1 武汉科技大学冶金装备与控制技术教育部重点实验室，湖北 武汉 430081
2 武汉科技大学湖北省机械传动与制造工程重点实验室，湖北 武汉 430081
3 武汉科技大学精密制造研究院，湖北 武汉 430081
4 广西师范大学物理科学与技术学院，广西 桂林 541004
5 桂林电子科技大学电子工程与自动化学院，广西 桂林 541004
太赫兹(THz)具有低能性、 瞬态性、 波谱分析能力强的优点, 在物质鉴别方面具有广阔的应用前景。 现有的基于THz的物质鉴别方法, 虽然取得了一定的效果, 但是存在容易陷入局部最优的问题, 从而导致识别精度不高。 均匀流形逼近与投影(UMAP)作为一种非线性降维方法, 其假设数据均匀分布在黎曼流形上, 可以对具有模糊拓扑结构的流形进行建模。 UMAP降维的过程是通过最小化两个拓扑表示之间的交叉熵, 从而实现低维空间中数据表示的布局优化。 传统的模糊C聚类方法(FCM)在聚类时, 初始聚类中心往往随机给定, 当初始聚类中心选择不恰当时, 容易导致错误的聚类。 为此, 提出一种基于UMAP辅助的模糊C聚类算法, 首先运用UMAP对输入的THz样本矩阵进行降维; 再根据类与类之间距离最大化的原则, 选择合适的初始聚类中心; 最后利用模糊C均值聚类的方法进行聚类。 所提出的方法不仅能够解决聚类过程中类与类之间过度拥挤的现象, 而且能够反映出类别间的距离信息以便于给样本选择合适的初始聚类中心。 为了验证提出的聚类方法的可靠性, 运用太赫兹时域光谱技术对鲁棉研28、 鲁棉研29、 鲁棉研36、 中棉28四种不同类型的转基因棉花种子进行了探测, 利用基于UMAP辅助的模糊C聚类算法对转基因棉花种子的吸光度光谱数据进行聚类分析, 成功地将四种不同类型的转基因棉花种子区分开, 得到了总正确率为0.983 3的聚类效果, 说明提出的基于UMAP辅助的模糊C聚类算法在物质太赫兹光谱识别方面具有良好的应用前景。
太赫兹时域光谱 物质鉴别 转基因棉花种子 降维 模糊C聚类 Terahertz time-domain spectroscopy Substance identification Transgenic cotton seeds UMAP Dimensionality reduction Fuzzy C-clustering method UMAP 光谱学与光谱分析
2022, 42(9): 2694
3D激光雷达是水面无人艇（USV）的关键感知模块，水域杂波的干扰会降低模块的目标检测能效，影响自主导航避障功能。提出一种基于3D激光雷达的水面目标DBSCAN-VoxelNet联合检测算法。该算法采用具有噪声的密度聚类方法（DBSCAN）滤除水面杂波干扰；基于VoxelNet深度神经网络将水面稀疏点云数据划分为体素形式，并将结果输入哈希表进行高效查询；经特征学习层提取特征张量，并将张量输入卷积层获取全局目标信息，实现高精度目标检测。实验结果表明，所提联合检测算法对水域杂波有较好的抑制性能，平均精度均值（mAP）为82.4%，有效提高了对水面目标的检测精度。
水面无人艇 目标检测 3D激光雷达 密度聚类方法 VoxelNet 激光与光电子学进展
2022, 59(18): 1815006
华中科技大学光学与电子信息学院, 湖北 武汉 430074
从地铁隧道三维点云数据中分割出物体的点云是自动化检测地铁隧道病害及重建地铁隧道三维模型的关键步骤。由于某自动化检测系统的结构特点,使用其采集的三维点云数据计算点云法线向量和曲率时准确度不高,导致一些常用的三维点云分割算法,比如一种改进的区域生长分割法不适用于该检测系统采集的点云数据。为了分割某自动化检测系统采集的三维点云数据,设计并实现了一种基于密度聚类的分割算法。这种算法避免使用不准确的法线向量和曲率,克服了某自动化检测系统的缺点,并用实际三维点云数据对比了区域生长分割法和基于密度聚类分割算法的分割结果。
图像处理 三维点云 点云分割 基于密度聚类 隧道检测 光学学报
2020, 40(21): 2110001
1 中国人民公安大学刑事科学技术学院, 北京 100038
2 证据科学教育部重点实验室(中国政法大学), 北京 100088
采用X射线荧光光谱法对32个塑料打包带(绳)样本进行检验,在80 s的采集时间下,所得元素种类含量最为稳定。结合多元统计方法构建函数模型,将离差平方和法作为聚类方法,进行系统聚类时将平方欧氏距离作为测量区间以描述样本间的亲疏程度,将32个塑料打包带(绳)样本分为4类。通过样本之间的相关性和判别分析检验系统聚类的正确性和可靠性,挖掘出样本元素含量之间的内在联系。通过系统聚类的方法将32个塑料打包带(绳)样本进行分类,促进了模式识别技术在理化检验中的应用。
光谱学 X射线荧光光谱法 系统聚类 判别分析 塑料打包带(绳) 激光与光电子学进展
2019, 56(22): 223005
国网重庆市电力公司信息通信分公司, 重庆 401120
针对传统基于聚类的红外图像异常检测方法对电力设备红外图像多层分割效果较差, 异常检测有效性较低等问题, 提出了一种核猫群电力红外图像异常检测方法, 通过核猫群聚类实现电力设备红外图像的异常检测。首先, 对红外图像进行 RGB值校正, 并将校正的 RGB值映射到 Lab空间, 获取聚类所需数据集。核猫群聚类方法中的每一只猫代表着一种聚类划分, 用聚类中心点的坐标来对猫的位置进行编码。利用搜寻模式和追踪模式对猫群中猫的位置进行更新, 采用核函数引导的相似性度量构造目标函数, 通过迭代优化获得电力设备红外图像的多层分割聚类结果, 最终发现电力设备中的异常发热区域。实验通过与 k-means、fuzzy c-means和传统猫群聚类进行定量对比, 结果表明, 所提方法多层分割效果更好, 具有更佳的异常检测能力。
