一种识别关联维数无标度区间的新方法

在计算关联维数过程中, 为了减少人为因素识别无标度区间带来的误差, 提出一种基于模拟退火遗传模糊C均值聚类识别无标度区间的新方法. 该方法根据无标度区间对应曲线的二阶导数在零附近波动的变化特征, 利用分类算法进行识别. 首先对双对数关联积分的离散数据进行二阶差分; 然后利用模拟退火遗传模糊C均值聚类方法对该数据进行分类, 选出在零附近波动的数据; 再剔除粗大误差保留有效数据; 最后进行统计分析识别出线性度最好的作为无标度区间. 应用新方法对两个著名的混沌系统Lorenz 和Henon 进行了仿真, 计算结果与理论值非常符合. 实验表明, 所提出的新方法与主观识别、K-means和2-means方法比较, 可以有效自动识别无标度区间, 减少误差, 计算结果更加精确.     

农作物冠层光谱信息的施肥管理分区研究

随着地面遥感技术的不断发展,越来越多的农作物冠层光谱检测传感器被应用到了农业生产,其中应用较为广泛的就是Greenseeker植物光谱检测仪,利用Greenseeker植物光谱检测仪可以获取农作物冠层光谱信息归一化植被指数（NDVI）数据,从而能够进行农作物的施肥管理分区的划分,依据划分好的施肥管理分区可以实现有针对性的变量施肥。模糊c-均值（FCM）算法是划分农作物施肥管理分区常用的算法,但是模糊c-均值算法具有一定的局限性,就是在计算过程中随着NDVI数据量的增加会不断进行数据的迭代计算,从而会影响施肥管理分区划分的速度。在模糊c-均值算法的基础上提出一种基于模型的模糊c-均值（MFCM）算法,基于模型的模糊c-均值算法在划分农作物施肥管理分区过程中不必在每获取一组数据时就对全部数据进行迭代计算,可有效提高划分施肥管理分区的速度。通过搭建的农作物冠层光谱信息采集平台获取大豆和玉米的NDVI数据,利用基于模型的模糊c-均值算法划分大豆和玉米的施肥管理分区,使用分区评价指标轮廓系数（SC）和调整兰德指数（ARI）评价划分施肥管理分区的效果。结果表明,随着获取的NDVI数据量的不断增加,基于模型的模糊c-均值算法相比于模糊c-均值算法能够更快的划分施肥管理分区,在划分大豆施肥管理分区上,基于模型的模糊c-均值算法快0.02～0.15 s;在划分玉米施肥管理分区上,基于模型的模糊c-均值算法快0.07～0.51 s。通过计算评价划分施肥管理分区效果的指标轮廓系数和调整兰德指数发现,在不同NDVI数据量的情况下进行划分施肥管理分区,轮廓系数的值最大相差为0.022,说明两种算法划分施肥管理分区的效果相差不大;调整兰德指数的值对数据的波动变化比较敏感,在NDVI数据量达到6 000后能够维持在0.7以上,但当NDVI数据波动变化较大时会出现一定的下降。     

短时交通流复杂动力学特性分析及预测

为揭示短时交通流的内在动态特性,利用非线性方法对交通流混沌特性进行识别,为短时交通流的预测提供基础.基于混沌理论对交通流时间序列进行相空间重构,利用C-C算法计算时间延迟和嵌入维数,采用Grassberger-Procaccia算法计算吸引子关联维数,通过改进小数据量法计算最大Lyapunov指数来判别交通流时间序列的混沌特性.针对局域自适应预测方法在交通流多步预测中预测器系数无法调节的问题,提出了交通流多步自适应预测方法.通过实测数据计算,结果表明:2,4和5 min三种统计尺度的交通流时间序列均具有混沌特性;改进的小数据量法能够准确地计算出最大Lyapunov指数;构建的交通流多步自适应预测模型能够有效地预测交通流量的变化.为智能交通系统诱导和控制提供了依据.     

