UCAV地形空间环境感知中位置细胞构建方法

为实现UCAV认知导航对地形空间环境感知信息的表征,提出了一种基于IHDR树的位置细胞构建方法。利用SURF算法提取环境中高鲁棒性的特征点,以特征点描述矢量及其在地理空间中的位置组合为路标信息,生成训练样本,以IHDR建树原则对路标信息双重聚类,然后将聚类后的叶子节点作为表征对应地形空间环境的位置细胞,完成位置细胞的构建。仿真结果表明,该方法构建的位置细胞能有效表征地形空间环境,对一定噪声干扰下的地形空间环境也具有识别能力。     

基于位置细胞的空间表征及位置估计模型

为开发具有生物启发式空间表征和自主定位能力的导航新方法,提出一种基于位置细胞的空间表征及位置估计模型.该模型通过径向基函数神经网络实现网格细胞到位置细胞的转换,生成自运动感知下的位置细胞.同时,通过环境感知和相似性度量生成视觉感知下的位置细胞.最后,采用信息加权的方式对前两种位置细胞进行融合,生成多信息感知下的位置细胞,以此表征已探索的空间.当运行体在已表征空间中运行时,基于重心估计原理对群体位置细胞放电活动进行处理,实现自主定位.仿真分析结果表明,所提模型能够实现已探索空间的内部表征,生成的位置细胞具有生物位置细胞的放电特性,且多信息感知下的空间表征在某一感知方式存在误差时仍表现出好的位置估计性能.     

基于障碍物地平角点的移动机器人定位*

提出了一种移动机器人快速定位方法。该方法在水平面假设的前提下,采用Harris Laplace算子并结合快速均值漂移和立体视觉方法,构建了一个障碍物地平角点提取算法取得特征角点,再以提取的障碍物地平角点为路标点,利用自适应粒子滤波方法融合路标点的深度和位置信息,实现了移动机器人高效快速和较为精确的定位。由于路标点（障碍物地平角点）数量大幅度减少,大大降低了定位算法计算的复杂度。实验的结果证明了上述方法是行之有效的。     

基于类脑认知与贝叶斯估计的仿生建图方法

针对同步定位与地图构建(SLAM)过程中因传感器累积误差、干扰等情况造成定位精度不高的问题,借鉴哺乳动物海马空间对多源信息的认知与整合机理,提出一种新型空间认知模型和融合贝叶斯估计的误差修正方法．首先,建立视觉线索的模拟机制,并对头朝向细胞和3D网格细胞进行建模;其次,构建反赫布学习递归神经网络完成对特定位置的编码,实现机器人对时空经验信息稳定的表达;最后,采用贝叶斯估计原理,建立原位置细胞邻域空间,提出结合位置细胞放电率的误差修正策略．与NeuroSLAM,OKVIS和VINS算法在EuRoC公开数据集上进行对比测试,结果表明：本文算法能够整合多源环境信息实现认知地图构建,最大绝对平移误差为0.727 m,最大绝对旋转误差为0.442.     

探测车基于可视路标的全局定位

基于全景视觉的定位系统采用可视人工路标作为定位依据.为避免复杂的路标制作过程,提高导航的灵活性和方便性,采用简单的彩色立方体作为定位路标.同时,为避免路标的误识别导致误定位,提出了利用路标组特征匹配的方法,提取路标组中具有尺度不变性和旋转不变性的路标组特征进行路标识别,且利用路标组里的路标信息通过3点定位原理得到探测车当前的位置,结合人机交互的路径规划判断定位的可信度,提高定位的正确度,保证车子的安全性.通过软件仿真和现场实验,证明了该视觉定位系统可避免以往基于可视路标定位存在的不稳定性,大幅度减少了定位错误概率.     

基于智能空间的家庭服务机器人SLAM

提出了基于智能空间的家庭服务机器人同步定位与地图构建(SLAM)方法.利用双目立体视觉传感器提取环境特征,获取环境中物体的Harris角点,通过立体匹配算法获取角点的三维几何信息,同时获取环境中这些几何特征对应的图像特征信息,并将混合信息进行绑定,作为实时更新信息存入智能空间信息库中,构建出三维立体混合特征地图.在SLAM实现过程中,首先建立系统模型并对该模型进行重构以实现线性化;其次移动机器人与智能空间实时地进行交互,实现快速数据关联;最后利用卡尔曼滤波算法处理信息的不确定性,估计出机器人的位姿,同时保存环境特征,逐步构建出环境地图.实验表明,该方法实时性好、精确度高.     

