基于商空间的非均匀粒度聚类分析

采用距离度量空间的手段讨论了商空间的模糊粒度聚类,结合信息融合技术用不同粒度合成聚类结果,认为聚类可以以非均匀粒度来描述样本集。据此提出了使用 Gaussian 型函数定义商空间的距离函数的模糊聚类算法(FCluster 算法),算法用距离表示信息粒度,不需要定义隶属函数和求出相似矩阵,并且不需要讨论参数的选择。仿真实验说明了算法可以很直观地从不同粒度(距离)观察聚类结果,大大降低了计算复杂度和空间复杂度,适于处理大数据量的样本,并且 Gaussian 型函数定义的距离对试验样本可以达到很好的效果。

基于等腰归一化距离的模糊粒度空间研究

本文将等腰归一化距离引入到模糊商空间中,提出了基于等腰归一化距离的模糊粒度空间理论。研究了它的结构和性质,并得到了四个重要结论。首先,下面3个叙述是等价的(定理3.2):(1)给定X上的一个模糊等价关系;(2)给定X上的一个等腰归一化距离;(3)给定X上的一个分层递阶结构(或有序的粒度空间)。其次,讨论了等腰归一化距离与Fuzzy等价关系间相互确定的对应关系,且都是一对多的关系(定理2.2,定理2.3)。最后,给出了通过X上的模糊等价关系R诱导的等腰归一化距离d确定其引导的粒度上的度量dλ,且dλ正好是d在粒度X(λ)上压缩的等腰归一化距离(定理4.1),同时给出了确定粒度空间上等腰归一化距离的方法。这些研究结论为模糊粒度计算的理论研究和应用提供了强有力的数字模型和工具,同时表明模糊商空间的粒度计算可以在等腰归一化距离的范畴内进行,为模糊粒度计算提供了更为直观的几何解释。

基于主观Bayes方法对Web使用挖掘的研究

为了更加合理地组织Web服务器的结构,使用户能及时快速地浏览到自己所需的网页信息,借鉴专家系统的不确定性推理方法——主观Bayes方法,提出了网页链接的可信度思想,并给出了网页链接的可信度因子模型。该模型可以定期、定时地根据Internet用户浏览的Web日志记录,动态地改善Web服务器的结构,从而实现基于用户浏览兴趣的网页链接结构的改进。

多模式匹配算法的优化研究

模式匹配技术有着广泛的应用且模式匹配算法已经被研究了很多年,同时对稀疏存储及其结构的操作也有大量的文献资料。本文首先描述了Aho-Corasick多模式匹配算法,该算法是基于自动机及状态向量的,然后提出了使用banded-row稀疏存储对Aho-Corasick算法中的状态转换表进行存储优化的观点,给出了优化算法。最后给出了和原Aho-Corasick算法相比较的测试结果,该结果表明在大模式集的情况下,使用banded-row稀疏存储的Aho-Corasick算法减少了存储需求,进一步地提高了性能。

基于压缩全息和空分复用的多彩色图像加密

针对现有光学加密方法进行彩色图像加密时加密容量低、解密图像失真度高等问题,提出一种基于压缩全息和空分复用的多彩色图像加密方法.在光学加密阶段,结合改进的Mach-Zehnder干涉仪与空分复用技术,通过不同的随机相位掩膜对多幅彩色图像进行同时加密,仅需单次曝光即可得到由多幅彩色图像加密的全息图.在解密过程中,由于记录全息图的过程可建模为压缩感知过程,使用两步迭代收缩/阈值算法即可求解.实验结果表明,提出的加密系统加密容量大,解密重建图像质量高,结合压缩感知理论,有效地消除了同轴全息中平方场项对解密重建性能的影响,解密图像平均峰值信噪比仅下降约2~5dB;密钥安全性高,随机相位掩膜与传播距离均起到密钥的作用,在随机相位掩膜错误或传播距离仅偏移0.25%时,便无法解密出原始彩色图像;且对噪声与遮挡性攻击具有良好的鲁棒性,解密重建性能随噪声增大下降趋势缓慢,加密全息图80%信息受到遮挡性攻击时,仍可取得良好的解密重建结果.

