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。     

基于NeiMu的雷达信号聚类分选

针对雷达信号分选中常见的聚类数目难确定、数据簇形状识别、异常数据敏感等问题,提出了基于NeiMu(Neighboring Mutually)的雷达信号聚类分选算法。该算法首先以信号脉冲为点、各点间的欧氏距离为线构建距离矩阵,然后在进行干扰数据剔除的情况下选定合适k值完成聚类矩阵的构建,最后采取遍历聚类矩阵的方法输出聚类结果,在删除无效的聚类后实现了雷达信号的聚类分选。通过仿真可知该算法在选取合适k值的情况下具有极高的正确率,证明了其有效性和可靠性。     

商业数据的时间序列实践分析

本文以带有一定普遍性的美国某大型餐饮连锁集团的销售数据的时间序列分析为案例,介绍简单易操作的时间序列预测的模型分析步骤,更快捷有效地从商业数据中汲取信息,从而利用这些信息制定更好的商业决策。     

商业数据的时间序列实践分析

本文以带有一定普遍性的美国某大型餐饮连锁集团的销售数据的时间序列分析为案例,介绍简单易操作的时间序列预测的模型分析步骤,更快捷有效地从商业数据中汲取信息,从而利用这些信息制定更好的商业决策.     

一种面向金融时间序列的趋势特征挖掘算法研究

时序数据相似性挖掘是数据挖掘中的重要研究内容。本文根据金融事件序列自身特点,将股票中的时间序列转换为以价格变动率为变量的时间序列,对趋势特征提取、聚类算法进行改进,并给出新的相似度量标准,将时间序列的预测问题转化为频繁和有效特征集的发现问题,进而进行挖掘预测。实验结果表明,该方法能有效预测时间序列中的事件。     

基于多特征参量模糊数据融合的辐射源识别

针对多特征的辐射源识别,采用对辐射源信号特征参数的模糊化表征,建立了多特征、多目标的模糊评价矩阵以及模糊属性综合评判函数,提出了多属性判决函数的融合判决方法进行二次评判的综合识别,从而提高目标识别的准确率和可靠性。仿真结果证实了本文提出方法的有效性。     

基于模糊聚类的手写数字识别

本文提出了—种基于模糊聚类的手写数字识别方法,该方法先对手写数字图像进行预处理,然后对数字图像进行特征提取,得到能反映数字样本的低维特征,最后用模糊聚类的方法识别手写数字,Matlab仿真实验表明,该方法运算速度快,识别率较高。     

浅谈模糊聚类及其应用

本文介绍了模糊聚类的分析方法,并从灰色关联度,灰色聚类,遗传算法与模糊聚类结合运用的角度说明了模糊聚类与其他方法的相互渗透使用,以及模糊聚类在模式识别,图像处理中的作用。     

浅谈模糊聚类及其应用

本文介绍了模糊聚类的分析方法,并从灰色关联度,灰色聚类,遗传算法与模糊聚类结合运用的角度说明了模糊聚类与其他方法的相互渗透使用,以及模糊聚类在模式识别,图像处理中的作用。     

一种辐射源多特征数据关联的新方法

提出了一种辐射源多特征数据关联的新方法，对数据关联的相似性度量进行了讨论，给出了一种新的多特征参量统计相似性度量，并用谱系聚类法作数据关联，对所得关联结果进行了统计检验，计算机仿真结果证实了本方法的有效性。     

基于数据流聚类的动态信号分选框架

为了解决雷达信号分选中准确性与实时性相矛盾的问题,提出了一种基于数据流聚 类的动态信号分选框架。该框架分为在线和离线两部分,在线部分利用网格帧保存侦察数据 的概要信息;离线部分通过网格聚类算法对网格帧进行聚类分选,并得到分选结果。仿真实 验表明,该框架能够分选高密度复杂侦察数据流,对噪声不敏感,且无需先验知识支撑,能 够较好地满足信号分选准确性和实时性的需要。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法。首先,提取查询图像和图像库中样本图像的GIST（Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率。     

多传感器数据融合中基于目标识别的DS算法研究

由于多传感器数据中对目标的描述通常存在或多或少的模糊、相驳、遗缺等现象,在多传感器数据融合处理中如何对目标进行有效可靠的识别,是一个备受关注的难题。本文对多传感器数据融合处理中基于ＤＳ算法的目标识别问题进行了较深入的探讨,利用ＤＳ算法对不确定性信息的推理判断机制,为解决上述难题提供了一种有效的方法。     

