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。     

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。     

供应不足条件下战时连续消耗资源调度模型

研究了供应不足条件下连续消耗作战资源的战场调度问题。在分析资源供求特点的基础上构建需求点优先度评价体系,提出了用分层聚类法将需求点分类并按优先度将各需求点类排序的方法。建立多需求点资源调度规划模型,依据及时更新的战场信息依次实现各类需求点的资源动态调度,解决了战场背景下这类资源调度中“突出重点”与“整体协调”的矛盾。最后,通过仿真算例中两类资源调度方法的对比,展示了分类调度方法的可行性和优越性。     

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。     

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。     

基于模糊预测性线性规划与改进灰色聚类分析的烟草企业最优生产方案选择方法

 烟草企业的生产方案选择需要考虑产量、利润、销售周期以及产品知名度等多种因素,是个复杂的系统化工程。考虑到烟草企业产能分配时,约束条件多为模糊约束,而约束系数又多为灰数,借鉴模糊数学与灰色系统理论的思想,构建了模糊预测性线性规划模型对烟草企业产能进行分配。利用灰色预测理论对模型中的各灰色系数进行白化,将模糊预测性线性规划模型转变为模糊线性规划模型,利用模糊最优判决条件将模糊线性规划进而转变为求最大隶属度的一般线性规划模型,求解得到烟草企业各生产方案取得最大利润时的产能分配。在此基础上,综合考虑各生产方案产品销售周期、产品知名度以及产品对人体健康的危害等因素,根据改进后的灰色聚类分析理论对各生产方案进行定性评价分析,并进行灰色决策度的计算及比较排序,从而得到烟草企业的最优生产方案。使用该方法,某烟草企业选取了最优生产方案,收到了良好的经济效益和综合效益。     

基于特征选择和聚类的分类算法

针对目前特征选择算法应用于数据分类精度不理想的问题, 提出一种基于最大相关最小冗余的特征选择算法, 该算法结合特征选择算法和聚类分析算法对特征进行处理, 将分类中冗余的特征去除. 利用支持向量机对一组心脏病患者实际测量得到的数据进行分类实验, 实验结果表明, 该方法可有效筛选影响分类的特征, 进而提高分类准确率.     

一种基于聚类和AdaBoost的自适应集成算法

为同时保证基分类器的准确性和差异性, 提出一种基于聚类和AdaBoost的自适应集成算法. 首先利用聚类算法将训练样本分成多个类簇; 然后分别在每个类簇上进行AdaBoost训练并得到一组分类器; 最后按加权投票策略进行分类器的集成. 每个分类器的权重是自适应的, 且为基于测试样本与每个类簇的相似性及分类器对此测试样本的分类置信度计算得到. 实验结果表明, 与AdaBoost,Bagging(bootstrap aggregating)和随机森林等代表性集成算法相比, 该算法可取得更高的分类精度.     

基于清晰有理数均值的新匹配聚类算法

通过改进清晰有理数均值的方法, 提出一种新匹配聚类算法. 首先计算每条数据的清晰有理数均值, 然后与匹配项比较, 得出聚类结果, 解决了人工标注型数据的聚类问题. 将该方法在反欺诈网页领域中进行了检测和验证, 并与使用同一名称但不同类型数据集的K最近邻算法进行比较, 实验结果表明, 该方法在反欺诈网页领域中比K最近邻算法更有效, 同时也证明了新匹配聚类算法在人工标注型数据上聚类具有合理性.     

时空多特征流域场景模式库构建方法

通过构建流域时空场景表征水文事件,提出一种创新的时空多特征流域场景模式库构建方法。对水文原始数据进行事件化分割,去除场景要素数据的时空冗余;基于要素关联关系分析,以多类型方法构造场景要素的对应特征;通过特征选择算法,选取场景关键特征,实现场景初始化;以初始化场景为特征空间,通过聚类提取场景模式,完成场景模式库构建。试验结果表明,创新的时空多特征流域场景模式库构建方法能高效提取水文事件中关键的时空场景数据,挖掘场景模式,形成场景模式库,可以为小样本条件下的水文事件预测提供准确高效的结果。