一种新的用于三维检索的快速邻域搜索方法

在传统的层次聚类算法上,对孤立聚类进行特殊处理,并在此基础上提出了与传统内容检索方法不同的三维模型索引检索技术.首先提取三维模型的深度图像特征并将特征值存入数据库;其次利用改进的层次聚类算法对特征值进行聚类并计算聚类中心值;之后计算每个三维模型内容特征与其所在聚类中心的距离并保存到数据库中,查询时计算待查询模型特征与各个聚类中心的距离并排序;最后在每个聚类里面进行检索,与聚类中心的距离位于待检索模型与该聚类中心距离的邻域就是查询结果.在该方法中,将每个模型特征与其所在聚类中心的距离作为其索引.实验结果表明,该方法在保证检索质量的基础上大大提高了检索速度.     

模糊聚类迭代模型在洪水灾害度划分中应用

介绍了陈守煜的模糊聚类迭代模型.利用该模型的计算结果可对聚类样本作进一步的排序.即先求各个类对模糊划分的相对隶属度,以此相对隶属度为权重,根据各聚类样本对各类以相对隶属度加权,求得样本对模糊概念的类别特征值,并根据其大小对聚类样本进行排序.将其应用于"96.7"洪水灾害分析,较清晰地划分出了各受灾地受灾程度的轻重.     

基于分维特征的目标分割与检测

提出了一种改进的盒维数算法 .基于这种盒维数定义 ,对高通滤波后的图像逐点计算 ,所得的盒维数为该点的分形特征 .根据这种算法 ,背景中多种不同纹理的特征值非常接近 ,而目标所在位置的特征值高于背景所在位置的值 .并提出一种迭代的分割 聚类法检测各目标 .     

空间数据库反向最近邻聚类方法

针对当前空间数据库聚类方法未考虑降维后的距离特征反向结果, 导致空间数据分量失真, 存在聚类精度低、 耗时长的问题, 提出一种空间数据库反向最近邻聚类方法. 首先, 通过选取训练样本集实现核矩阵的特征分解, 获得其距离特征修正值去除初始值的影响; 然后, 根据核主成分分析（KPCA）降维并结合降维后的距离特征反向结果, 利用反向最近邻聚类方法与扩展的部分失真搜索法相结合, 实现空间数据的聚类; 最后利用选定的聚类中心对数据集进行计算, 计算数据集第一维分量与聚类中心第一维分量之间的失真, 得到反向最近邻, 直至所有空间数据均找到所属类别, 最终完成空间数据库反向最近邻聚类. 实验结果表明, 该方法提高了空间数据的聚类精度, 减少了空间数据聚类所用时间.     

基于KPCA-GG的火力发电设备状态诊断方法

为了解决具有非线性特征的设备状态诊断问题,提出一种基于核主成分分析和Gath-Geva模糊聚类相结合的多元时序分割算法.根据Gath-Geva模糊聚类算法得到聚类结果,利用核主成分分析算法提取非线性特征,从而构造KPCA分析模型.将聚类类簇在该模型空间中的距离作为类簇相似性分析及合并的标准,以提升方法的分割效果.实验结果表明,基于KPCA的Gath-Geva模糊聚类算法能识别数据的非线性信息,更准确地分析数据特征,其分割效果优于基于主成分分析的聚类算法的分割效果.通过提取的非线性特征对数据进行分割有助于识别设备状态的转换,可用于解决一类具有非线性特点的火力发电设备过程状态诊断问题.     

一种基于复杂网络属性值的K-means聚类算法

传统-means聚类算法的性能依赖于初始聚类中心的选择.本文将复杂网络节点的属性值作为节点的度、聚集度与聚集系数的加权值,通过计算所有节点的加权综合聚集特征值,选取综合聚集特征值高,并且彼此之间无高聚集性特征的K个节点作为聚类的初始聚类中心,然后进行聚类迭代过程.实验结果表明,新算法对初始聚类中心的选取更迅速有效,避免了传统K-means算法初始聚类节点选取的敏感性,进而提高K-means算法的聚类质量.     

