针对模糊C均值(fuzzy C-means,FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把...针对模糊C均值(fuzzy C-means,FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California-Irvine,UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。展开更多
在进行目标方位(direction of arrival,DOA)估计时,背景噪声通常被假定为高斯噪声,但在水声环境中,噪声的概率密度函数存在非高斯分布情况,这会造成DOA估计出现伪峰及背景噪声增大等问题。文章将不服从高斯分布的水下噪声建模为α稳定分...在进行目标方位(direction of arrival,DOA)估计时,背景噪声通常被假定为高斯噪声,但在水声环境中,噪声的概率密度函数存在非高斯分布情况,这会造成DOA估计出现伪峰及背景噪声增大等问题。文章将不服从高斯分布的水下噪声建模为α稳定分布,采用数据加权的方法对信号进行预处理,随后在互质阵列中应用压缩感知方法对宽带信号进行目标DOA估计。对8元互质阵列使用改进算法进行仿真,结果表明该方法可以准确做出DOA估计,同时减少了伪峰数量。湖试数据的处理结果表明,在互质阵列中基于数据加权的压缩感知DOA估计能够减少伪峰,增强目标检测能力,具有更好的检测效果及实用性。展开更多
文摘针对模糊C均值(fuzzy C-means,FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California-Irvine,UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。
文摘在进行目标方位(direction of arrival,DOA)估计时,背景噪声通常被假定为高斯噪声,但在水声环境中,噪声的概率密度函数存在非高斯分布情况,这会造成DOA估计出现伪峰及背景噪声增大等问题。文章将不服从高斯分布的水下噪声建模为α稳定分布,采用数据加权的方法对信号进行预处理,随后在互质阵列中应用压缩感知方法对宽带信号进行目标DOA估计。对8元互质阵列使用改进算法进行仿真,结果表明该方法可以准确做出DOA估计,同时减少了伪峰数量。湖试数据的处理结果表明,在互质阵列中基于数据加权的压缩感知DOA估计能够减少伪峰,增强目标检测能力,具有更好的检测效果及实用性。