近红外光谱主成分分析与模糊聚类的典型地面目标物识别

近红外光谱技术在遥感监测领域中应用广泛,针对典型地面目标物遥感监测识别需要,提出了光谱主成分分析(PCA)与模糊聚类结合的分类识别方法,提高了识别算法效率及准确性。以四类典型地面目标物作为研究对象,分别测量其在1 100～2 500 nm范围内漫反射光谱,首先对漫反射光谱进行主成分分析,得到代表光谱特征的主成分分量,然后将其作为模糊聚类分析模型输入参数,计算样品主成分集合之间贴合度,最后利用择近原则对样品进行匹配分类。结果表明,主成分分析可以有效提取光谱特征并且降低数据维度,结合基于择近原则的模糊分类方法,可有效提高算法准确性与效率,为遥感光谱在地面目标物识别应用提供了有益的参考。     

基于小波变换的光混沌信号消噪与Lyapunov指数计算

针对动力学方程未知且信噪比小的光混沌信号,采用小波多分辨分解算法对其进行噪音消减.用Lorenz混沌信号对该算法的消噪效果进行了检验.提出利用互信息量法和Cao氏法来改进小数据量法在时间延迟和嵌入维数计算上存在的主观选择性,对经过噪音消减的Lorenz混沌信号利用此改进的小数据量法计算其最大Lyapunov指数.结果表明,信噪比可提高近10 dB左右,最大Lyapunov指数计算误差可减少近30%,并求得半导体放大器光混沌信号的最大Lyapunov指数为0.389 6.     

可能模糊鉴别C均值聚类的茶叶FTNIR分类研究

茶叶傅里叶近红外光谱(FTNIR)中含有茶叶的有机物化学成分信息,不同品种茶叶的化学成分和含量都有差异,所以利用傅里叶近红外光谱进行茶叶品种分类是可行的。由于茶叶近红外光谱数据具有维数高,有波峰和波谷,光谱重叠交错等特点,所以准确分类光谱数据存在困难。为此,提出一种可能模糊鉴别C均值聚类(PFDCM)算法,将模糊线性判别分析(FLDA)引入到可能模糊C均值聚类(PFCM)算法中,在模糊聚类过程中FLDA可提取茶叶近红外光谱的鉴别信息和进行数据空间的转换。PFDCM在对茶叶光谱进行模糊聚类后得到的模糊隶属度和典型值可实现茶叶近红外光谱的准确聚类,具有聚类速度快,准确率高等优点。由于PFDCM的典型值没有隶属度之和为1的约束条件,因而PFDCM在聚类含噪声的光谱数据方面优于模糊C均值聚类(FCM)。采集岳西翠兰,六安瓜片,施集毛峰和黄山毛峰四种茶叶共260个样本,采用AntarisⅡ型傅里叶近红外光谱仪采集茶叶的傅里叶近红外光谱。光谱波数范围为10 000～4 000 cm~(-1),实验所得近红外光谱为1 557维的高维数据。首先,将光谱数据用多元散射校正(MSC)进行预处理以减少光谱散射和噪声影响和增加信噪比;其次,用主成分分析法(PCA)降低光谱数据空间的维数,经过PCA处理后光谱数据维数为7;然后,用线性判别分析(LDA)提取光谱数据中的鉴别信息并将光谱数据空间的维数进一步降低到3维;最后,分别用FCM,可能模糊C均值聚类(PFCM)和PFDCM进行数据的聚类分析,实现茶叶品种的准确分类。实验结果:权重指数m=2.0,η=2.0, FCM, PFCM和PFDCM聚类算法的聚类准确率分别为93.60%, 93.02%和98.84%; FCM收敛时共迭代25次,而PFCM和PFDCM收敛时分别迭代8次和23次;模糊聚类收敛所消耗的时间, FCM最少,而PFDCM最多。FTNIR技术结合MSC, PCA, LDA和PFDCM提供了一种实现茶叶品种准确鉴别的分类模型。     

