主动学习联合聚类分组网络的高光谱遥感图像分类

基于卷积神经网络的高光谱图像(Hyperspectral Image,HSI)分类面临网络参数量大,带类标样本少的现状,针对这些问题,提出了基于主动学习和聚类分组网络的高光谱图像分类方法(AL-CGNet)。AL-CGNet采用主动学习和聚类联合卷积神经网络进行HSI的特征提取与分类,设计了基于分组卷积的轻量化网络模型以降低网络参数量。对线性判别分析(Linear Discriminant Analysis,LDA)降维后的高光谱图像采用小批量K均值聚类算法划分成不同的簇,并用簇中心的光谱特征代表不同的簇,以利用无类标样本的信息。在分组网络中将生成的特征图沿光谱维划分成一系列小组,每组通过多个残差块依次提取空间-光谱特征,这种分组策略可以充分利用波段的冗余性和差异性,降低网络参数,并实现轻量化。最后,采用主动学习选取信息量大的样本作为训练样本集,以解决带类标样本少的问题。实验结果表明,AL-CGNet在使用相同比例的6%训练样本的情况下,在Indian Pines,Botswana,Houston 3个数据集下的分类结果明显高于ClusterCNN,SSRN和HybridSN等方法,其OA分别为99.57%,99.23%,98.82%,甚至在训练样本更少5%的小样本情况下也是有效的。该方法不仅大大提高了HSI的分类效率,在获得高精度的同时还能高效率地提取特征。

基于邻域跟随的车联网多跳分簇稳定性研究

针对车联网计算卸载需求量大及车辆网络拓扑变化随机性强的问题,本文提出一种基于邻域跟随的车辆多跳分簇方法,并采取多指标综合加权的方式研究其稳定性特征.现有针对车辆分簇的研究方案普遍存在指标单一化、分簇机制局限于单跳或固定跳数、分簇效率低及缺少簇头替换机制等问题.鉴于邻域跟随策略稳定性较优且分簇效率较高等特性,本文提出车辆基于邻居节点内综合指标最优准则选择稳定性最好的节点跟随方案,通过去环和剪枝算法使得车辆的跟随结构规范且扁平化,进而形成一个稳定性更高的车辆簇,并利用主从簇头和簇维护机制增强车辆簇的鲁棒性.仿真结果表明,与现有的车辆分簇方法相比,所提算法在簇稳定性和分簇效率上均具有较好的性能.

基于ICA改进ICEEMD的UDS重采样数学模型

为了增强不平衡数据集处理效果,提出一种基于ICA改进ICEEMD的不平衡数据集重采样数学模型研究方法。分析不平衡数据集的分布特征,通过改进完备集成经验模态分解(ICEEMD)方法和独立分量分析(ICA)分解不平衡数据集,去除不平衡数据集中的噪声。通过DP聚类算法和σ准则构建重采样数学模型,利用该模型自动判别不平衡数据集的聚类中心和离群点,同时对多数和少数类样本分析处理,确保样本相对均衡,最终完成不平衡数据集的重采样处理。经实验测试结果表明,所提模型的整体性能明显优于其它重采样模型,验证了其应用价值。

畜牧兽医基因组学领域技术空白中外对比研究

[目的 /意义]为了挖掘中国在农业重点领域的技术空白,并预测空白点的未来发展趋势,为科技管理决策者提供有效的科技发展技术机会咨询建议。[方法 /过程]首先,使用关键句嵌入方法和句向量聚类方法,对论文和专利的摘要信息进行挖掘;然后进行主题聚类对比分析,发现技术空白;其次,构建语义相似性网络和分类相似性网络,发现容易与空白点形成交叉融合的主题方向。[结果 /结论]在畜牧兽医领域对基因组学技术进行了实证分析。结果表明,该方法能够发现技术空白,并结合专家分析,可以对畜牧兽医领域基因组学技术进行发展现状解读和未来趋势预测,并为中国畜牧兽医领域基因组学技术智库咨询提供方法和数据支撑。

基于FastICA和G-G聚类的多元时序自适应分段

现有多元时间序列的分段方法主要通过检测时序数据统计特性或形状的变化情况,并以此为依据对分段点的位置进行“硬划分”.然而,这些分段方法无法对两个分段之间的过渡区间长度进行准确估计,且普遍需要人为预先设置参数,在高维且噪声较强的情况下分段效果较差.本文针对现有分段方法存在的诸多不足,提出一种基于FastICA(Fast Independent Component Analysis)和G-G(Gath-Geva)模糊聚类的多元时序自适应分段方法 .该方法利用FastICA进行特征提取,采用DW(Durbin-Watson)指数自动选取高信噪比的主成分,并根据最小描述长度(Minimum Description Length,MDL)设计基于G-G模糊聚类的自适应分段模型,实现对于多元时间序列的“软划分”.基于多种领域的真实数据集实验结果表明:与现有主流的分段方法相比,本文方法在上述数据集上的平均F1和MAE(Mean Absolute Error)可分别提升8.4%~16.8%和3.06%~6.56%.

