基于卡方距离度量的改进KNN算法

K-近邻算法(K-nearest neighbor,KNN)是一种思路简单、易于掌握、分类效果显著的算法。决定K-近邻算法分类效果关键因素之一就是距离的度量,欧氏距离经常作为K-近邻算法中度量函数,欧式距离将样本的不同特征量赋予相同的权重,但是不同特征量对分类结果准确性影响是不同的。采用更能体现特征量之间相对关系的卡方距离度量作为KNN算法的度量函数,并且采用灵敏度法进行特征权重计算,克服欧氏距离的不足。分类实验结果显示,基于卡方距离的改进算法的各项评价指标优于传统的KNN算法。     

一种计算TCM码的欧几里德距离和乘积距离的方法

提出了计算非规则篱笆图的最小欧几里德距离和最小乘积距离的一种有效算法，该算法是在Ｖｉｔｅｒｂｉ算法的基础上，对起始于任意状态和终止于任意状态所有参考路径上的距离进行了计算，求得最小欧几里德距离和最小乘积距离，它适用于搜索斯信道和衰落信道中的ＴＣＭ好码。     

改进的无线传感器网络无偏距离估计与节点定位算法

针对无线传感器网络中基于跳数的节点定位算法不能满足无偏距离估计、节点定位误差大的问题,提出了一种改进的无偏距离估计与节点定位算法(UEDV-hop,Unbiased Estimation DV-hop)。该算法分析期望距离和跳数的关系,建立一种新的期望距离与跳数模型,根据节点通信半径是否已知分别推导了两种UEDV-hop的求解形式。仿真实验结果表明:所提的两种UEDV-hop算法的估计距离在不同跳数时都近似等于该跳期望距离,算法在距离估计和节点定位精度上相对于DVhop(Distance Vector-hop)算法及基于最小二乘法改进的DV-hop算法都有较大提高,在节点数目等于2 500时,UEDV-hop算法的估计距离误差比DV-hop算法降低了9.5%,定位精度提高了55%。     

基于对称KL距离的自适应粒子滤波算法

针对粒子滤波算法中粒子数自适应的问题,提出了一种新的算法.将当前滤波时刻的粒子随机划分为粒子数相同的两个粒子群,并采用对称KL距离方法计算他们之间的信息距离,然后根据信息距离的大小决定增加或者减少下一时刻参与滤波的粒子数,从而实现了滤波过程中粒子数目的自适应.该方法在确保一定滤波精度的基础上,能够减少滤波过程中需要的粒子数,为降低粒子滤波算法的时间复杂度提供了新的途径.仿真结果表明了算法的有效性.     

改进的斜视机载合成孔径雷达RD成像算法

距离一多普勒算法是合成孔径雷达成像处理中最常用的方法之一,通过在距离一多普勒域中插值来校正距离徙动.研究了机载合成孔径雷达在小斜视角下的成像算法,给出了机载斜视SAR的空间几何模型和回波信号特点.提出了改进的RD算法进行距离走动的校正,避免了插值运算,从而降低了计算复杂度.方法能满足小斜视角下的机载SAR成像处理,并进行了计算机仿真.理论分析和仿真结果表明:改进的RD算法是有效的,在峰值旁瓣比和积分旁瓣比几乎不变的情况下成像时间缩短了近3倍.     

一种顾及障碍物的欧氏距离变换方法

提出了一种顾及障碍物的欧氏距离变换方法.该方法基于栅格扫描方式进行距离变换,逐行逐列传播距离值,并在距离传播过程中进行可见性检测,从而使距离传递路径避开障碍物,得到一种反映实际通行距离的欧氏距离图像.该算法思路简单直接,不涉及任何复杂数据结构,具有线性时问复杂度.实验表明,该算法计算出的距离图像准确性高,优于ArcGIS基于距离累计的算法,适合于点、线、面3种形态的源和障碍物的欧氏距离变换.     

