基于时间序列聚类的多雷达数据融合

针对多雷达数据融合问题,提出了基于时间序列的聚类算法,用于实现航迹相关,即以时间序列为基础把聚类模型转化为基于特征匹配的聚类算法。进一步考虑到多目标密集时,部分来自不同目标的数据可能比来自同一目标的数据更接近,易导致关联错误,为此提出了基于时间序列的模糊聚类算法。对上述两种算法的聚类结果,应用卡尔曼滤波器实现滤波跟踪,在不同的情况下仿真后发现,在跟踪目标较少且相互位置较远的情况下,两种算法均有效,在跟踪目标较多且相互位置靠近的情况下,基于时间序列的模糊聚类算法更有效。     

基于模糊C均值聚类和距离的专家赋权研究

针对判断矩阵专家赋权研究多使用硬性聚类以及类间权重值可能出现相同值的情况,提出了基于模糊C均值聚类和距离的赋权方法。该方法首先利用模糊C均值聚类对专家所给出的排序向量进行分类,然后根据聚类结果计算出各专家的类间权重和类内权重,从而集结为属性权重。在类间权重确定过程中,引入类间距离权重,给出一种新的类间权重计算方法。文末给出的算例表明,所提出的方法是可行、有效的。     

基于改进K-means聚类和量子粒子群算法的多航迹规划

针对在复杂环境下需要通过多航迹规划以实现武器协同的问题,利用排挤机制产生K-means聚类的初始聚类中心,并将改进K-means聚类与量子粒子群算法（QPSO）相结合应用于无人机的三维多航迹规划。改进算法解决了K-means聚类易陷入局部最优、聚类准确率低的问题。根据产生的初始聚类中心,将粒子划分成多个子种群,利用QPSO算法对每个子种群进行优化,使得每个子种群可以产生一条可行航迹。仿真分析证明了改进算法可以有效保证子种群之间的多样性,生成较为分散的多条可行航迹。     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中，虽然可以缩短定位时间，但是容易降低定位精度。为了解决此问题，提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明，与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比，基于改进指纹聚类的定位优化方法不仅缩短了定位时间，还能有效提高定位精度。     

聚类算法分析综述

聚类作为无监督的学习算法,能对无类标的数据集合进行分类,在文本分析、数据分析、图像处理以及市场预测等多领域有广泛的应用.本文从多个角度对聚类方法进行分析,在不同的情况下运用不同的聚类算法对数据集合进行划分.     

基于余弦相识度的聚类算法在统计调查对象分类中的应用研究

对统计数据的研究往往采用无监督学习的聚类算法,而基于欧式距离的常规聚类算法不太适合统计数据,文章将常用于文本相似度计算的余弦相似度算法与聚类算法相结合,形成基于图形相似度的模糊识别算法,采用统计月度数据进行实验测试,证明能够实现企业分类,达到了研究目标。     

基于K-medoids的Chameleon算法分析

通过对现有的Chameleon算法进行改进,将Chameleon算法与K-medoids算法相结合,提出了一种新的混合的聚类算法。改动之处在于:取消Chameleon算法的第一阶段的划分小类簇,代替它的是运用K-medoids算法对原始数据进行初步划分,将充分接近的对象作为一个整体对待,对得到的类簇直接用Chameleon算法第二阶段的合并算法进行类簇的合并。运用多个数据集进行实验测试,根据不同的实验指标对实验结果进行分析,证明改进的Chameleon算法有很好的聚类效果。     

基于分层聚类的电子舌用于啤酒的识别

利用电子舌系统对6种品牌啤酒进行检测,所得数据运用分层聚类算法进行分析,观察其品牌分辨结果,评估聚类效果。在树状图中,不同品牌的啤酒样品分别被聚成一类,并无混淆现象发生,而且划分效果十分清晰明了,说明采用分层聚类算法的电子舌可以用于啤酒的识别。     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维 特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等 多个低维特征数据的分类。通过多分类器融合的方法将不同分类器得到的分类结果进行优化 整合,得到最后的分类结果。实验证明：与其它图像分类算法相比,该方法拥有更好的分 割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性。     

