基于随机抽样和聚类特征的聚类算法

在分析BIRCH算法不足的基础上，提出了一种基于随机抽样和聚类特征的聚类算法(CLAP)，该算法采用随机抽样技术，从数据库中抽取一部分数据进行聚类的预处理过程，这样大大降低了运行时间，CLAP通过设立索引树的叶节点的直径和聚类直径，提高了聚类的精度，并采用全局搜索和局部搜索相结合的方式，消除了输入顺序对聚类质量的影响．测试结果表明，CLAP算法不仅提高了聚类速度，而且改善了聚类质量。     

基因表达数据聚类中模糊核算法的改进

FCM算法在基因表达数据分析中存在噪声点，影响聚类结果，为此提出了一种改进的模糊核聚类算法，通过使用Mercer核把原始数据映射到高雏特征空间，并为特征空间的每个向量分配一个动态权值，分析权值的大小来识别噪声点，得到一个较为理想的聚类结果：实验结果表明，该方法比FCM聚类算法具有更好的聚类效果．     

基于卷积网络与特征脸的面部表情聚类

相比于人脸识别，表情识别是更细粒度的图像分类，不同表情之间的差异非常细微，一般的聚类算法难以处理面部表情数据的分类问题。本文提出了一种基于卷积神经网络的Expression-EigenFace特征聚类算法，对数据集样本进行预处理，通过人脸检测和定位技术，将人脸分割重组形成情绪特征脸；将处理后的特征脸送入预训练好的卷积网络进行提取特征；通过聚类算法对所提取的特征进行聚类，完成人脸面部表情聚类的过程。实验结果表明：相比没有经过任何处理的表情图像聚类，本文方法在调整兰德系数(adjusted rand index, ARI)、调整互信息(adjusted mutual information, AMI)和标准化互信息(normalized mutual information, NMI)这几个聚类评估指标上都有大幅提升，证明了所提出的特征脸聚类算法的有效性。     

基于自编码神经网络的Single-Pass聚类事件识别算法

针对传统Single-Pass聚类算法存在的缺陷，提出了一种基于自编码神经网络的Single-Pass聚类算法。通过多个深层的隐藏层对原始数据进行降维，以更好地提取出原始数据的特征信息；并通过对边缘文本重计算来降低误检率，提高聚类精度。实验结果表明，该算法相比传统Single-Pass算法具有更高的聚类准确度，解决了聚类结果受数据顺序影响的问题。     

基于熵和信息粒度的粗糙集聚类算法

针对多数聚类算法只能单独处理数值特征数据或类属特征数据，而不能分析具有两种混合属性数据的问题，基于熵和信息粒度提出了粗糙集理论框架下不同粒度划分上的聚类算法．该算法利用相似关系，通过计算每个数据点的熵并选取具有最小熵值的数据点作为聚类中心，将与该聚类中心相似度大于阈值卢的所有数据点聚集形成数字颗粒结构．在整个聚类过程中无需调整每个数据点的熵值，缩短了计算时间，同时利用粗糙集的不可分辨关系形成字符颗粒结构，通过不断调整、合并这两种颗粒结构，实现了具有混合属性特征数据的聚类分析．实验结果比较表明，该算法是有效、可行的，当卢取值为0．8时，算法的聚类有效性最大值可达0．96，该值较同条件下的其他聚类算法要高。     

多源遥感图像融合平台的设计与实现

介绍了图像融合的框架层次结构，以及像素层、特征层和决策层3层图像融合的方法及其相互关系。分析了图像融合平台的设计与实现方法，选择基于DS证据理论和模糊Kohonen神经网络聚类算法，进行了适当改进，并加以验证。结果表明，模糊Kohonen神经网络聚类算法的聚类精度和聚类速度都要优于传统算法。     

基因表达模式分析及软件系统

研究和实现了4种基因表达模式的聚类方法，开发了基因表达模式分析软件系统．该软件包含了两两平均连锁聚类法、系统聚类法、自组织特征映射法和模糊聚类等聚类算法，其中模糊聚类算法是首次用于基因表达模式分析．该软件同时具有数据过滤、多种相似性度量选择、聚类方法选择和结果可视化等功能．对于同一组基因表达数据，可通过不同的聚类算法的组合，提供更多的基因分类信息，为生物体复杂的基因表达模式研究提供了一个重要的综合分析平台．     

一种基于信息粒度的高属性维稀疏数据聚类算法

目前的高属性维稀疏数据算法大多面向二态数据，而且没有聚类结果的评价方法，给应用带来很大局限。针对这些问题，给出一种基于信息粒度的高属性维聚类算法。首先通过设计面向数据稀疏特征的半模糊聚类算法对数据进行离散化，并基于此给出稀疏相似度和初始等价关系的定义，然后设计可变精度的二次聚类模型对初始聚类结果进行修正，使算法具有较强抗噪声能力，最后结合应用领域定义一种新的聚类质量的评价模型。实验证明，算法具有更广应用性，可提供多粒度分析结果，准确度更高，得到的聚类结果能真实反映数据的特征。     