茶叶傅里叶红外光谱的可能模糊K调和均值聚类分析

茶叶的品种不同,其有机化学成分含量往往不同,其功效也是不尽相同的,因此,研究出一种简单、高效、识别率高的茶叶品种鉴别技术方法是十分有必要的。中红外光谱技术是一种快速检测技术,在用中红外光谱仪采集得到的茶叶中红外光谱中含有噪声信号。为了对含噪声茶叶中红外光谱的准确分类以实现茶叶品种分类,将可能模糊C-均值聚类(PFCM)思想应用到K调和均值(KHM)聚类,设计出一种可能模糊K调和均值(PFKHM)聚类算法,计算出PFKHM的模糊隶属度、典型值和聚类中心。可能模糊K调和均值聚类能有效解决K调和均值聚类的噪声敏感性问题。用傅里叶红外光谱分析仪(FTIR-7600型)分别对三种茶叶(优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰)进行扫描以获取它们的傅里叶中红外光谱。光谱波数区间是4 001.569～401.121 1 cm-1。先采用主成分分析法(PCA)将光谱数据压缩到20维,再采用线性判别分析(LDA)将光谱数据压缩到两维并提取鉴别特征信息。最后分别用K调和均值聚类和可能模糊K调和均值聚类实现茶叶品种分类。实验结果：当权重指数m=2,q=2和p=2时,KHM具有91.67%的聚类准确率,PFKHM聚类准确率达到94.44%;KHM迭代12次达到收敛,而PFKHM迭代11次就可以达到收敛。采用傅里叶红外光谱技术检测茶叶,用主成分分析和线性判别分析压缩光谱数据,再用可能模糊K调和均值聚类进行品种分类可快速、准确地实现茶叶品种的鉴别。     

基于核优化密度聚类的绿色苹果分割算法

苹果的可见光谱目标的高效、精准识别是实现果园测产或机器自动采摘作业的关键,由于绿色目标果实与枝叶背景颜色较为相近,因此绿色苹果的识别成为新的挑战。再由于果园实际复杂环境因素影响,如光照、阴雨、枝叶遮挡、目标重叠等情况,现有的目标果实识别方案难以满足测产或自动采摘的实时、精准作业需求。为更好地实现果园自然环境中绿色目标果实识别问题,提出一种新的核密度估计优化的聚类分割算法（kernel density clustering, KDC）。新算法首先利用简单的迭代聚类（simple linear iterative cluster, SLIC）算法将目标图像分割成不规则块,集结小区域内近似像素点组成超像素区域,计算单元由像素点转变为超像素区域,有效降低数据复杂度,且SLIC算法简化图像数据时可有效避免目标果实轮廓模糊;基于超像素构造R-B区域均值和G-B区域均值的二维特征分量,建立针对聚类分析的青苹果颜色特征空间。然后借助密度峰值聚类中心计算绿色苹果图像每个数据点的局部密度和局部差异度,为解决分割边界模糊问题,在计算过程中利用核密度估计计算局部密度,确保局部密度在不同复杂场景中的清晰准确表达,以更精准找出被低密度区域分割的高密度区域,实现任意形状的聚类。最后以局部密度和距离构造寻找聚类中心的决策图,该研究采用双排序算法实现聚类中心的自动选择,完成目标果实的高效分割。新算法通过SLIC算法获得图像的超像素区域表示,数据点的局部密度通过核密度估计得到,大幅降低算法的计算量,实现目标图像的高效、精准分割。为更好地验证新算法性能,实验采集多光照、阴雨等环境下的遮挡、重叠等复杂目标图像,以分割效率、分割有效性、假阳性、假阴性等指标进行评价,通过对比k-means聚类算法、meanshift聚类算法、FCM算法和DPCA算法,该研究提出的新算法分割性能均最优。     