电力设备 红外图像 多层分割 异常检测 聚类 核猫群优化 electrical equipment infrared image multi segmentation anomaly detection clustering method kernel cat swarm optimization
多阈值图像分割中经常出现所选阈值数量不能事先确定的情况。为解决这一问题, 提出一种基于聚类技术的多阈值图像分割方法, 通过Mean Shift技术找出模式中心, 通过迭代选择确定相邻模式中心的不同阈值, 最后用多阈值完成对图像的分割。仿真实验结果表明, 这一方法可有效应用于图像分割, 并取得较好的效果。
多阈值 图像分割 聚类方法 迭代 multi-threshold image segmentation clustering method iteration 太赫兹科学与电子信息学报
2018, 16(4): 715
广东药科大学中药学院, 国家中医药管理局中药数字化质量评价技术重点研究室, 广东高校中药质量工程技术研究中心, 广东 广州 510006
建立硫酸盐类矿物药材石膏的红外光谱指纹图谱, 并建立三种硫酸盐类矿物药材的聚类分析模型。 用傅里叶变换红外光谱仪测定煅石膏、 石膏、 芒硝等矿物药的红外光谱, 以一阶导数光谱图谱结合聚类分析的方法研究三种硫酸盐类矿物药材的内在组合关系; 通过测定不同产地和批次石膏药材样品的红外光谱, 并以存在的共有峰为基准建立石膏的对照红外指纹图谱, 采用相关系数法和夹角余弦法评价药材样品红外图谱与对照指纹图谱的相似度。 在中红外区间, 三种硫酸盐类矿物药材的原红外光谱谱图和一阶导数光谱谱图的峰数、 峰位、 峰形和峰强存在差异, 结合一阶导数红外光谱和聚类分析, 成功划分石膏和煅石膏一类, 芒硝为一类; 24批石膏样品红外指纹图谱相似度大于0.980 0。 本方法操作简便, 专属性强, 利用红外指纹图谱法结合聚类分析, 为石膏的规范监管提供快速准确的新鉴别方法。
硫酸盐类矿物药 石膏 傅里叶变换红外光谱 聚类分析 Sulfate mineral medicine Gypsum fibrosum FTIR Clustering method 光谱学与光谱分析
2016, 36(7): 2098
1 内蒙古工业大学机械学院, 内蒙古 呼和浩特 010051
2 内蒙古工业大学轻工与纺织学院, 内蒙古 呼和浩特 010080
木材表面节子是木材缺陷中非常重要的一类缺陷，也是评定木材外观等级、锯材和单板质量的重要指标。为了提高节子缺陷识别效率及准确性，并改善检测过程的自动化程度，对应用木材表面图像的灰度直方图统计特征进行节子缺陷识别进行研究。通过利用类间距离对7 个统计特征的分类能力进行评价，从而确定出识别节子缺陷的最佳统计特征，即平滑度特征；同时提出一种自适应的最大类间方差聚类法进行分类阈值的确定，进而采用阈值判别实现节子缺陷识别。经在线检测实验证实，该方法的识别率高于99%。
机器视觉 缺陷识别 灰度直方图特征 木材节子 类间距离 最大类间方差聚类法 激光与光电子学进展
2015, 52(3): 031501
国防科技大学 电子科学与工程学院,长沙 410073
由于雷达目标及其所处环境的复杂性,导致目标之间的关系往往是非线性的,因此,基于核方法的模式识别方法被广泛应用于雷达目标识别中。在对模糊核C-均值聚类算法深入研究的基础上,提出一种基于模糊核C-均值聚类的高分辨距离像识别算法。该算法针对特征提取后一维距离像数据的特点,采用组合核函数以降低由于数据属性数值过大造成的权重过大对识别效果的影响;同时,算法可以在训练过程中通过有效性函数自适应地确定最佳聚类数目。仿真实验结果表明,基于组合核函数的识别算法同基于传统的高斯核的算法都能有效识别雷达目标,但前者具有更高的目标识别率。
模糊核C-均值聚类算法 一维距离像 特征提取 有效性函数 核函数 kernel fuzzy clustering method range profile feature extraction validity function kernel function
1 国防科技大学 电子工程学院
2 信息中心,长沙 410073
3 国防科技大学 电子工程学院,长沙 410073
4 国防科技大学 信息中心,长沙 410073
图像分割和对象提取是从图像处理到图像分析的关键步骤。K-均值聚类算法和粒子群优化方法结合,即将K-均值方法的结果作为一个粒子并采用粒子群优化的方法,通过适应度函数,利用新的分类中心调整粒子位置,产生新的聚类中心。并将此方法应用于图像的分割。最后,将两种方法的处理结果进行了比较,结果表示基于PSO聚类方法对图像的分割效果比原算法有所改进。
粒子群优化 聚类算法 K-均值聚类 图像分割 桢式识别 图像处理 particle swarm optimization clustering method K-means clustering image segmentation pattern recognition image processing