一种基于密度的增量式网格聚类算法

增量算法的要求是聚类特征一般是可加的、非迭代的。文中提出了一种基于密度的网格聚类算法GDCLUS，并在此基础上提出了增量式算法IGDCLUS，它可发现任意形状的聚类，具有高效、易实现的特点，适用于数据库周期性地增量环境下的数据批量更新。     

利用局部集聚特性的聚类算法的研究

基于SNN相似性和密度的聚类算法是当前主要的无监督聚类方法之一,该类算法在发现不同大小形状簇的聚类过程中都取得了较好的结果。但是该类算法也存在局限性,如Jarvis-Pat-rick算法通过单连结的方式发现簇,可能分割真正的簇或者合并应该保持分离的簇,而SNN密度类算法的Eps,MinPts参数的确定对用户来说是比较困难的。针对该类问题,本文对聚类过程中的局部集聚特征进行了分析和定义,提出了利用数据的局部集聚特征来控制聚类过程的的聚类算法。通过验证,该算法对发现不同密度以及任意形状的数据集合的聚类分析问题是有效的,突出了数据分析的局部集聚特征,改进了数据聚类的质量。     

四足步行机器人中一种新型腿结构缓冲特性

四足步行机器人在高速步行时,地面对其产生了很大的冲击,引入弹性步行机构是减少冲击的关键．将一种新型弹性步行机构应用于四足步行机器人中,分析其工作原理,并研究其控制电路．进而以Ｐａｃｉｎｇ步态为例,对弹性步行机构的缓冲和储能功能进行了理论探讨和实验分析,并在对刚性腿和弹性腿对比研究的基础上,指出将弹性步行机构应用于四足步行机器人具有独特的优越性．     

四足机器人步行控制算法的研究

静态步行控制算法是利用稳定裕量(S-Margin)判别法,对采用缩放式腿部结构的四足机器人进行步行控制,保证了全过程的稳定性,并通过腿部姿态的改变自动补偿凹凸地面的影响。最后,通过实验证明了上述算法及所研究的软件的可靠性和实用性。     

全方位四足步行机器人的运动学研究

本文将全方位四足步行机器人在每一瞬时视为一个多环空间机构。利用空间多环机构的理论逐环进行位置分析，导出在两类已知条件下机体运动与四条腿运动之间的关系。在此基础上，给出它们之间的速度，加速度关系式。     

新型压电行走机构的行走特性

压电行走机构是利用压电陶瓷逆压电效应和谐振特性,将电能转化为机械能的一种新型驱动装置。为避免惯性、摆动、两足移动式压电行走机构运动形式单一问题,研制了一种新型的压电行走机构振动测试系统。通过实验获得了驱动电压、谐振频率、负载载荷、振动角等诸多因素对机构行走速度和在沿行走方向上的驱动力的影响规律。分析显示,行走机构在滑移状态下,行走速度出现最大值,运行平稳;行走装置的后足设置行走轮时,行走状态最好。实验结果为压电行走机构驱动控制系统的设计提供了必要的数据依据。     

昆虫类步行器整体多环机构模型

从机构学角度，对昆虫各关节所允许的运动进行了分析，并建立了相应的机构模型．结合昆虫实际运动时可能出现的各种步态，建立了相应的整体多环机构模型．为研究仿昆虫步行器奠定了基础．     

关于竞走训练的探讨

通过不同角度对竞走训练探讨和总结，认为：注重选材，强化德育及系统的训练对竞走成绩的提高具有重大意义。     

步行锻炼对江苏省公务员体质的影响

对持续进行4个月步行锻炼的296名公务员锻炼前后进行体质测试分析。结果显示:长期步行可一定程度减轻体重,降低BMI值,提高心肺功能,增加肌力,改善柔韧性、平衡能力和灵敏性。步行锻炼有利于改善公务员的体质状况,是适合公务员强身健体的运动方法。     

竞走电子裁判仪器的研究

本文应用检测与通信理论，提出了一种竞走电子裁判仪器的设计方案，该仪器能准确判定运动员是否犯规，并实时显示犯规运动员的号码、犯规次数和犯规时间。     

对竞走转髋技术的探讨

竞走的转髋从原来的左右转动，到现在以垂直轴为主的转动，是当前发展潮流．     

仿生蟹的行走方式与自适应控制策略

论述基于稳定性的八足行走问题，分析生物蟹的典型行走方式和机械性能。建立五自由度单腿机构模型，确定二圆柱关节参数规划轨迹和三自由度关节参数修正实现仿生蟹行走的控制策略。设计了仿生蟹的步行走方式，提出了基于约束的自适应行走方式，使仿生蟹具有更优良的行走性能。应用坐标变换和微分变换建立了步行走的控制方程，并给定仿生蟹的结构参数，完成了仿真计算和性能曲线绘制，计算结果证明了球铰和控制策略在仿生机器人中应用的可行性。