改进主成分和K-均值聚类的行驶工况

为构建行驶工况,消除K-均值算法对初始聚类中心的敏感性及噪声点的干扰,提出一种改进主成分分析和基于密度的改进K-均值聚类组合方法.结合距离优化法和密度法,构建一种数据集密度度量方法.选取距离较大、密度较高的数据点作为初始聚类中心与候选集,优化聚类结果的同时剔除了孤立点,采用较大贡献因子的特征值进行工况合成,最后对行驶工况油耗进行分析.结果表明,所提方法构建行驶工况的速度-加速度联合分布差异值为1.17％,特征参数平均相对误差较小.可见,合成的行驶工况能够很好地反映某地实际交通道路特征,拟合度较高.     

均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。     

基于主成分分析的系统聚类分析方法在洪水预报中的应用

在洪水预报中,对历史信息的分析和利用可以有效地提高洪水预报的精度,而如何从这些历史信息中获取有效信息是一个关键问题.对此,将主成分分析与系统聚类分析方法结合应用于洪水预报,首先应用主成分分析方法,从历史洪水资料中提取有效独立的信息,以避免洪水聚类时因指标间的相关性而对分类结果造成影响,然后根据这些信息,再应用系统聚类分析方法对历史洪水进行分类,并对各类洪水分别率定出一组模型参数,这样对于即将发生的洪水,采用其所属类的模型参数进行预报.应用于实际流域后结果表明,上述方法能够有效提高洪水预报精度.     

基于维特征的目标分割与检测

提出了一种改进的盒维数算法。基于这种盒维数定义,对高通滤波后的图像逐点计算,所得的盒维数为该点的分形特征。根据这种算法,背景中多种不同纹理的特征值非常接近,而所在位置的特征值高于背景所在位置的值。并提出一种迭代的分割－聚类法检测各目标。     

灾害损失评估的灰色聚类分析

基于灰色系统理论,阐述了灰色聚类分析的基本原理和求解过程,论述了白化函数的物理意义,并结合新疆“９６．７”特大暴雨洪水受灾地、州、市实际灾害损失,进行了定量化灾情损失评估和灾害等级划分,得出新疆“９６．７”特大暴雨洪水中各受灾地、州、市的果类系数和灾度等级表。其结果与实际情况相吻合,表明灰色聚类分析是解决灾害等级划分问题的一条有效途径。     

基于水文模型的缺资料流域设计洪水计算

从流域降雨径流物理机制出发，选取不同水文气象分区的4个缺资料小流域，基于暴雨衰减公式进行设计降雨过程计算，结合流域下垫面特征推求模型参数，构建流域水文模型实现设计洪水计算，并将水文模型法计算结果与推理公式法进行比较。结果表明：水文模型法得到的设计洪水与推理公式法相似(洪峰、洪量相对误差均不超过30%);水文模型法考虑了土壤下渗能力随着降雨过程的变化情况和流域内各点汇流过程的不确定性；水文模型参数的时空分布不均匀性更加符合流域实际的产汇流规律，提升了复杂情况下设计洪水计算的可靠性。     

基于水文倒推法的中小洪水过程模拟

为了改善传统的中小洪水模拟方法中对洪水过程模拟精度较低的问题,用水文倒推法对研究区域出口断面的流量过程进行模拟。鉴于流域枯季径流缓慢变化的特点,基于水量平衡方程,对时段平均的径流量与径流变化量的相关关系进行推导,建立了基于水文倒推法的中小洪水模拟方程,并推出方程的适用范围。通过清江流域1989—1995年的场次洪水过程模拟,结果表明:洪水过程模拟效果较好,涨水和退水趋势与实测流量基本无差异,退水过程的拟合程度优于涨水过程;模拟洪峰精度符合要求。与传统洪水模拟方法和枯季径流预报方法相比,该方法计算简单,并能以过程线的方式描述中小洪水的洪峰量级,为水库调度提供科学的决策依据。     

个性化推荐系统中遗漏值处理方法的研究

为了高效地解决协同过滤算法中的遗漏值问题,而不是简单地用缺省值加以代替,提出了一种新的、在协同过滤中的遗漏值处理方法.其基本思想是,先利用具有最小方差的局部主成分,把包含有遗漏值的不完备数据集划分成多个模糊聚类,然后通过求解广义逆矩阵来获得各个子聚类的主成分,最终在局部主成分的基础上通过简单的线性方程模型去估计聚类中的遗漏值.实验表明,这种方法的优点是低内存需求,具有较小的平均绝对偏差值,并且显示出了比传统推荐算法更好的推荐质量.     

