电磁场计算中的Laplace插值函数

在电磁场数值计算中常常需要采用插值方法计算任意位置处的电位和场强。本文采用满足Laplace方程的多项式作为插值函数,以使插值所得的电位亦满足Laplace方程,从而得到了较为精确的插值结果。本文提出通过旋转坐标系来调整插值点的坐标,使得各插值点的坐标在各坐标轴方向上均匀分布,以进一步提高插值计算的精度。计算结果表明该方法在避免系数矩阵的奇异性和提高插值结果的精度上均较传统插值方法有相当的改善。     

基于熵权聚类网络异常行为的检测方法研究

为了提高传统异常检测技术对尺度异常行为的检测能力,提出了一种基于统计量的聚类模型识别方法,将数据集中的每个数据与模型识别聚类中心的欧几里得距离进行比较,从而识别是否存在数据异常。不打破传统异常检测技术处理隔离机制,保证了规模异常行为的识别,解决了传统异常检测方法假设异常数据进行隔离的局限性。为了提高聚类精度,采用熵值法校正欧氏距离对数据属性进行加权,优化了最近邻聚类算法的相似性,并进行仿真。实验结果表明,统计方法和改进的聚类方法具有更高的聚类效率和自适应性。     

多天线OFDM系统信道估计算法的改进

提出一种针对多天线OFDM系统中基于LS准则的信道估计的改进方法。该方法使用梳状训练序列估计出一半的信道频率响应,然后利用抛物线插值对剩余一半进行估计。分析和仿真表明该信道估计算法可以抵抗信道的严重频率选择性衰落。     

两种插值信道估计方法的比较

在瑞利衰落信道中,使用时分复用的导频信号辅助的信道估计方案时,提出了在使用极大似然方法估计出导频符号的信道参数之后,再利用一个时隙上所有导频符号的Chebyshev多项式的数学插值估计数据符号信道参数的方法。同时比较了分段线性插值加递归的信道估计方法。仿真结果表明,使用Chebyshev多项式的数学插值估计信道参数的方法比使用线性插值加线性递归的信道估计方法能更好的改善系统的性能。     

多载波CDMA系统信道估计改进算法研究

首先介绍了基于导频信号的辅助信道估计过程，并据此给出了信道模型。通过对基于导频信号信道估计算法分析，提出改进算法。即在导频位置信道响应处乘以一相位旋转因子以消除插值算法带来的相移影响的改进算法。     

基于多目标决策的时间序列数据挖掘算法

为了解决当前算法挖掘时间序列数据过程中噪声对所得结果有较大影响的问题,该文采用多目标决策方法对时间序列数据进行挖掘.采用TOPSIS方法构造初始矩阵,并使用AHP方法确定权重,使用信息熵权重法对时间序列数据进行处理,采用K-means聚类方法对所得结果进行分类,并进行敏感性分析,发现TOPSIS的区间为[0.08,1]...     

基于熵的RBF神经网络在软测量中的应用

为了更好地确定RBF神经网络中心向量,并且使得最终的RBF神经网络结构可以进一步调整。提出了一种使用熵聚类的算法来首先确定RBF神经网络隐节点的个数及其初始值,实现初始化的基础上使用常规算法调整RBF神经网络的中心和训练宽度,最后使用基于互信息的RBF神经网络修剪算法调整网络结构。并将上述算法应用于COD软测量问题中,仿真实验结果表明：改进的算法与常规的算法相比,提高了训练速度和逼近精度。     

基于GIS的农产品价格聚类的可视化

提出了一种方法:利用GIS对农产品价格数据进行空间插值分析,对插值得到的数据聚类,并把聚类结果可视化.基于GIS强大的图形功能,结合价格数据的地理属性,形象化显示农产品价格的区域特性.该方法改善了过去农产品价格数据都是以枯燥的统计数字形式表示的模式,将有利于更好地引导农产品的流通.     

基于集对分析聚类的雷达信号分选算法

现代电子战场的电磁环境日趋复杂,传统的雷达信号分选方法已经很难完成高密集信号环境下的分选任务.提出一种基于集对分析聚类的雷达信号分选算法,该算法融合集对分析中的同异反模式识别的择近原则和聚类分析的思想,将雷达侦察接收机接收的雷达脉冲信号与知识库中已知雷达脉冲信号组成集对,利用信息熵确定分选参数的权重,通过计算集对之间的同异反联系度实现雷达信号分选.仿真实验证明了算法的有效性和可行性,为解决复杂电磁环境下雷达信号分选问题提供了新途径.     

