基于OpenMP的遥感影像并行ISODATA聚类研究

针对传统影像分类算法执行效率较低,无法满足海量高分辨率遥感数据实时处理需求的问题,对资源三号卫星专题产品中遥感影像的迭代自组织数据分析算法进行分析与研究,设计一种基于OpenMP的并行ISODATA聚类算法(PIsodata Omp)。采用OpenMP技术优化ISODATA算法中的样本点聚类、聚类样本中心标准差计算,实现基于共享内存的单机多核并行化处理。实验结果表明,PIsodata Omp算法能在保证分类精度不变的情况下,明显提高资源三号卫星影像数据的处理速度。

基于直觉模糊的ISODATA算法

ISODATA算法能自动地进行类的分裂和合并,但这种硬分类算法没有充分考虑图像本身的特点和人类的视觉特性,其分类效果一般差于模糊聚类算法。而大多数模糊识别方法都需要设置类别数目,有其自身的缺点,而直觉模糊则弥补了传统模糊理论不足。结合直觉模糊和ISODATA优点,将与隶属度和非隶属度相关的判定函数作为分类度量,提出了一种基于直觉模糊的ISODATA算法,结合实际改进了隶属度函数,以区域为待分类样本以提高算法速度,将其应用到图像分割,经实验证明了算法的有效性。

基于卡尔曼滤波和ISODATA的航标漂移预警方法

为解决目前航标遥控遥测系统中航标漂移误报警过多的问题,提出一种基于卡尔曼滤波和迭代自组织数据分析算法(iterative self-organizing data analysis technique algorithm,ISODATA)的组合优化方法。该方法如下:对航标GPS接收机原始坐标数据进行滤波,消除波动较大的数据后得到较可靠的航标位置数据;使用ISODATA得出其聚类中心;以该聚类中心取代航标抛设位置作为航标回旋中心,计算航标漂移距离。测试结果表明,该组合优化方法能够获取较为准确的航标漂移距离,在降低航标维护成本的同时,还能有效减少误报警。

结合Voronoi划分HMRF模型的模糊ISODATA图像分割

为了解决传统模糊聚类图像分割方法对噪声敏感及无法自动准确确定聚类数的问题,提出结合Voronoi划分HMRF模型的模糊ISODATA图像分割方法。利用Voronoi划分将图像域划分为若干子区域,以划分子区域为基本单元定义基于隐马尔科夫随机场(HMRF)模型的模糊聚类目标函数,以解决噪声敏感问题;通过迭代自组织数据分析技术算法(ISODATA)中聚类分裂、合并技术改变聚类数,以实现聚类数的自动确定。对模拟、合成图像和真实图像分割结果的定性、定量分析表明:提出算法不仅可以有效克服噪声和像素异常值对分割结果的影响,而且还能自动准确确定聚类数,实现自动变类图像分割。

一种融合分水岭与ISODATA的岩心图像分割方法

分水岭算法用于图像分割,能获得封闭的和位置准确的轮廓,但容易造成过分割;ISODATA算法能将岩心砾石颗粒聚集成一类,但会使砾石目标边缘位置漂移。为克服以上两种方法的缺点,提出融合分水岭和ISODATA的图像分割方法。该方法首先利用分水岭算法得到过分割图像,ISODATA算法得到聚类图像,然后以ISODATA算法聚类的结果为依据,校正分水岭法的过分割问题。该方法用于砾岩图像的分割,取得了较好的实验效果。

应用ISODATA选取可行域的荧光分子断层成像

为了实现快速、准确、鲁棒的荧光分子断层成像(FMT)重建,有限投影FMT和可行域选取策略得到了越来越多的关注。为了解决现有的可行域选取方法中存在的参数设置困难以及多目标选取不准确的问题,从而提高有限投影FMT的重建质量,提出了应用迭代自组织数据分析技术算法(ISODATA)的FMT可行域选取方法。首先采用ISODATA对初级重建结果聚类分区,然后在各分离的区域上分别选取可行域。为了验证提出的方法在应用中的可行性和有效性,设计了三目标荧光团重建的对比实验。实验结果显示,使用2个投影数据时,只有使用本文提出的方法可以准确地重建出三个荧光源的位置;使用4个投影数据时,重建的平均位置误差为0.18mm,荧光产额相对误差小于50%,而此时使用阈值法不能重建,使用区域收缩法的荧光产额相对误差为61.2%。即使在测量数据较少时,提出的方法也可以准确高效地选取可行域,提高有限投影FMT重建的精确度和鲁棒性。

改进的自适应模糊ISODATA灰度图像分割算法

传统模糊ISODATA(Fuzzy ISODATA,FISODATA)算法中,分裂-合并操作需人工选取阈值参数。而不适当的阈值往往使算法陷入局部极值,因而得到错误的类属数并最终影响图像分割结果。为此,在模糊集理论基础上提出一种改进的自适应FISODATA算法。该算法设计了自适应分裂-合并操作,即在每次分裂-合并后,根据该次计算结果改变参数阈值,解决了人为选取参数带来的诸多问题。利用该算法对模拟图像和真实IKONOS图像进行分割实验,均能得到良好的分割结果。

用迭代自组织数据分析技术A(ISODATA)对零件进行模糊分类

本文将机械零件的 GT 分类编码视为模糊样品集,进行分类成组。给出了模糊数学模型,用 ISODATA 模糊聚类方法进行求解,程序运行的结果表明:比普通聚类法运行速度快;结果更切合客观实际。