基于改进谱聚类的重叠绿苹果识别方法

水果的可见光谱目标识别是实现农业自动化采摘至关重要的一步。在水果识别的过程中,由于重叠和遮挡的影响使得目标识别困难,识别率不高。本文针对自然环境中果实重叠的识别问题,利用谱聚类算法对图像进行分割,然后使用随机霍夫变换实现果实的识别和定位。针对传统算法运算复杂度高,运算速度慢的问题,本文提出了基于均值漂移和稀疏矩阵原理的改进谱聚类算法。首先使用均值漂移算法对图像进行预分割,均值漂移是一种用于密度梯度的无参估计法。该算法实质是一种迭代,先计算出偏移量,根据偏移量移动点,如此反复,直到偏移量为零即收敛到一点为止。利用均值漂移算法除去大多数的背景像素,为减少谱聚类算法的计算量做准备。然后提取预分割图像的有用信息即图像中像素对之间相似度的描述,将提取的图像特征信息映射到稀疏矩阵中,并使用K-means算法将其分类。得到最终的分类结果,实现对预处理图像的再次分割。然后恢复图像分割区域的颜色,使用彩色向量梯度提取边缘轮廓,对得到的轮廓图像使用随机霍夫变换,并在检测过程中设置半径参数的范围从而进一步加快算法的运行速度。经过检测可以得到目标的圆心坐标和半径,从而实现重叠绿苹果的识别。降低了谱聚类的数据处理量,提高了算法的运行速度。经过试验分析和算法对比,该算法得到较高的重合度95.41%,较低的误差率4.59%和误检率3.05%。     

引信高功率微波电磁辐射效应数据的FCM分析

高功率微波(HPM)电磁脉冲对引信辐照实验的数据分析是研究其电磁效应中的一个重要问题,数据分析的主要困难在于HPM电磁效应数据的高维复杂性。通过聚类算法设计,采用模糊C均值聚类(FCM)算法对某无线电引信的高功率微波电磁效应数据进行分析处理,利用其类内相似和类间相异的原则,经迭代运算,实现HPM对无线电引信效应数据的脉宽、峰值功率、功率密度等参数间的识别和分类。结果表明:采用FCM算法能够得到HPM对某引信的最佳聚类中心,即致使引信失效的最佳干扰阈值,证明了算法的有效性。     

三次谐波系统在混沌状态下光场的统计特性

数值分析了三次谐波系统在混沌状态下光场的统计特性。三次谐波混沌状态下光场统计服从超泊松分布,谐波光场涨落皆大于基波光场涨落,这种光场涨落随系统最大李亚普诺夫指数增大而无规律地发生起伏变化。     

一个新的恒Lyapunov指数谱混沌吸引子与电路实现

通过对改进恒Lyapunov指数谱混沌系统进行进一步演变,并引入新的绝对值项,发现了一种新的混沌吸引子.首先,通过相图、Poincar映射、Lyapunov指数以及功率谱,证明该混沌吸引子的存在性.接着,分析研究了这种新型混沌吸引子的基本动力学行为.Lyapunov指数谱、分岔图和状态变量幅值演变的数值仿真说明,该系统存在全局线性调幅参数,在该参数的调整下,系统输出三维信号的幅度皆能得到线性调整,而系统保持相同的混沌吸引子与Lyapunov指数谱.最后,通过构建电路实现了该混沌系统,观察到相应的混沌吸引子,也验证了全局线性调幅参数的调幅作用,数值仿真与电路实现有很好的一致性.     