山顶点类型及其形态特征数字表达

山顶点是最重要的地形特征点.本文在首先分析了山顶点所具有的空间特征、成因特征、尺度特征及点群特征的基础上,依照科学性、系统性、实用性、可实现性的原则,对山顶点进行了系统的分类,并阐述了其定量描述方法.此外,深入探讨了山顶点群的基本类型、定量描述指标与地学意义.该研究对于构建以山顶点为主体的地形特征点簇,以及进行基于地形特征点簇的地貌模式识别,都具有十分重要的意义.     

基于特征提取算法下点细胞的识别侦测实现

为解决类似血液环境中点细胞的自动识别与侦测,提高点细胞的人工辨别和计数效率、避免人为统计误差,达到对点细胞信息状态的快速、自动、准确统计,设计了点细胞识别与匹配流程。通过分析点细胞背景图像场,对其图像进行相应切分、二值化、去燥等处理后,利用细节特征算子得到点细胞信息特征空间场。通过特征向量的决策选优改善传统的搜索计算方法,避免了大量信息冗余查询;采用空间决策性能函数优化搜索,减少了特征提取计算量,提高了点细胞识别准确性与状态定位。该方法可逐步应用在医院等领域进行液体环境中的细胞识别、计数、运动轨迹追踪等。     

v基于特征提取算法下点细胞的识别侦测实现

为解决类似血液环境中点细胞的自动识别与侦测,提高点细胞的人工辨别和计数效率、避免人为统计误差,达到对点细胞信息状态的快速、自动、准确统计,设计了点细胞识别与匹配流程。通过分析点细胞背景图像场,对其图像进行相应切分、二值化、去燥等处理后,利用细节特征算子得到点细胞信息特征空间场。通过特征向量的决策选优改善传统的搜索计算方法,避免了大量信息冗余查询;采用空间决策性能函数优化搜索,减少了特征提取计算量,提高了点细胞识别准确性与状态定位。该方法可逐步应用在医院等领域进行液体环境中的细胞识别、计数、运动轨迹追踪等。     

粒子系统支持下地形流模式表达研究

该文提出一种基于粒子系统的地形起伏动态可视化表达方法.首先利用D8算法并结合坡度等信息构建水流模型，基于DEM数据生成水流场数据；使用空间随机均匀和重要特征位置相结合的方法布设粒子，在粒子系统的支持下模拟高低起伏的地形水流场景，从而间接地实现DEM动态多尺度的可视化.以武汉市的DEM数据为例进行实验，结果表明该方法模拟得到的粒子流效果能真实反映其地形特征，该研究为DEM数据提供了新的表达方法.     

基于自适应流形正则化自表示的无监督特征选择算法

针对基于流形正则化自表示(MRSR)的无监督特征选择算法直接从原始的样本空间构造相似矩阵可能会 导致重构空间中样本的相似性描述得不够准确的问题,提出了基于自适应流形正则化自表示的无监督特征选择 (AMRSR)算法。 基于自适应流形正则化自表示的无监督特征选择算法在 MRSR 算法的基础上通过对相似矩阵施 加概率最近邻约束将相似矩阵的学习嵌入到优化过程中,在重构空间中自适应地学习样本的相似性,使得在每一 次迭代中获取更加精确的样本局部几何流形结构,从而选择具有代表性且保持局部几何流形结构的特征。 最后, 在四个公开数据集上进行了大量的对比实验,通过将算法的特征选择结果用于 K-means 聚类并采取两种常见的聚 类评价指标:聚类精确度和归一化互信息评价聚类效果。 实验结果表明,AMRSR 算法与现有的一些算法相比有更 高的聚类精确度和归一化互信息,进一步表明该算法特征选择效果更好。     

PSO高斯诱导核模糊c均值聚类算法*

为了避免陷入梯度法局部极值以提升模糊聚类算法聚类性能,提出PSO高斯诱导核模糊c均值聚类算法(PSO Gauss-induced kernel fuzzy c-means clustering algorithm, PSO-GIKFCM)。首先将高斯核函数应用于模糊c聚类算法(FCM)目标函数,得到高斯核模糊聚类目标函数。然后在高斯核特征空间和输入空间利用梯度法得到两空间聚类中心,将特征空间聚类中心与样本的内积核矩阵代入输入空间聚类中心,从而得到高斯诱导核的聚类中心。最后在解空间利用粒子群算法(PSO)对模糊隶属度进行寻优估计,并结合目标函数和聚类中心构成PSO-GIKFCM参数估计迭代流程。PSO-GIKFCM算法基于粒子群算法保证其收敛性,聚类中心仅为模糊隶属度的函数,PSO生物进化算法在解空间全局寻找优解,且将模糊指标扩展为大于0的情况。通过仿真实验验证了所提出算法的有效性。     