基于EEMD样本熵和GK模糊聚类的机械故障识别

针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径。首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数(IMF)分量。其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量。最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。

应用改进的粒子群优化模糊聚类实现点云数据的区域分割

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示,SPSOFCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果。

结合双粒子群和K-means的混合文本聚类算法

传统K-means算法对初始聚类中心选择较敏感,结果有可能收敛于一般次优解,为些提出一种结合双粒子群和K-means的混合文本聚类算法。设计了自调整惯性权值策略,根据最优适应度值的变化率动态调整惯性权值。两子群分别采用基于不同惯性权值策略的粒子群算法进化,子代间及子代与父代信息交流,共享最优粒子,替换最劣粒子,完成进化,该算法命名为双粒子群算法。将能平衡全局与局部搜索能力的双粒子群算法与高效的K-means算法结合,每个粒子是一组聚类中心,类内离散度之和的倒数是适应度函数,用K-means算法优化新生粒子,即为结合双粒子群和K-means的混合文本聚类算法。实验结果表明,该算法相对于K-means、PSO等文本聚类算法具有更强鲁棒性,聚类效果也有明显的改善。

基于KFCM和改进CV模型的海面溢油SAR图像分割

图像分割是合成孔径雷达(synthetic aperture radar,SAR)图像海面溢油检测的关键步骤之一,将核模糊C均值(kernel fuzzy C-means,KFCM)聚类方法及Chan-Vese(CV)模型应用于海面溢油SAR图像分割,为了解决单一KFCM方法分割精度不够高,及传统CV模型对初始条件敏感和收敛速度低的问题,提出了一种基于KFCM和改进CV模型的海面溢油SAR图像分割方法。首先利用KFCM算法将海面溢油SAR图像从原始样本空间映射到高维特征空间,得到聚类结果;然后将其作为CV模型的初始条件,以降低CV模型对初始条件的敏感性,并利用图像边缘强度取代传统CV模型中的Dirac函数,以提高模型的收敛速度和对不同SAR图像的适应性。大量实验结果表明,所提出的基于KFCM和改进CV模型的海面溢油SAR图像分割方法具有分割精度高、运算速度快的优点。

时序微阵列数据中的同步和异步共调控基因聚类

基因的共调控可分为同步和异步两种.文中提出了一种新的聚类模型Reg-Cluster,将具有相同编码的同步和异步共调控基因聚集到同一个共调控基因类中.在此基础上,提出了一种有效的聚类算法FBLD,采用先宽度优先、后深度优先的搜索策略,并结合高效的削减规则,挖掘得到所有符合条件的最大Reg-Cluster.聚类结果中包含了详细而完备的共调控信息,有助于基因调控网的研究.算法可扩展用于三维基因-样本-时间微阵列数据集的分析.FBLD算法已经应用到真实和人造微阵列数据集中,其结果被提交到Gene Ontology,实验结果证明了算法的高效性和有效性.

计及风电和小水电的发电系统可靠性评估研究

根据分布式电源随机输出功率的特点,利用集群技术,将较多的机组出力状态集合成较少的组群,建立了风电多容量机组可靠性模型和小水电机组改进的双状态模型。针对现有发电系统停运容量模型存在计算繁琐的问题,运用停运容量预备表优化排序,减省计算步骤和时间。将容量模型和日尖峰负荷模型结合,形成新型发电系统的裕度评估体系,采用某含多风电场和遍布小水电的地区的发电系统作为算例,编制MATLAB程序计算了一系列可靠性指标,定量分析了分布式电源对发电系统可靠性的影响。

一种基于Pearson相关系数的电力用户负荷曲线聚类算法

提出一种基于Pearson相关系数作为聚类判据的负荷曲线聚类算法——Pearson相关聚类(Pearson Correlation Clustering,PCC)。首先对负荷数据进行数据清理以及去噪处理,再选择合适的降维算法以降低数据处理的复杂性。提出利用Pearson相关系数阈值作为聚类中心选择依据的方法解决初始聚类中心选择的随机性;利用电力负荷曲线数据与聚类中心之间的Pearson相关系数进行聚类,以DBI指标作为聚类效果的评价标准,分析了不同系数对聚类效果的影响。算例结果表明,该算法相比传统算法运行时间短,鲁棒性强,聚类效果更好。

基于再制造的电取暖炉模块化设计

为更好地满足电取暖炉的用户需求及快速响应多变的市场需求,将基于再制造的模块化设计方法运用到电取暖炉的设计开发中。在设计过程中,对用户和市场进行了需求分析,结合产品生命周期各阶段的特性,构建了产品零部件模糊相似矩阵,基于模糊聚类方法,对其进行零部件模块划分,选取最优阈值,对电取暖炉进行模块优化,缩短了产品的设计周期,降低了企业成本,达到延长电取暖炉使用周期、易于拆卸及提高回收再利用价值等需求。