基于Lyapunov指数的摇摆条件下自然循环流动不稳定性混沌预测

运用基于最大Lyapunov指数的混沌预测方法对摇摆条件下自然循环系统的流量脉动进行了预测. 对不规则复合型脉动的流量脉动实验数据进行相空间重构, 计算关联维数、二阶Kolmogorov熵和最大Lyapunov指数等几何不变量, 在说明不规则复合型脉动是混沌运动的基础上, 根据最大Lyapunov指数对不规则复合型脉动进行了预测. 通过预测结果和实验结果对比发现: 对于复杂的两相自然循环流动不稳定性, 预测结果具有较高的精度, 说明预测方法的可行性. 同时, 确定了混沌系统可预测的尺度, 提出用动态预测的方式监测系统流量脉动. 本文的研究方法为两相流复杂的流动不稳定性研究提供了新的思路. 关键词： 混沌时间序列 实时预测 最大Lyapunov指数 两相流动不稳定性     

试用Lyapunov指数探讨气候突变及其前兆信号

Lyapunov 指数是标志一个系统做规则运动还是混沌运动的一个重要物理量.鉴于此, 本文利用Lyapunov指数研究系统的混沌特性, 研究气候的突变.计算结果表明, 定义法求得的Lyapunov指数是一种可靠的突变检测方法, 无论是理想序列还是实际存在突变的序列, 利用该方法都能准确地找出突变位置; 而利用非线性局部Lyapunov指数的可预报期限从理论上佐证了基于临界慢化现象的气候突变前兆信号的可靠性, 通过计算各个时间段的最大Lyapunov指数能够反映系统的内在性质、研究其混沌特性. 研究结果为该方法在实际观测资料中的广泛应用提供了理论基础. 关键词： Lyapunov指数 气候突变 前兆信号     

利用混沌信号幅值实现混沌同步

构造了一个三维混沌系统, 简要分析了该混沌系统的平衡点性质、混沌吸引子相图和Lyapunov指数等特性. 在此基础上, 利用反馈同步思想设计了一种利用混沌信号部分信息实现混沌同步的方法, 完成了三维混沌系统的同步. 该方法仅利用混沌信号幅值信息即可实现两个混沌系统的同步, 其同步建立与混沌信号的极性无关, 此特性可有效提高混沌通信质量. 通过分析系统的条件Lyapunov指数证实该方法的有效性, 数值仿真表明该方法与利用混沌信号全部信息的线性反馈同步法相比, 同步建立时间基本相同.     

基于收缩映射的奇异非混沌系统同步

提出一种基于收缩映射的奇异非混沌系统同步方案．通过利用一种混沌系统驱动另一种混沌系统产生出奇异非混沌吸引子,由于奇异非混沌吸引子的Ｌｙａｐｕｎｏｖ指数为负值,因而可有效抑制混沌系统对初始状态的敏感程度．为实现两个奇异非混沌吸引子的同步,文中采用收缩映射实现混沌驱动系统的快速同步．研究表明,该方案能够快速实现同步,并且有较强的鲁棒性,易于实现,可用于混沌保密通信 关键词：     

一个改进恒Lyapunov指数谱混沌系统的电路实现与同步控制

基于提出的恒Lyapunov指数谱混沌系统,通过将系统中的参数进行剥离,得到一个改进型的恒Lyapunov指数谱混沌系统.该混沌系统存在三个重要的特性：双参数恒Lyapunov指数谱、存在全局线性调幅参数和倒相参数.通过Lyapunov指数谱与分岔图结合理论证明与推理,揭示了该新系统存在的上述动力学特征.构建实验电路,实现了改进混沌系统,物理实验验证了新系统的混沌行为.最后,利用单变量反馈控制方法实现了新系统的同步控制,通过物理实验验证了新系统同步控制的条件. 关键词： 改进恒Lyapunov指数谱混沌系统 电路实现 同步控制     

一类多翼蝴蝶混沌吸引子及其电路实现

提出了一种构造多翼蝴蝶混沌吸引子的新方法,在Liu混沌系统的基础上,通过设计一种新的分段线性函数,构造了一个产生多翼蝴蝶混沌吸引子的混沌系统,对系统的平衡点、Lyapunov指数谱、分岔图、相图、频谱和Poincare截面进行了分析。最后,设计了相应的硬件电路,电路实验结果与数值仿真结果一致,验证了该方法的可行性和有效性。