ratio transmission systems

Maximal-ratio transmission systems with transmit antenna selection is investigated. According to the order statistics of channel fiat fading coefficients, the closed-form expressions are derived for average SNR with any amount of RF chains and average BER with two RF chains, respectively. The algorithm for calculating the minimum of total transmit antennas is presented in terms of reduced RF chains. The method of quantizing transmit precoders is employed in this study to decrease feedback information. Simulation results demonstrate the superiority of the proposed systems under full and quantized transmit precoders. The SNR of the proposed systems has been less degraded by the quantization of transmit precoder than that of pure maximal-ratio transmission systems.     

X波段瞬态极化雷达射频前端关键技术研究

瞬态极化新体制雷达,通过单脉冲获得瞬时极化散射矩阵来提取目标特征信息,提高了雷达系统在复杂电磁环境中的探测、抗干扰和反隐身等方面能力。基于该雷达工作原理,提出“同时正交双极化”的射频前端设计方案,完成了国内首部瞬态极化雷达试验系统射频前端的研发。采用正交双通道和幅相一致性技术保证了雷达实现瞬态极化的功能,采用滤波技术保证了射频系统的频谱纯度;采用低噪声放大技术有效降低了接收机噪声系数;采用直接频率综合技术提高了射频系统频率稳定度和相参性能;结构集成一体化设计保证了射频收发前端的电磁兼容性能和便携性。射频前端测试结果均优于指标要求,并支持试验系统初步解决了目标极化散射特征提取与识别领域的基础性和共性难题。     

The self-organizing worm algorithm

A new multi-modal optimization algorithm called the self-organizing worm algorithm (SOWA) is presented for optimization of multi-modal functions.The main idea of this algorithm can be described as followsdisperse some worms equably in the domain;the worms exchange the information each other and creep toward the nearest high point;at last they will stop on the nearest high point.All peaks of multi-modal function can be found rapidly through studying and chasing among the worms.In contrast with the classical multi-modal optimization algorithms,SOWA is provided with a simple calculation,strong convergence,high precision,and does not need any prior knowledge.Several simulation experiments for SOWA are performed,and the complexity of SOWA is analyzed amply.The results show that SOWA is very effective in optimization of multi-modal functions.     

任务性能约束下传感器协同辐射控制策略

传感器协同是作战飞机实现任务性能与射频(radio frequency,RF)隐身性能平衡的重要技术手段。针对传统引导搜索方法难以解决数据链的多拍信息引导搜索问题,采用概率方法,建立多拍连续引导信息与累积发现概率、累积被截获概率之间的关系。针对基于协方差的线性规划协同跟踪方法的单步决策问题,开展基于跟踪精度与被跟踪定位精度的多步联合优化。引入马尔可夫决策过程对机载传感器协同搜索、协同跟踪的典型空战动态过程进行建模,实现任务性能约束下的雷达RF隐身性能优化。通过典型空战场景的仿真验证,表明所提出的优化控制策略相比于经验控制策略能够减少雷达辐射时间43%以上。     

最近邻点法预测模型及其在河川径流预测中的应用

针对径流非线性特征,建立了最近邻点法预测模型,对黄河、长江干流径流过程进行了预测,得到了满足精度要求的预测结果.该模型能够有效跟踪径流系统中相空间里的吸引子和充分扑捉历史数据中所隐含的有用信息.通过增加邻近点数来观察预测均方误差的变化,对预测效果进行了检验,结果证实该模型可真实地反映河川径流变化的总体趋势,并为判断时间序列数据的非线性提供了一种新方法.     

一种基于模糊信息融合的Prim算法及应用

提出一种融合多元模糊空间关系信息的支撑树搜索算法,即S Prim(spatialPrim)算法,用以识别低分辨率环境下(红外、多光谱遥感、SAR、恒星导航等图像中)具有规则空间分布关系的目标斑点集合。S Prim算法将子目标相互之间的空间分布关系、距离关系,以及目标自身属性关系进行模糊信息融合,借助Prim算法生成最小支撑树的机制,评估邻近节点之间可能具备的某些有规则的空间分布关系,主动探测子目标之间可能存在的空间分布规律,从而识别目标群。实验证明,该算法稳定有效。