基于改进距离向量算法的无线传感网定位研究

为了解决传统距离向量-跳段(DV-Hop)定位算法的精确度受限问题,提出了一种基于跳段大小校正和定位优化的改进DV-Hop算法。根据参考节点之间实际距离和估计距离的差异,计算出整个网络中有效的跳段大小,未知节点和参考节点之间的跳段添加了校正值,而接收信号强度指示(received signal strength indicator,RSSI)的数值用于校正单跳的距离,应用莱文贝格-马奈特(Levenberg-Marquardt,LM)算法来估计每个传感器的优化位置。在求值的过程中,研究了影响距离向量-跳段定位精确度的各种因素。仿真结果表明,与传统的DV-Hop和一些现有的改进算法相比,提出算法的定位精度有所提高。     

星载SAR成像的R-D算法研究

对适用于星载SAR斜视情况下的距离-多普勒(R-D)算法进行了详细系统的理论分析,并对比了两种R-D算法的不同.分析了时域和频域两种距离徙动校正方法,证明了二次距离压缩的产生原因和实现途径.最后给出了成像结果,并提出了一些建议.     

一种改进的凝聚层次聚类法

以实例说明了选用以欧氏距离或明考斯基距离为距离度量的凝聚层次聚类法进行聚类时会出现的问题,并详细分析了用该算法出现问题的原因.结合模糊聚类思想,给出了一种改进算法,通过实例说明该改进算法的合理性和有效性.     

基于距离变换剥离的黏连纤维图像分离算法

针对形状不规则、黏连严重的天然纤维分离算法进行研究.基于距离变换的剥离算法和加权距离变换算法的分析,提出一种基于八四邻域外轮廓的剥离算法.该算法以基于距离变换的剥离算法为基础,经加权距离变换演变,分离效果接近基于距离变换的剥离算法,降低了算法的时间复杂度.算法从黏连纤维的外轮廓开始剥离,给出求分离点的方法,进而分离黏连纤维,剥离过程中外轮廓失真较小,能准确地分离黏连纤维.实验结果表明,算法的结果有效且理想.     

一种基于可拓距的特征变换方法及其在网络入侵检测中的应用

作为识别攻击或异常行为以保护网络安全的重要步骤之一,网络入侵检测常常与数据挖掘或机器学习技术结合应用.如今,随着网络数据的爆炸性增长,传统的入侵检测技术面临着海量数据检测处理的问题,现有入侵检测系统往往难以同时满足实时性和有效性的需求.本文尝试将可拓学中的可拓距概念引入网络入侵检测研究中,提出了一种基于可拓距的特征变换方法,将数据点的原特征映射为簇外中心距和簇内可拓距这两大部分,根据原始数据多维特征生成新的特征,以达到特征降维的目的,旨在同时满足网络入侵检测系统的实时性和有效性的需求.本文使用KDD CUP 99作为仿真数据集测试所提出的基于可拓距的方法在网络入侵检测特征变换中的应用效果.实验结果表明,较之传统的KNN算法,基于可拓距的方法明显地减少了检测时间,而同时其检测率的下降可以控制在1%之内,具有较好的时效性优势.     

测距仪最佳测程确定方法的探讨

通过理论推导和实测数据的分析,确定不同的工程需要的选择测距仪最佳测程方法及相应最佳测程。     

论植物群落的水平距取样

在植物群落调查中,以水平距计算样方面积或点距的取样方法称之为水平距取样。水平距取样是由群落特征所决定。非水平距取样可能导致显著误差。而除了坡度为零的特殊情况外,我们事先一般并不能排除这种可能性。为了使获得的定量数据准确可靠和便于研究结果的交流比较。在群落调查中以采取水平距取样为宜。     

利用测地线距离的改进谱聚类算法

针对往复式压缩机故障数据空间分布复杂、常规算法不能有效聚类的问题,提出了一种改进的谱聚类算法.该算法使用新的相似度矩阵计算方式,根据故障数据流形分布的特点引入测地线距离取代欧氏距离作为数据间的关系度量;通过计算各数据点的邻域密度因子有效地识别和剔除了噪声点;利用基于密度的局部欧氏距离调整方法对流形间隙过小的区域进行了处理.在几个人工数据集和往复式压缩机故障数据集上的测试结果表明,改进谱聚类算法对于具有流形分布、多尺度、有噪声、流形间隙过小甚至交叉等特点的数据具有很好的聚类能力,聚类准确率比常规的k-均值和MSCA谱聚类算法分别提高了50.86%和8.6%.     