1954年腾格里沙漠北7级地震断层面参数和滑动性质研究

1954年腾格里沙漠北发生7级大震,由于此次地震发生在戈壁深处,风沙作用强烈,震后破坏现象不易保存,给通过地质踏勘研究地震增加了难度。到目前为止,涉及此次地震的发震构造研究内容较少。本研究根据成丛小震发生在大震断层面附近的原则及参考前人给出极震区长轴形态,采用1985—2012年发生在地震破裂区的精定位地震目录,选定了一个长条状研究区域,将模拟退火算法和高斯一牛顿算法结合,给出了利用小震密集程度求解的主震断层面走向、倾角,并确定地震发震断裂的长度、位置。在此基础上考虑区域构造应力参数,给出已求得断层面上的滑动角。最后将反演结果与已有结果做了对照,显示反演结果与已有的结果基本一致,反演到的震源断层位于前人给出的此次地震等震线的最高烈度圈内表明反演结果是真实可信的。

不同苦荞品种膳食纤维含量与环境的相关性

为了探讨不同苦荞[Brassica integrifolia（West）O.E.Schulz apud Urb.]品种在不同地点种植下的子粒膳食纤维变异情况和不同品种与基本生态因子的相关性,以7个苦荞品种在全国荞麦主要产区17个不同地点进行栽培试验,测定所得子粒中膳食纤维含量。结果表明,供试7个苦荞品种在17个地点种植下的子粒总膳食纤维（TDF）、不溶性膳食纤维（IDF）、可溶性膳食纤维（SDF）含量变异范围分别为11.68%~24.13%、7.96%~20.05%、1.02%~10.65%。TDF、IDF含量在品种间及地点间的差异均达极显著水平（P〈0.01）;SDF含量在品种间差异达极显著水平（P〈0.01）,在地点间差异不显著（P〉0.05）。Scott-Knott聚类分析显示,以苦荞子粒TDF含量对品种和地点进行分类,可将供试品种分为3类,参试地点分为2类;以IDF含量对品种和地点进行分类,供试品种可分为2类,地点可分为5类;以SDF含量对品种进行分类,供试品种可分为3类。相关性分析表明,苦荞子粒膳食纤维含量与纬度、海拔、生育期均温均无显著相关。

基于子波变换的纹理图像的多级分割

目的基于子波变换研究纹理图像的多分辨率分割．方法提出了子波域主能量通道的纹理图像多级分割方法．以最大能量为线索，建立起由细到粗的子波分解金字塔，分割按照其逆过程，即由粗到细，将低分辨率上的分割结果传递到高分辨率上．结果在每个分辨率上优化选择分割特征，用模糊Ｃ聚类法确定分割方案，有利于纹理图像的分割，分割结果逐级精细．结论员分辨率上基本无纹理栅格，分割效果符合人眼视觉特性．

中国蔬菜生产自然风险省际比较研究

自然风险是影响中国蔬菜生产发展的不确定性因素之一。要规避和减少自然风险带来的影响,有必要实施蔬菜保险来进行风险管理,而进行作物生产自然风险省际比较研究是建立全面覆盖农业保险的基础。在对中国蔬菜生产及其所面临的自然风险进行分析的基础上,通过构建蔬菜生产自然风险指标评价体系,运用层次分析法(AHP)和聚类分析法对中国蔬菜生产自然风险进行省际比较研究。主要研究结论是,自然风险对蔬菜生产的影响呈区域性分布,在蔬菜主产区影响相对较小,在南方地区影响相对北方较高,但东西部地区间则差异不大。最后针对各风险区域的蔬菜生产提出了相应的建议。

企业安全文化建设水平灰色定权聚类评价研究

为对企业安全文化建设水平进行定量评估,从3种不同安全状态角度出发,依据安全管理工作实施的目的、指导思想、规则以及工作要点4个层次建立了企业安全文化建设水平评价指标体系;运用组合赋权法确定各指标权重,基于混合型中心点三角白化权函数建立了灰色聚类评价模型,并进行了应用.评价结果显示,其安全文化建设水平关于各灰类的隶属度为(0,0.476,0.376,0.161),总体处于"严格监督"阶段,存在安全管理体系不够健全、安全培训不够充分、物态防护不足的问题.

关键帧结合幅值直方图熵的异常行为检测算法

异常行为的检测在智能监控系统中具有十分重要的应用。论文提出了一种将关键帧与加权方向角熵值结合的异常行为智能检测方法。该方法首先利用一种像素级的背景提取算法(Visual Background Extractor,VIBE)从视频序列中检测出运动目标,然后提取运动目标幅值加权的方向角特征,并利用改进的无监督聚类方法提取关键帧,最后结合幅值加权方向角熵的方法对异常行为进行检测分类。实验结果表明,该算法能够在指定的监控区域内有效地检测人体行为,并能准确地识别出人体异常行为,实现对监控视频的智能分析。

移动计算系统中位置数据库组织

移动计算系统中移动用户的位置信息管理是非常重要的问题。目前,商用移动通信系统采用两层结构组织的位置数据库管理移动用户位置信息。由于其可扩展性较差,人们提出把位置数据库组织成树状的层次结构来管理移动用户位置信息。不同移动单元的位置数据库组织对移动用户位置管理代价有很大影响,本文考虑到不同移动单元中移动用户的移动模式特点,基于集合覆盖理论,设计实现了一个启发算法来对位置数据库进行组织,减少了位置管理的代价。实验显示,该位置数据库聚簇显著减少了位置更新的代价。