基于分级信息融合的引信多模融合

为了提高引信的准确性, 结合当前微型毫米波雷达、激光传感器、微机电系统（MEMS）传感器对目标的探测能力,提出了一种引信多模融合策略。以传感器受环境影响的主要因素为输入,构建环境影响贝叶斯网络,形成传感器可靠性权重分配;通过建立传感器量测加权融合,形成测距与加速度两级融合综合处理获得目标准确位置信息,从而提高量测可靠性,为准确引爆提供支撑。实验表明该算法可提高测距准确性且对不同环境具有较好的适应性。     

结合新型模糊支持向量机和证据理论的多传感器水质数据融合

在多传感器水质数据融合领域,证据理论是有效的数据融合方法之一,但基本概率分配一般不易确定,从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法,具有普适性和全局优化等特点,但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法,通过建立基于分类超平面距离的模糊隶属度,训练模糊支持向量机提高传统支持向量机的基本概率分配,并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验,经精度、平均绝对百分误差、均方根误差等指标验证,精度提高10.5%,表明所提方法是一种可靠的多传感器的水质融合方法,较其他方法具有更高的融合精度。     

基于模糊KHM聚类的跳频网台分选方法

针对聚类分析实现跳频网台分选时,分选结果对初始聚类中心敏感且某些样本点“既可以属于类A也可以属于类B”的问题,提出了一种基于模糊K调和均值(KHM)聚类的跳频网台分选方法。首先利用搜索统计直方图位置法预估聚类数目和聚类中心,减少了算法的迭代次数;然后根据跳频信号的各项参数,应用模糊KHM聚类算法对跳频网台进行分选,有效解决了样本点的隶属度问题;最后通过类内类间距法估计得到准确的聚类数目K、聚类中心位置,大幅提升了聚类算法准确度。仿真结果表明,该算法聚类中心接近实际类中心,分选正确率高,迭代次数少。     

Temporary rules of retail product sales time series based on the matrix profile

Correlation analysis in the retail industry mainly involves market basket analysis. This kind of correlation analysis of retail product sales does not reflect the information regarding the time or quantity of the sales. Product sales datasets contain rich information about the correlations between different products at different times. The co-occurrence of similar sales subsequences reveal that product sales are correlated in a specific time period. Therefore, searching for similar co-occurrence patterns can help analyze the temporary correlations between products. The search for similar subsequences can be viewed as motif discovery in time-series datasets. In the field of motif discovery, the matrix profile (MP) provides an overwhelming advantage in detecting motifs. In this study, our aim is to discover motifs using MP, and hence, analyze the temporary sales correlations between products. The results of our numerical experiments indicate what products customers will purchase at what time. As opposed to strong association rules, we name the correlation rules in this work as temporary rules (TRs). Our results also show that customers’ preferences are not stable and change with time. In the retail industry, TRs can help business owners make suitable product promotions at appropriate times. Moreover, our analysis demonstrates that TRs can extract more interesting information and patterns than mining with association rules.     

多特征融合的视频镜头分割

针对传统镜头分割算法特征单一、分割效果较差等问题,提出了一种多特征融合的视频镜头分割算法。首先,通过建立一种优化模型,融合空间差异度量和感知哈希度量两种重要特征,构造一种镜头边界区分能力更强的镜头边界检测特征,即像素差异度量;其次,结合直方图差异度量,形成有效的镜头边界检测策略,以便更加准确判断是否发生镜头切换。实验结果表明,与传统算法相比,所提算法取得了较好的分割效果,具有较高的查准率和查全率。     

航管雷达一二次融合异常情况分析

航管雷达一二次航迹融合过程中,直接用得到的含噪声的报告点来更新航迹时,航迹连续性较差,关联的正确性下降。对此现象进行了具体原因分析,用得到一二次雷达的报告点加权平均作为实际航迹输出的方法进行改进。根据一二次雷达数据未能正确关联的现象,在关联步骤中加入当前点和融合航迹中的对应航迹进行比较,如果当前报告点能和融合航迹中的点更好地匹配,就置换出融合航迹中的对应航迹,然后用置换出的航迹点当成新报告点重复融合算法过程。实验结果证明,采用改进融合算法能正确地分析产生异常现象的原因,并很好地解决了异常现象。     

一种考虑传感器精度的数据自适应加权融合算法

为增强多传感器测量数据融合效果,在综合考虑传感器初始精度与实际测量精度的基础上,提出了一种改进的自适应加权融合算法。将证据理论中的修正证据距离引入传感器实际测量数据间距离计算,基于计算得出的测量数据间距离生成各数据融合时的测量权重值。当传感器精度已知或者能够计算得出时,将基于传感器精度生成的固定权重与测量权重相综合,生成最终权重;当传感器精度未知且无法计算得出时,将测量权重作为最终权重。基于多种典型算例对所提融合算法进行验证,结果表明所提算法融合效果较好,具有一定的理论意义和较好的工程实用价值。