不完备信息系统辐射源威胁等级判定

针对不完备信息系统条件下的辐射源威胁等级判定问题，提出了一种基于改进容差关系粗糙集（ITR-RS）的不完备信息系统辐射源威胁等级判定方法。该方法将粗糙集中的不完备信息系统理论引入辐射源威胁等级判定中，并构建一套完备的决策规则提取模型。此外，利用辨识矩阵实现对属性的约简，在降低系统所需处理数据量的同时，提高了算法的实时性；在容差关系粗糙集的基础上，提出一种改进的容差关系，在属性主、客权重相结合的基础上引入阈值来划分加权阈值容差类，得到更为合理、准确的决策规则。仿真试验及分析表明，与经典RS算法相比，所提算法的威胁等级判定正确率提高了23%，可用于信息系统不完备条件下的辐射源威胁等级判定。     

基于最小生成树的分簇协作频谱感知改进算法

为减少分簇过程中的时延,基于最小生成树的单向比较优势提出簇首快速推举方法,并提出改进的分簇协作频谱感知算法,分析了算法的时间复杂度。算法首先基于最小划分对所有次用户节点进行分簇,簇内节点根据设置的评价条件进行性能比较,推举簇首。由簇首进行本地簇内频谱检测,并上传检测结果,最后融合中心在簇首间实现协作的频谱检测。在瑞利信道条件下,仿真显示在大信噪比时,融合中心应用AND规则,系统具有较小的虚警率,所提算法检测性能优;小信噪比时,应用OR规则能扩展系统的有效检测区间,所提算法在满足系统要求的前提下检测性能较差,但簇内信道效率提高了n-1倍。     

A Hierarchical Clustering Approach Based on Three-Dimensional Gray Relational Analysis for Clustering a Large Group of Decision Makers with Double Information

Two types of information, collectively referred to as double information, are usually required in management decision-making. The first is preference information expressed in a judgment matrix. The second is reference information expressed in a multi-attribute decision matrix. In this paper, we investigate large-scale group clustering problems with double information in group decision-making. We first establish a novel three-dimensional gray correlation degree index, which integrates the alternative decision-making vector, index vector and alternative preference vector, to fully excavate the correlation between decision makers with double information. We then develop a new clustering procedure combining three-dimensional gray relational analysis and the concept of hierarchical clustering. Moreover, a model for determining clustering centers is established on the basis of the maximum gray correlation degree within each cluster and minimum gray correlation degree among clusters. A heuristic algorithm for the model to identify the core decision maker in each cluster is proposed. Finally, we illustrate the applications of the developed procedures with a practical case. The rationality of the proposed method is demonstrated by comparing results with results obtained using other methods, including the traditional gray clustering method and hierarchical clustering method with single information; i.e., preference information or reference information.     

A hybrid clustering and classification approach for predicting crash injury severity on rural roads

As a threat for transportation system, traffic crashes have a wide range of social consequences for governments. Traffic crashes are increasing in developing countries and Iran as a developing country is not immune from this risk. There are several researches in the literature to predict traffic crash severity based on artificial neural networks (ANNs), support vector machines and decision trees. This paper attempts to investigate the crash injury severity of rural roads by using a hybrid clustering and classification approach to compare the performance of classification algorithms before and after applying the clustering. In this paper, a novel rule-based genetic algorithm (GA) is proposed to predict crash injury severity, which is evaluated by performance criteria in comparison with classification algorithms like ANN. The results obtained from analysis of 13,673 crashes (5600 property damage, 778 fatal crashes, 4690 slight injuries and 2605 severe injuries) on rural roads in Tehran Province of Iran during 2011–2013 revealed that the proposed GA method outperforms other classification algorithms based on classification metrics like precision (86%), recall (88%) and accuracy (87%). Moreover, the proposed GA method has the highest level of interpretation, is easy to understand and provides feedback to analysts.     