模糊聚类及其实际应用

随着模糊数学的产生和发展,模糊聚类分析也随之产生并得到广泛应用。本文主要介绍模糊聚类及其应用领域,分析和探讨模糊聚类的基本原理、方法,重点介绍C-均值聚类分析算法(FCM)以及减法聚类算法,并结合中国统计局的2005年度各行业废气排放和处理情况的数据用matlab模糊逻辑工具箱对其进行模糊聚类分析,所得结果可为各行业污染分类情况进行处理提供参考。     

数据挖掘分析技术在银行CRM系统的应用研究

国内银行经过几十年的运营,已积累了海量的数据,但数据的价值并未得到充分挖掘利用,数据挖掘技术应运而生,它是对海量信息进行分析和处理的技术,能为客户决策提供真正有价值的信息。文章对数据挖掘技术在银行CRM系统中的应用进行了介绍研究,并进行举例说明。     

基于信息熵的POMDP模型观测函数估计

部分可观测马尔可夫决策过程(POMDP)广泛应用于建模决策任务。模型中的观测矩阵主要用来建模环境的不确定性,通常很难从训练数据中直接获取,需要引入额外的信息进行估计。通过引入信息熵来修正模型中的观测矩阵,修正后的观测矩阵更能反映环境的不确定性。模拟环境下的实验表明,引入信息熵进行修正估计的观测矩阵有效提高了POMDP模型的性能,而在基于POMDP模型的对话系统中,修正的估计提高了系统的决策准确度。     

基于减法聚类的神经网络模型及其应用

神经元网络应用于一般工业过程建模比较有效,但对于对象是庞大数据的复杂的工业生产过程就明显力不从心,采用基于减法聚类算法和模糊c均值聚类算法融合,以获得精确的聚类个数和隶属度,建立基于多判据信息融合和模糊技术构成的神经元网络模型,对实际地下开采生产过程进行仿真,结果验证了模型的有效性.     

复杂背景下的车牌自动识别系统

提出一种改进的模糊C均值聚类算法用来对车牌图像进行分割,算法中通过图像的灰度直方图来初始化聚类中心与聚类数目,并对聚类中的隶属度做了相应的修正。车牌的定位是根据水平灰度值的变化规律来实现的;字符的分割是根据字符区域中字符像素个数的垂直投影实现的。实验结果表明该算法能够获得较理想的车牌自动识别效果。     

子空间聚类算法在高维数据异常检测中的应用

传统异常检测技术是基于距离和密度的,快速的异常检测算法过分依赖于索引结构或网格划分,在低维数据上有很好的效果;面对高维数据的稀疏性、空空间现象等特性,索引结构失效,网格划分的数目呈指数级增长,传统算法性能下降;文中采用信息熵确定高维数据异常子空间,在异常子空间上使用DBSCAN聚类算法,在高维数据异常检测中表现出较好的性能。     

基于加速进化规划方法的复杂系统模糊建模

提出了一种基于加速进化规划算法的模糊建模方法,该方法利用模糊聚类确定系统糊结构空间,然后利用引用了一个方面因子的加速进化规划学习算法调整模糊模 参数,经仿真验证,取得了满意的仿真结果。     

一种基于信息熵的空间聚类算法

空间数据挖掘技术是从空间数据库中提取隐含的、用户感兴趣的知识.针对当前的聚类算法没有很好考虑到空间数据的复杂性和数据之间的联系,再加上聚类的精确度不高,设计了一种新的算法—基于信息熵的空间聚类算法（ESCA算法）,该算法优先考虑空间数据的复杂性和数据之间的联系,并采用蚁群优化机制改善传统算法中聚类簇数不确定的缺点.实验结果表明该算法是可行,并且具有更高的精确度.     

关于聚类有效性函数FP( u,c)的研究

本文对已有的划分系数P(u,c)作了进一步研究,指出P(u,c)可以作为聚类有效性函数使用,其性能与划分系数V_pc(u,c)相仿.据此对原有的聚类有效性函数FP(u,c)作了一定的理论分析,并就本文使用的数据进行了计算机模拟.理论分析与计算机模拟得出了同样结论:FP(u,c)作为FCM算法的聚类有效性函数是不合适的.     

基于加权多宽度高斯核函数的聚类算法

针对在支持向量聚类,当样本分布不均匀时,单宽度的高斯核限制了支持向量机泛化性能,影响了聚类效果的问题,提出一种基于加权多宽度高斯核函数的支持向量聚类算法。加权多宽度高斯核函数比单宽度的高斯核有更多的可调参数,通过多参数调节,可提高泛化能力,改善聚类效果。仿真实验表明,与单宽度的高斯核相比,加权多宽度高斯核可以有效聚类,从而证明了该算法的有效性。