非平稳性条件下设计洪水地区组成分析

针对非平稳性条件下不同区域洪水间组合设计值计算难题，采用Copula函数构建了可综合考虑不同区域洪水边缘分布非平稳性和洪水间相依结构非平稳性的变参数Copula模型，分析了不同区域洪水间联合分布规律随时间的演变特征。基于等可靠度法和条件期望组合法，提出了变化环境下设计洪水地区组成分析方法，实现了非平稳性条件下不同区域洪水组合设计值的计算。以寸滩站和宜昌站年最大15 d洪量系列为例，分析了两站洪量及其区间洪量的变化特征。结果表明，寸滩站和宜昌站的洪量系列均具有减少趋势，两站洪量的联合分布随时间变化，指定重现期对应的宜昌站、寸滩站及寸滩—宜昌区间洪水设计值随使用年限的增加而减小。     

改进的灰色聚类方法及应用

基于灰色聚类分析理论，采用区间化算予对聚类对象的特性指标规范化，改进了白化权函数的选取方法．通过选择规范的白化权函数，使得每一个评判子类对所有的指标只需设定一种白化权函数．新方法不仅解决了传统的灰色聚类方法计算复杂的缺点，而且有效地克服了当聚类指标的意义、量纲不同，且在数量上悬殊较大时，采用传统的灰色聚类方法可能导致的某些特性指标参与聚类的作用十分微弱的局限性．通过具体的应用实例验证了该方法的有效性．     

广东西江北江洪水联合概率分布研究

 基于Copula函数分析了由思贤滘连通的广东西江水文站 马口和北江水文站 三水构成的两个样本的洪水联合概率分布特征,获得如下结论：经过优选的马口、三水洪水边缘分布可分别由P-III型和GEV表示;拟合优度检验指标表明二者的最优连接函数均为Archimedean copula类的Gumbel-Hougaard Copula;重现期介于10~500 a之间的马口、三水洪水边缘分布与联合分布的洪水设计值相对差值大约介于0.6%~1.5%之间;基于条件概率计算的两站相同设计频率洪水的遭遇概率都大于88%。     

新疆天山北坡小流域暴雨洪水计算

为新疆北坡小流域暴雨洪水找出一条可靠的计算途径,针对新疆天山北坡小流域暴雨洪水的特点和规律,提出了应用解三元联立方程组法和推理公式法两种方法,由设计暴雨推求洪沟设计洪水.实例应用结果表明,解三元联立方程组法和推理公式法两种方法切实可行,能够解决无资料地区的暴雨洪水计算问题.     

大数据网络入侵过程的痕迹数据监测方法研究

大数据网络数据规模巨大,对入侵过程痕迹数据进行监测的效率通常较低,一些带有入侵痕迹的数据特征在大数据环境下,特征逐渐淡化,当前方法无法在淡化的情况下准确采集痕迹数据的特点,无法形成待监测数据与痕迹数据之间的关系,导致监测效率和精度低下。提出一种基于模糊聚类概率的大数据网络入侵过程的痕迹数据监测方法,将采集的痕迹数据转换成频域信号,对其进行频谱或功率谱分析,依据时间变化的幅值将其转换成随频率变化的功率。采用核主元分析对痕迹数据信号特征进行提取,利用非线性转换将样本痕迹数据信号从输入空间映射至高维特征空间,在高维特征空间中通过PCA进行痕迹数据信号的频域特征提取。构建一个数学模型对特征模糊聚类概率进行描述,对待监测数据和痕迹数据之间的特征模糊聚类概率进行计算,通过衡量理论进行对比分析,使大数据网络入侵过程中的痕迹数据被完整的监测。实验结果表明,所提方法不仅所需时间少,而且监测精度高。     

低信噪比神经元锋电位信号的分类方法

基于离散序列小波变换和主元分析，对低信噪比的神经元锋电位信号提出了新的分类方法。通过对原始信号进行尖峰检测，获得尖峰信号样本，对每个样本进行离散序列小波变换之后，再对小波变换系数进行主元分析，选取主元进行聚类，实现对原始信号的分类。将该方法应用于多电极细胞外记录的小鸡视网膜神经节细胞电活动信号分析，并据此推断出某电极附近的神经节细胞的个数。仿真结果表明，在低信噪比情况下，该方法比单纯通过小波变换进行分类的方法更有效。