一种优化初始中心点的K平均文本聚类算法

文本聚类在信息过滤,网页分类中有着很好的应用。但它面临数据量大,特征维度高的难点。由于K平均算法易于实现,对数据依赖度底,在文本聚类中得到应用。然而,传统K平均以及它的变种会产生有较大波动的聚类结果。因此对K平均算法进行了改进,通过优化聚类初始中心的选择,得到一种适合对文本数据聚类分析的改进算法。大量实验显示,该算法可以生成质量较高而且聚类质量波动性较小的结果。

基于RB-K平均带宽设定的Adaptive Mean shift

M ean sh ift是一个用在图像滤波、图像分割中的迭代过程。对于迭代过程,带宽的设定很重要。固定带宽的M ean sh ift方法对于输入数据适应能力差,而现有可变带宽估计方法有的对于固定带宽的方法改进并不明显,有的时间复杂度较高,因此对现有带宽估计方法做了改进,提出了一种新的带宽估计方法,即采用K平均聚类算法进行带宽估计,并通过实验证实了该方法的有效性。

基于TD-NMR的PMMA木塑复合材吸湿和吸水研究

本研究采用时域核磁共振(TD-NMR)技术探究聚甲基丙烯酸甲酯(PMMA)木塑复合材在吸湿与吸水过程中水分的状态和自旋-自旋弛豫(T_(2))特征.并比较PMMA木塑复合材的阻湿率和拒水率,分析PMMA木塑复合材的阻湿和防水性能与原理.研究对象为浸渍甲基丙烯酸甲酯(MMA)单体聚合生成的PMMA木塑复合材.首先对绝干的PMMA木塑复合材进行核磁共振T_(2)检测,然后分别进行吸湿和吸水实验,并每隔一段时间测定试件质量及其T_(2)信号量.结果表明:PMMA木塑复合材的吸湿率和吸水率低于未处理材,具有良好的阻湿和防水性能,且MMA浸渍浓度为100%,浸渍时间为24 h时,在温度为(40±0.2)℃相对湿度为(96.4±0.4)%恒温恒湿环境下木塑复合材吸湿率低于15%,常温下吸水试件的吸水率低于30%.PMMA木塑复合材的吸湿率和吸水率明显降低,T_(2)峰面积也逐渐减小.这说明木塑复合材内部的PMMA起到了防止水分进入的作用.

中频数字对消器的原理及仿真分析

提出了一种利用广播电视信号对目标进行无源定位中的中频数字对消器,描述了该对消器的原理及模型,给出了仿真分析及实验结果,并指出工程设计中需要考虑的一些问题.实验结果表明:该对消器对电视信号中频直达波信号对消比达到了35 dB以上,在雷达应用中可抗有源干扰和天线副瓣.

基于PCA联合K-Means聚类的雷达信号分选算法

新体制雷达技术的发展给信号分选带来了严峻挑战。传统K-Means方法需要预先设置聚类个数并且对噪声数据较为敏感,已不能适应当前复杂战场电磁环境。针对这一问题,提出一种基于主成分分析(PCA)联合K-Means聚类的雷达信号分选算法,首先利用PCA对截获接收机输出的脉冲描述字(PDW)进行分析,在自适应确定主分量个数的同时实现对PDW数据降噪,在此基础上将主分量个数作为K-Means聚类的初始类别数,进而利用K-Means对降噪后的PDW进行聚类。采用仿真数据对所提方法的分选性能进行验证,结果表明所提方法可以获得较高的正确分选率,同时在低信噪比情况下能够获得较高的分选性能。