基于认知广度和深度的个性化信息检索模型

受心理学激活-扩散模型的启发,提出了在领域本体基础上的用户认知结构模型。该模型依据用户提供的认知中心,一方面,根据领域本体中概念之间的语义相关性推导出用户的认知范围;另一方面,根据概念之间的语义相关度刻画出用户的认知深度。从认知范围和认知深度两方面,描述用户对某领域知识的认知结构。实验结果表明,该模型与通用本体模型相比。

基于三角块拼接模型的等高线绘制算法

等高线是空间数据分析的重要工具,在各类工程中有着广泛的应用。借鉴分而治之的经典算法思想,提出了一种基于三角块拼接模型的等高线绘制算法。该算法首先将各个高程数据对应的离散点,按照优化组合的顺序构建为一系列独立三角块,其次在每个单独的三角块上绘制其局部等高线,最后基于独立三角块共边特性将其自动拼接成对应的整体等高线。实验结果表明,该算法不仅具有简单、高效等优点,而且处理结果较为客观、准确。

基于电磁散射特征参数提取与数据分布分析的非线性目标识别

非线性目标的探测与识别在国防、反恐、安保、救援、交通安全等领域均具有重要意义.为提高上述场景下对非线性目标的探测识别能力,文中以典型的非线性器件——肖特基二极管为例,构建了非线性目标的谐波散射模型,并在此基础上利用不同类型非线性目标散射的各次谐波强度与变化趋势不同的特性,提出了一种利用数理方法提取分析目标散射特征参数进而实现对非线性目标探测识别的方法.实验结果显示,本次提出的方法在小样本下对未知非线性目标的识别率在81%左右,证明了该方法对非线性器件有较好的探测与识别能力.

一种适用于低信噪比环境下的差分相关捕获方法

直接扩频系统中的捕获是一项非常关键的同步技术。常用差分处理来消除频偏对峰值的影响,然而一般差分捕获算法随着伪码的增长、信噪比的降低都会导致信噪比的损失很大。提出一种改进的差分捕获算法,基于差分相关的M阶无偏自相关捕获算法(MUAC-DF),将信号和伪码相乘消除伪码信息后做M阶无偏差分自相关,在一定程度上弥补了差分带来的信噪比损失,提高了抗噪性能;详细介绍了其数学模型,并且从理论上分析了MUAC-DF算法性能;最后在相同条件下进行仿真验证。实验结果表明,MUAC-DF捕获算法比一般的差分非相干码捕获技术性能更加优越,其捕获性能有4~5 dB的改善,更适应于低信噪比条件下工作。

用于红外宽带吸收器的深度学习网络模型框架

揭示复杂的光物质相互作用,必须简化超材料的正向和反向按需设计。近年来深度学习作为一种流行的数据驱动方法,在很大程度上缓解了数值模拟耗时长、重经验的特点。提出了一种基于全连接的深度神经网络框架实现宽带吸收器的逆向设计和光谱预测。结果表明,深度神经网络(DNN)模型的准确度为87.47%;与传统的数值算法相比,该模型不仅在确保精确度的同时获得更高的效率,而且可为超材料按需设计性能提供参考。

基于归一化距离的结构聚类分析

在有序粒度空间理论的基础上,提出基于归一化距离的结构聚类(分类)分析理论和方法研究.首先,提出依距离的一致聚类的概念,给出有序粒度空间的结构聚类特征研究.其次,给出基于归一化距离结构聚类分析完整的理论研究,获得基于归一化距离结构聚类的算法.再给出基于粒度空间的最佳聚类问题研究,提出基于粒度空间的、获取最佳聚类的方法,并且这一方法具备全局最优性质.最后,给出基于归一化距离空间的结构聚类的融合技术的研究,即通过两个归一化距离的交运算获取结构聚类融合的研究方法.这些结论为基于距离的结构聚类(分类)提供一整套理论和方法.