结合相似性测度与随机森林的个人信用评估模型

针对客户信用数据款项维度多、数量大、复杂性等问题,提出了一种基于相似性度量的多视角决策融合个人信用评估方法。该方法创新点在于能够细致地考虑不同信用数据的几何形状,多角度划分数据,并进行相似性匹配,此外充分运用随机森林能够进行特征提取的自洽性使得模型的准确性与稳健性同步得到了提高。在UCI数据集上的实验结果表明: 3种距离测度在进行特征提取与异常值去除后,性能均得到了大幅提升,且识别率的波动区间相对于数据预处理前显著缩小,展现了优化后的模型具有更强的稳健性;融合3种测度的决策可以多角度地综合信用信息,使得识别性能较单一测度显著优化,且与其他经典组合方法 比较性能更佳;将随机森林与距离测度相组合应用于个人信用评估领域为个人信用评估方法的多样性增添了新的经验。     

UMSS模型在福建省温度空间模拟研究中的应用

根据福建省68个气象站点1961~1990年30 a的年平均温度历史资料,分别以残差平方和、平均误差、平均绝对误差最小为目标函数,利用空间插值法中的距离反比法(ID)、距离平方反比法(IDS)、改进的距离反比法(M ID)、梯度距离平方反比法(G IDS)及空间模拟通用模型(UMSS)对福建省区域温度空间分布进行空间模拟,并对不同空间插值法进行了比较.交叉验证表明,在不同目标函数下UMSS模型模拟效果优于其他模型,具有较高的精度,能比较客观地反映温度与经纬度、海拔的关系,可应用于温度的空间模拟,而且能满足不同的研究需要,能较好地实现福建省温度格局空间模拟,为地理信息系统(G IS)辅助的温度空间分布规律研究奠定基础.     

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square, PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强，并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题，该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分，再将距离成分进行拟线性回归得到距离回归方程，通过模型求解方法将距离回归方程转换为原始数据的表达，最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能，并与其他5种经典的回归算法对比，结果表明：DVDCCPLS具有较好的回归效果和回归性能.     

一种无需距离函数的数据聚类方法(英文)

数据发掘是人工智能和数据库研究的新兴领域 ,在很多领域有着卓有成效的应用。数据聚类或分割就是其中的一种重要的数据发掘应用。传统聚类方法存在的一个问题是要求分析人员定义距离函数 ,而距离函数并不是总能获得。在本文中 ,我们提出了一种新的无需距离函数的聚类方法     

基于改进距离孤立点检测预处理的LTSA算法

局部切空间排列算法(LTSA)是一种有效的流形学习方法,但该算法对孤立点的存在非常敏感.本文提出了一种快速有效的数据预处理方法-基于改进距离的孤立点检测方法来降低孤立点对LTSA算法的影响.该方法通过改进距离来度量样本点之间的距离,降低了样本点分布不均给孤立点检测算法带来的影响.实验表明,该数据预处理方法能有效地提高LTSA算法的鲁棒性,可以更好的挖掘数据集的本征特性,具有更好的数据可视化效果.     

版面相似中文表单的分类方法研究

针对具有相似版面的中文表单, 提出一种简单有效的基于距离度量的表单分类方法, 该方法对表单的用户填写信息、布局信息和位置偏移分别进行距离度量, 并通过3种权重有效地降低用户填写信息的随机性、版面相似表单的布局一致性和位置抖动性对表单分类的影响。实验表明, 所提方法在多个中文表单图像库上的分类准确率达到90%以上, 比目前最新的表单分类方法有明显提高。