基于灰狼算法的无线网络组播路由优化

针对无线网络中资源受限的组播路由问题,考虑网络节点的节点度限制和网络链路的带宽约束,以最小化组播路由开销为目标,提出了一种二进制编码方式的基于灰狼优化算法的组播路由策略。在给定的网络拓扑下,基于灰狼优化算法的组播路由策略可以迅速找到一棵包含源和目的节点的最小开销组播树。仿真结果表明,相比于遗传算法,所提出的基于灰狼优化算法的组播路由策略可以得到一棵开销更小的组播树,并且在相同的时间复杂下具有更强的算法稳定性。     

一种改进载波相位恢复算法

为了解决载波相位恢复算法频偏估计范围小、估计精度低、计算复杂度高等问题,提出了一种基于Q次方的极性环与极性判决（Polar Decision,PD）算法相结合的Q次方极性判决（Q-th Power Polarity Decision,QPD）算法。首先对判决导向（Decision Directed,DD）算法、PD算法、基于Q次方的极性环进行性能分析;然后结合基于Q次方的极性环和PD算法的优点,提出性能更好的QPD算法,并分别在不同频偏和不同信噪比条件下对这四种载波相位恢复算法进行性能仿真与性能比较;最后,在QPSK、8PSK、16APSK和32APSK这四种调制方式下,分析QPD算法的误码率、资源消耗和吞吐率。仿真结果表明,该算法相比于DD算法、PD算法、基于Q次方的极性环具有频偏估计范围较大、估计精度较高、资源消耗相对较少、吞吐率较高等特点,且适用于多种调制方式。     

基于手机信令的城市道路交通状态实时预测

为准确、实时预测道路交通状态，通过分析影响交通的因素，利用决策树算法对速度和环境因素等数据进行建模，确定交通拥堵发生的规则，在此基础上结合实时的移动用户和环境因素数据对交通状态进行预测。以中国河北保定城区为例进行实验，验证了该方法的有效性。同时，研究发现，基于决策树算法进行道路交通状态预测的方法具有较好的扩展性。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间（Femtocell）干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点（FAPs）进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。     

融合改进FT显著性与Grabcut的图像目标分割算法

针对目前复杂度较大的图像中目标分割速度较慢、显著性边界分割不明确等问题,提出了一种融合改进的FT（Frequency-tuned）显著性检测与Grabcut的图像分割算法。该算法首先通过改进基于频率调谐的FT显著性检测方法得到图像中显著性较高的区域,并利用SLIC（Simple Linear Iterative Clustering）算法对显著图进行预处理得到超像素图,能够有效改善边界的分割效果,然后通过以图论GraphCut算法为基础改进的Grabcut算法建立高斯混合模型。为了提高算法效率,通过聚类以超像素代替原像素,并反复迭代高斯混合模型（Gaussian Mixed Model,GMM）参数,最后利用最大流最小割算法得到最优目标分割结果。实验结果表明所提算法能够更准确更高效率地分割图像中的显著性目标,对高分辨率图像也有很好的适用效果,相比于其他算法在分割精度上提高10%左右,并具有较高的分割效率。     

非正交多址技术中利用对称矩阵的用户分组

现有非正交多址接入技术中，用户分组算法的实现首先对信道相似度门限值进行判断，选出候选成组用户；进而对候选成组用户的信道增益差进行比较，选出最优的成组用户。然而，上述分步求解算法中信道相似度门限值的设置存在一定的随机性，导致候选成组用户的选取不准确，从而影响分组结果，限制系统性能的提升。针对上述问题，提出利用对称矩阵的用户分组算法，对用户信道相似度进行非线性变换，而后将用户信道相似度和增益差线性求和构建成新的信道信息矩阵，进一步利用该矩阵的对称性进行求解。仿真分析表明该方法分组结果比设置门限的传统方法更优，在不同用户数目时系统容量均得到提升。在传统方法门限值为0.95时，所提算法系统容量在用户数为16时提升了13.4 Mb/s。