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。

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。

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。

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。

基于ISODATA模糊系统的飞船落点选优方法

针对如何从基于分布式并行计算获得的数千个飞船返回过程预报落点中优选出"最可能"落点这一问题,在充分考虑以往返回落点计算的先验知识和最新落点信息的基础上,设计了飞船返回的自适应聚类模糊系统,采用含有时间因子的迭代自组织数据分析算法研究了返回舱落点优选方法。最后,利用"神舟八号"返回落点实测数据进行模型检验。计算结果表明,该方法的落点预报精度较传统选优算法的预报精度高50%以上,同时具有较好的稳定性,可为飞船返回搜救提供技术支撑。

基于ISODATA的实时动态电动汽车运行工况与耗电特性研究

针对电动汽车行驶工况进行研究是确定电动汽车能耗、电动汽车新型技术和评估的核心方法。采集电动汽车在实际道路行驶的数据,使用主成分分析算法(Principal Component Analysis, PCA)、迭代自组织数据分析算法(Iterative Self Organizing Data Analysis Techniques Algorithm, ISODATA)以及运动学片段分析法对实测的数据进行降维和聚类,利用Silhouette函数验证聚类结果的合理性。根据聚类中心的大小,筛选提取的运动学片段,构建电动汽车实际行驶的代表性工况,通过测试数据进行了差异性检验。在建立代表性工况的基础上,提出电动汽车能耗特性和电量实时估算方法。

基于ISODATA的电力负荷曲线分类

迭代自组织数据分析算法(ISODATA)是一种基于统计模式识别的非监督学习动态聚类算法。针对当前各算法初始聚类数取值困难、容易陷入局部最优等问题,介绍了ISODATA的原理和实现步骤,并将此算法应用于负荷分类中。在MATLAB中结合具体日负荷曲线样本进行聚类分析,结果证明聚类效果较好。将ISODATA与各种传统聚类方法进行了对比实验,比较各种算法的聚类效果、预定聚类数目对算法结果的影响,以及初始聚类中心的选择对结果的影响。对比结果证明,此方法适用于负荷分类的研究。

地铁盾构施工安全风险规律分析与对策

为预防地铁盾构施工安全事故,利用迭代自组织数据分析算法(ISODATA)对收集到的57起事故和186个未遂事件报告结构化数据进行聚类分析;通过对比分析各聚类集群相对风险可能性的量化结果,探讨地铁盾构施工的安全风险规律及管理对策。结果表明:始发-到达阶段地质条件复杂、洞口土体加固及降水不当是地铁盾构施工领域最危险的风险因素;针对事故风险较大的盾构始发-到达阶段,运用施工安全生产工艺学方法作为安全风险管理对策,可提高地铁盾构施工安全管理绩效。

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。

数据流分析的关键技术研究

数据流分析在编译优化中起着非常关键的作用,尤其是想实现一个具有技术主动权的高性能优化编译器,对数据流分析方法的研究必不可少。本文介绍了数据流分析方法的基本概念和基本原理,介绍了数据流方程的一种解决方法。并结合GCC这个具体的编译器,简要分析了其中数据流分析的具体实现方法。

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。

一种改进的全极化SAR图像MCSM-Wishart非监督分类方法

针对H/Alpha/A-Wishart非监督分类算法存在的未充分提取SAR图像极化信息和分类精度低等问题,引入多分量散射模型(multiple-component scattering model,MCSM)分解,提出了一个适用于全极化SAR图像非监督分类的MCSM-Wishart算法。首先对全极化SAR图像进行MCSM分解,提取体散射、二次散射、螺旋体散射、表面散射和线散射极化信息,采用迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)的非监督分类算法进行聚类;然后通过基于描述多视协方差矩阵的复Wishart分布的迭代分类得到分类结果。以南京溧水和盐城滨海湿地的ALOS PALSAR图像为研究数据,比较了H/Alpha-Wishart算法、H/Alpha/A-Wishart算法、MCSM-Wishart算法和监督-Wishart算法4种分类方法。研究结果表明,MCSM-Wishart分类算法在效率、总体准确率和Kappa系数等指标上均较原始分类器有一定的提高;将ISODATA聚类算法应用于复Wishart分布的迭代分类器中,可有效提高分类的精度。

Adam优化的CNN超分辨率重建

为了使单帧图像在不同放大倍数的条件下进行超分辨率重建能得到较好的效果,提出了一种Adam优化的卷积神经网络(convolutional neural network,CNN)超分辨率重建方法。该方法首先使用ISODATA(iterative selforganizing data analysis)聚类算法对训练的图像集进行分类处理,然后在Adam优化的卷积神经网络中对输入图像进行特征提取和非线性映射得到特征映射图,最后在Adam优化的卷积神经网络中对特征映射图进行反卷积重建得到多尺度放大的重建图像。通过实验验证使用该方法在不同放大倍数条件下的重构效果优于传统算法,在视觉效果上有较好的表现。

Newton迭代算法用于高精度故障数据分析

为了提高采集电力故障的数字信号处理与计算的精度,解决系统采样数据同时受多个误差影响时难以得到准确结果的问题,分析了故障录波采样数据的特点,建立了故障信号在同时受衰减直流分量和非同步采样影响时的暂态信号模型;采用Newton迭代法求解该模型,得到误差参数的精确数值解,并求得故障信号的工频分量及各次谐波幅值和相位的高精度解。仿真实验表明,当较准确地估计迭代初始值时,该法收敛快、精度高,特别适合于要求对电力系统故障进行精确分析的场合。

基于改进YOLOv2模型的驾驶辅助系统实时行人检测

为解决驾驶辅助系统(ADAS)对复杂背景行人和小尺寸行人检测精度较低的问题,基于深度神经网络模型YOLOv2建立了ADAS实时行人检测模型YOLOv2-P。首先在特征提取网络中采用参数化修正线性单元激活函数,以从训练数据中自适应地学习参数,并在行人检测网络中采用多层特征图融合方法,将低层特征图信息与高层特征图信息进行融合;然后使用交叉熵损失函数替代YOLOv2模型中的sigmoid激活函数,并对宽度、高度损失函数进行归一化处理;最后采用迭代自组织数据分析算法对行人数据集中行人边界框尺寸进行聚类。试验结果表明:相比于YOLOv2,YOLOv2-P对复杂背景行人及小尺寸行人的检测精度有明显提升,能够满足ADAS行人检测准确性和实时性需要。