空间数据挖掘技术

空间数据挖掘是数据挖掘的一个分支,在地理信息系统、遥感、导航、环境研究以及许多使用空间数据的领域中有着广泛的应用。阐述空间数据挖掘的定义、特点、体系结构与一般过程,介绍空间数据挖掘的方法和知识表达方法,指出空间数据挖掘的主要研究方向,提出开发空间数据挖掘系统的几点思考。     

无线传感器网络研究

介绍了无线传感器网络的体系结构、特点,分析了无线传感器网络研究的一些关键性问题,探讨了无线传感器网络的应用范围。     

基于分水岭变换的彩色细胞图像分割

提出了一种彩色细胞图像的分割方法,重点解决邻接或者重叠的细胞核或者细胞质之间的分割问题。算法主要基于数学形态学方法,首先利用k-均值聚类和直方图上的分水岭变换对像素进行聚类,从而得到细胞图像背景、细胞质和细胞核的粗略估计;然后利用形态学滤波和分水岭变换提取细胞核、细胞质的边界。结果表明:在少量人工干预的情况下,所述算法获得的细胞核、细胞质边界与实际情况比较吻合。对于含有邻接或者重叠的细胞核或者细胞质的图像,算法仍能提取理想的细胞组织边界。     

基于智能聚类的内容分类方法与应用

直接依靠人的理解判断对内容进行分类,需花费大量的时间与精力,为了解决文本内容的自动聚类问题,该文在信息系统理论与自组织神经网络理论的指导下,利用智能技术得出了内容的分类结构。提出了基于智能聚类的内容分类方法,利用自组织神经网络的学习算法进行内容的聚类,并根据所提出的方法设计了基于智能聚类的内容分类示范系统,进行了应用研究,验证了该方法的有效性。     

*EI 拓扑分子格在聚类分析中的应用

本文在引入AFS代数和AFS结构的基础上,通过对AFS代数上拓扑分子格结构的讨论,给出了EM中,由一些模糊概念生成的拓扑分子格所诱导出的X上拓扑的几点性质,并利用这些性质,对一个实际例子构造了隶属函数进行聚类分析,说明了这些性质在聚类分析中的应用。     

水轮发电机组故障诊断模糊专家系统研究

针对水轮发电机组故障原因与症兆之间的复杂关系,充分利用综合监测数据和领域专家的经验知识,采用数据驱动和基于知识的目标驱动控制的正反向推理方法进行诊断.研究了基于数据库管理系统的模糊知识库设计,为知识库的建立、维护、扩充和完善提供了一种实用方法.研究了模糊推理算法,以加权模糊推理进行多种信息的融合,解决了故障诊断中不确定性问题的求解.建立了水轮发电机组故障诊断模糊专家系统.诊断实例结果表明,该系统推理效率高,可信度好,满足了水轮机组故障诊断的有效性和实用性要求.     

MANET中的多目标组播路由协议

针对临时性、少量信息群发业务模型,提出一种多目标组播路由协议,利用已有的单播路由信息实现组播发送功能。中间节点根据组播分组中目的节点的地址和路由信息,结合本节点路由表或转发表,对相关目的节点执行转发。协议无需维护组播树和组播成员状态,可在任意提供路由表或转发表的单播路由协议基础上工作。在该应用模型下,协议的分组递交率性能与单播路由协议相当,发送开销比单播和其他组播路由协议大大减少,控制比特开销也较低。     

流媒体传输控制的性能评价及其优化

对“消费者”来说任何一个系统的性能都是非常重要的,如果性能没有达到要求,即使提供强大的功能也不一定会得到用户的认可。在评价性能的过程中,如果发现系统中存在阻碍性能发挥的问题,就要对系统进行优化,以期获得较高的运行性能。本文从“消费者”与“生产者”模式的角度进行了IP网络中分布式多媒体传输控制的性能分析,同时提出了在现有网络状态下如何有效地对分布式多媒体网络性能进行合理的评价和优化控制策略。     

Combined Density-based and Constraint-based Algorithm for Clustering

We propose a new clustering algorithm that assists the researchers to quickly and accurately analyze data. We call this algorithm Combined Density-based and Constraint-based Algorithm （CDC）. CDC consists of two phases. In the first phase, CDC employs the idea of density-based clustering algorithm to split the original data into a number of fragmented clusters. At the same time, CDC cuts off the noises and outliers. In the second phase, CDC employs the concept of K-means clustering algorithm to select a greater cluster to be the center. Then, the greater cluster merges some smaller clusters which satisfy some constraint rules.Due to the merged clusters around the center cluster, the clustering results show high accu racy. Moreover, CDC reduces the calculations and speeds up the clustering process. In this paper, the accuracy of CDC is evaluated and compared with those of K-means, hierarchical clustering, and the genetic clustering algorithm （GCA）proposed in 2004. Experimental results show that CDC has better performance.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.