基于集对分析的半监督ISODATA聚类

提出一个基于集对分析的半监督ISODATA聚类算法,用于网络异常检测。在三方面进行了改进:首先,算法能够直接处理字符数字混合属性的数据,并使用集对分析来计算数据记录之间的距离;其次,算法同时处理有标号和无标号的数据,并利用少量的有标号数据来指导算法的分裂过程;最后,将算法的输入参数减少到只有两个。在KDD99入侵检测数据集上的实验结果显示,该算法获得了95.62%的检测率和1.29%的误报率。

改进迭代自组织数据分析法的不良数据辨识

针对迭代自组织数据分析技术A(iterative selforgani zing data analysis technique A-ISODATlA)对初始聚类中心敏感问题,提出将基于遗传算法的改进ISODATA方法用于电力系统不良数据辨识。该方法采用量测值的标准残差rN 和相邻采样时刻量测值之差△z作为特征值,然后采用遗传算法形成初始分类矩阵,通过遗传操作进行迭代计算,实现量测数据的模糊聚类分析,最终根据隶属度的大小来辨识其是否属于不良数据。算例表明,该方法能最终获得全局最优解,从而进行准确的不良数据辨识,避免了初始聚类中心对分类结果的影响。

应用迭代自组织数据分析技术模糊聚类法划分伪装效能等级

通过分析以往的等级划分的不足,提出以模糊聚类理论为基础的软划分方法,并以光学伪装等级划分为例,运用迭代自组织数据分析技术(ISODATA)模糊聚类原理,建立了光学伪装等级划分模型,成功实现了效能等级的划分,并最终确定了各等级指标量。

模糊聚类分析在低频振荡主导模式辨识中的应用

互联系统中,利用振荡曲线提取多机振荡信息,需要选择合适的曲线才能快速得到系统主导振荡模式。文章首先提出了一种基于模糊划分的迭代自组织数据分析技术的聚类方法;然后在一些基本假设的基础上,形成了模糊集合,并运用模糊聚类分析法将系统分区;最后用Prony分析算法从合适的低频振荡信号曲线中准确地提取区域主导振荡模式。通过对中国电力科学研究院8机36节点系统的算例仿真验证了该方法的可行性和有效性。

基于Spark的输变电线路实时故障监测研究

输变电线路状态监测数据是智能电网中数据量很大的一部分,不仅包括在线的状态监测数据,还包括设备的基本信息、实验数据、缺陷记录等,在数据处理的可靠性和实时性方面的要求都很高。根据实际应用中输变电线路的故障类型,设计并实现了输变电线路实时数据故障监测模型。其中,利用高效处理实时数据的Spark系统,研发出基于Spark的分布式ISODATA和模糊KNN大数据分析算法,与单机KNN算法相比,在时间性能上提高了70.75%效率,具有明显的计算效率优势。

基于水平集和迭代自组织算法的图像分割

提出了基于水平集和迭代自组织数据分析的岩心砾石图像分割方法,既可克服水平集算法伴生的图像过分割问题,也可解决迭代自组织算法产生的图像边缘飘移问题。该方法首先运用水平集算法获取目标颗粒的准确边界,运用迭代自组织算法提取目标颗粒的整体;其次将两种方法提取的图像给以迭加综合处理,克服水平集算法伴生的图像过分割和迭代自组织算法产生的边缘飘移的缺陷,进而得到既完整又边界准确的目标颗粒。该方法运用于岩心砾石图像的分割,取得了良好的效果。

聚类算法在矿产资源与经济发展关系研究中的应用

通过应用迭代自组织算法,获得最优的聚类数K,弥补了K均值聚类算法在聚类初始K值的不确定性,同时该算法为K均值聚类算法确定最优的聚类数K在矿产资源与经济发展关系研究中提供了一种新途径。

基于迭代自组织数据分析的测向定位新算法

针对传统交会定位方法精度不高的问题，从概率论角度出发，利用离信号源真实位置越近出现定位点概率越大的统计特性，首次提出将迭代自组织数据分析算法（ISODATA）应用到定位计算中。新算法自动对交会点进行聚类，消除聚类程度低的点集，选择聚类程度高的点集，然后利用最小二乘算法进行定位计算。理论分析和仿真结果表明，新算法能有效提高定位精度，尤其在低信噪比情况下性能表现较传统算法优越。

Luojia-01夜光数据和“点轴发育”理论支持下的夜间经济集聚区定量识别与分类方法

“夜间经济”蕴含巨大的消费潜能和市场空间,夜间经济集聚区作为其载体,其准确识别、合理分类和科学布局是发展夜间经济的切入点和主要抓手,更是夜间经济可持续发展的保障。本文在“点轴发育、定量识别”的认知框架下,在定量表达夜间经济活力测度的基础上,利用焦点统计和ISO聚类分析方法提取和识别夜间经济集聚中心和集聚区,并根据区位熵及其变异系数对识别结果进行类型划分,克服了目前夜间经济实践中存在的集聚区范围划定主观随意、类型标准不一的问题,为夜间经济定量化研究开辟了新的思路。研究表明:(1)相较于DMPS/OLS及NPP-VIIRS等夜光遥感数据,Luojia1-01数据的空间分辨率高,溢出效应低,更适合于“夜间经济区”这种小尺度的精细化研究。(2)夜间灯光和兴趣点数据是夜间社会活力和功能活力的良好表征,其综合影响可通过夜间经济活力测度来定量表达;(3)上海推出的12个地标性夜生活集聚区中,有11个被识别,识别率达91.7%;(4)根据集聚区的功能结构差异,可将其划分为非平衡发展-起步型、平衡发展-起步型、非平衡发展-成熟型、平衡发展-成熟型4种类型,该分类方式具有普适性;(5)在起步阶段,上海中心城区夜间经济集聚区主导功能为购物、餐饮;在成熟阶段,其特色发展方向为住宿、科教文化和体育休闲功能。四大集聚区类型在空间分布上形成明显的圈层结构。