面向IEC61850智能变电站的网络安全异常流量分析方法

为了保证智能变电站的网络通信安全和整个变电站的稳定运行,提出了一种基于机器学习k-means聚类算法的异常流量分析方法。根据智能变电站中过程层网络的特性,结合对IEC61850智能变电站专有GOOSE(generic object-oriented substation event)以及SV(sample value)协议的报文结构解析,使用了一种基于信息熵的特征选取方法对智能变电站正常工作时站内网络通信流量进行特征分析选择,利用k-means聚类算法完成了对异常流量的检测分析及其相关分析。相较于以往方法,文中方法对智能变电站的过程层网络流量信息的特征进行了选取,根据信息熵理论,完成了重要特征的选择和冗余特征的剔除,提高了聚类算法的效率,提高了对异常流量检测的准确性。     

一种改进的K近邻法在模式识别中的应用

针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,从而确保了聚类的质量.同时K近邻算法中引入的最近间隔值,既确定了近邻点的搜索半径,又保障了搜索的准确性.通过实验证实,该方法不但节省时间,还有较高的识别率.     

一种提高文本聚类算法质量的方法

针对基于VSM(vector space model)的文本聚类算法存在的主要问题,即忽略了词之间的语义信息、忽略了各维度之间的联系而导致文本的相似度计算不够精确,提出基于语义距离计算文档间相似度及两阶段聚类方案来提高文本聚类算法的质量.首先,从语义上分析文档,采用最近邻算法进行第一次聚类;其次,根据相似度权重,对类特征词进行优胜劣汰;然后进行类合并;最后,进行第二次聚类,解决最近邻算法对输入次序敏感的问题.实验结果表明,提出的方法在聚类精度和召回率上均有显著的提高,较好解决了基于VSM的文本聚类算法存在的问题.     

拓扑理论下乡村路网布局算法设计

乡村振兴背景下,乡村居民出行需求和乡村路网布局理论建设极为重要。为了提高乡村路网效率,设计基于拓扑理论的乡村路网布局算法。该方法考虑径向网络的拓扑结构,并计算了城乡交通的特征。根据特征计算结果,采用灰度相关分析方法计算了交通节点重要性指标的目标权值。结合交通节点的动态聚类结果,构建乡村道路布局规划模型,并以出行时间为目标求解该模型,完成布局规划算法的设计。结果表明,该算法在提高效率的基础上,较传统的样条法和GIS-TransCAD法,能够有效地改善城乡道路分布的平衡性和连通性。     

近海水环境早期预警模型及其应用

为实现对近岸海域水环境质量状况的早期预警,构建了近海水环境早期预警模型。首先在布点优化过程中,提出了模糊物元分析法与k-means空间聚类算法相结合的方法,以突出区域监测站位的水环境状态特征,同时兼顾监测站位的空间地理位置等因素;其次,采用突变级数法,以分叉集方程的归一化公式,计算优化监测站位的水环境质量突变状态值,避免了模型中的人为赋值等不确定因素。应用所建模型,选择江苏近海水环境为实例进行预警分析,结果表明,各站位的预警值与水质评价结果一致,验证了模型的合理性。     

基于语义关联性特征融合的大数据挖掘方法

提出一种基于语义关联性特征融合的大数据挖掘算法.对云存储大数据分布式信息流进行高维相空间重构,在重构的相空间中提取大数据的语义关联维特征量,以提取的特征量为测试集进行自适应学习训练.采用模糊C均值算法进行大数据语义关联特征的稀疏性融合和聚类处理,在聚类中心实现对挖掘目标数据的指向性聚敛,输出数据挖掘结果,并采用特征压缩器进行降维处理,降低计算开销.仿真结果表明,采用该方法进行大数据挖掘的特征提取准确性较好,挖掘数据的聚类能力较强,在实时性和准确性方面具有优势.     

一种基于EVS相似度的邮件社区聚类方法

聚类方法的核心是如何度量事物间的邻近性。介绍了邮件特征的向量表示形式、构建了邮件特征矩阵,并使用变形后的极值分布函数模型拟合了邮件间通信特征信息;在此基础上提出了一个新的邻近性度量方法(ex-treme value distribution similarity,EVS),用以指导邮件社区划分;使用微聚类-宏聚类邮件社区划分算法验证了该方法的有效性。实验表明,在测试数据集上,相比余弦、PCC等经典的邻近性度量方法,以EVS作为划分依据的邮件社区划分算法能够更加有效地发现高质量的邮件社区。