一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。     

基于属性稀疏特征差异度的动态抽象聚类方法

针对高属性维稀疏数据聚类问题,提出高属性维稀疏信息系统概念,给出一种新的基于稀疏特征差异度的动态抽象聚类方法。该方法的优势在于可伸缩性强,是一种面向属性稀疏特征,通过稀疏特征差异度可动态地、有效地实现对属性的归并,且具有一定容错性。该方法将在高属性维稀疏数据挖掘中起重要的作用。     

一种基于自组织特征映射网络的聚类方法

针对传统聚类算法不能有效地处理大数据集和高维数据集的问题,提出了一种基于自组织特征映射网络的聚类方法。该方法能将任意维输入模式在输出层映射成一维或二维离散图形,并保持其拓扑结构不变,而且无需监督,能自动对输入模式进行聚类。给出了应用该方法的具体步骤和加速自组织过程的若干改进方法,通过仿真实验证明该算法的有效性。     

Improved fuzzy identification method based on Hough transformation and fuzzy clustering

This paper presents an approach that is useful for the identification of a fuzzy model in SISO system. The initial values of cluster centers are identified by the Hough transformation, which considers the linearity and continuity of given input-output data, respectively. For the premise parts parameters identification, we use fuzzy-C-means clustering method. The consequent parameters are identified based on recursive least square. This method not only makes approximation more accurate, but also let computation be simpler and the procedure is realized more easily. Finally, it is shown that this method is useful for the identification of a fuzzy model by simulation.     

输入受限时滞系统的模型预测控制

对于输入受限的离散时滞系统，提出了一种模型预测控制方法。该方法采用双模控制结构，基于Lyapunov-Krasovskii函数构造了时滞系统的终端不变椭圆集，保证闭环系统稳定性。以LMIs(Linear Matrix Inequalities)形式给出了系统稳定的充分条件，使得该方法简单，易于实现。最后通过仿真验证了本方法的有效性。     

虚拟环境中一种基于密度聚类的区域划分算法

为支持虚拟环境中大规模用户共享资源,需解决虚拟空间中用户集合划分问题,即把用户对象分配给多个服务器。由于用户不可预知的移动和交互,可能导致部分服务器负载过重。现有的划分思想注重于服务器负载的重分配,但是用户的移动和交互为划分也应作为主要考虑因素。据此思路,提出一种基于密度聚类的改进型划分算法(DCA)。该方法改进密度聚类中的邻域半径(Eps)和最小数目阈值(MinPts)因子,提出了基于移动视窗方法的密度聚类方法。同时,提出不一致性事件的概念以验证所提方法的有效性,并给出了实验结果。     

含权地理网格网络的构建及其逾渗行为

主要构建一种新型的地理网格网络,并探讨网络的拓扑性质及其逾渗动力学行为,为现实地理网络的鲁棒性研究及其构建提供参考.这个网络的特点是,在构建时引入度权重连接概率和地理距离权重连接概率.研究发现这种新型网络能够随着这两种概率及相关参数的改变,生成嵌入式无标度网络并渐进过渡到嵌入式指数网络.     

基于改进层次聚类法的指挥控制资源部署

以网络化作战战场资源部署为研究背景,对战术指挥控制资源部署问题进行了描述。以决策实体工作负载的均方根最小为目标函数,建立了指挥控制资源部署问题的数学模型,提出了基于改进层次聚类法的指挥控制资源部署算法。该算法以作战任务-平台资源的分配结果为输入信息,对可部署决策实体数目范围设定、决策实体合并项选择和决策实体能力约束判定进行了改进,着重分析了每一层聚类的N-best备选策略和决策实体合并项选择方法。通过一个作战想定,分别从目标函数值、搜索空间大小两个方面对本算法和其他算法进行了比较。     

基于形态学和蚁群聚类的台风分割方法研究

蚁群算法是具有离散性、并行性、鲁棒性、正反馈性等特点的一种仿生进化算法。根据数字图像的离散性特点,从聚类角度出发,将蚁群聚类算法引入到台风云系分割中,并通过引入初始聚类中心和引导函数来解决传统蚁群聚类算法计算量大,搜索时间过长的问题。在蚁群聚类算法的基础上,针对单纯采用蚁群聚类算法可能会将类似于台风云系的分布不均匀的无关云团分割出来而造成分割精度低的情况,提出了一种蚁群算法融合数学形态学方法的台风云系分割方法。仿真结果表明此方法可以准确的分割出台风云系,是一种有效的图像分割方法。     

敏捷成像卫星密集任务聚类方法

面向应急条件下的观测需求,为提高成像任务完成效率,对敏捷成像卫星密集任务聚类问题进行研究。分析了敏捷成像卫星观测过程,给出了任务聚类的俯仰、翻滚观测摆角及任务间过渡时间约束。建立了聚类图模型,给出了模型的构建算法。设计了一种基于最大最小蚂蚁系统的聚类算法,结合聚类模型特点设计蚁群策略,并对重叠和冲突的聚类任务进行处理。实验算例验证了模型和算法的有效性。