膜蛋白在细胞膜上的时空分布形式决定了其活性状态及功能，在调控细胞生命活动过程中起着重要作用。单分子定位超分辨成像（SMLM）技术为在纳米尺度解析膜蛋白的空间分布提供了可能，但分辨率的极大提升对图像准确聚类分割提出了更高要求。基于密度的空间聚类算法（DBSCAN）是常用的聚类方法之一，但其对于膜蛋白分布不均匀的SMLM超分辨图像的分割效果往往不太理想。本文提出了一种结合多次DBSCAN和层次聚类的混合聚类算法，该算法以DBSCAN方法为分割基础，通过进一步的面积阈值分析和层次聚类，在保持超分辨点簇图像精确聚类识别的前提下，仍能保留每个点簇内的多次定位信号。将该算法应用于模拟数据集和实验数据分割得到的轮廓系数等性能普遍优于传统DBSCAN算法。这种混合聚类方法为膜蛋白SMLM超分辨图像的聚类分割提供了新思路和新方法，有助于更精准地分析膜蛋白在纳米尺度上的空间分布信息。

包含多重嵌套轮廓线的空移路径规划是开发激光切割系统的主要问题之一，在满足嵌套图形由内到外的激光切割工艺要求下，提出启发式排序和网格排序算法，实现优化排序。首先通过射线法，判断多重嵌套轮廓线的位置关系；然后采用最佳适应度优先的启发式排序算法，将空移距离、轮廓线的面积作为评价指标，分别赋值权重得到总体适应度，选择适应度高的轮廓线作为下一个切割图形；最后，为了满足不同应用场景，提出另外一种网格排序方法，根据轮廓线控制点的疏密程度，基于层次聚类算法划分网格，按照规则的路线遍历网格，依次确定定位到每个网格中的轮廓线。仿真与试验结果表明，相比于智能优化排序算法，启发式排序和网格排序在满足激光切割工艺要求的前提下，不仅可以有效缩短空移路径，还大大减少了计算时间，显著提高激光切割效率和质量。

在当前战场环境反馈输入所占比重日益增大的情况下，提出利用无监督学习中的AGNES层次聚类算法对传统多源智能体联盟理论框架进行改进。综合考虑环境和传感器不同个体效能中的复杂性与模糊性因素，对联盟的多智能体模型进行描述以及多智能体交叉提示下动态联盟探测系统具体提示步骤进行设计，针对性改进无监督学习AGNES聚类算法结合目标探测信息的认知度一致性函数，使系统直接从变化的环境中建立动态模型，从而在达到联盟优化任务的长期收益累计的同时对目前的短期收益做出更有利的决策。仿真表明,相对于群智能算法等传统整体调动策略，改进算法是更加符合实际需求的智能化方法。

为了实现对案件现场常见食品包装纸的快速分类及认定，提出一种基于X射线荧光光谱（XRF）结合深度学习算法的食品包装纸可视化检验方法。首先，采用XRF检验44个不同来源的食品包装纸样本中的无机元素，并根据主要构成元素的含量，对其进行人工分类和系统聚类分析。其次，分别使用主成分分析和t分布随机邻域嵌入两种降维算法处理数据以检验聚类效果，并实现数据分类可视化。最后，随机选取80%的样本作为训练集构建人工神经网络，并进行相关实验。实验结果表明，所提方法在测试集上的分类正确率为88.9%，可以为未来公安业务实际应用提供参考。

为了提高某随动系统负载模拟器加载系统的力矩跟踪精度, 提出一种模糊RBF神经网络终端滑模复合控制方法。首先通过对随动负载模拟器的系统组成和工作原理的分析, 简化力矩电机模型, 根据扭矩传感器和惯量盘的模型, 建立随动负载模拟器的简化等效模型。随后设计了一种快速终端滑模控制器, 为了提高滑模的动态品质, 利用模糊神经网络方法动态调节滑模面参数。同时, 为了提高模糊RBF神经网络的学习和训练速度, 用最近邻层次聚类和共轭梯度算法调整网络各参数, 并对算法进行局部优化以提高算法性能。最后进行仿真, 证明该方法提高了系统控制精度且具有良好的动态特性。

火箭破障**装甲车在道路起伏的环境中车体易产生振动, 在发射火箭炮破障弹时也会产生较大的振动, 这些容易导致再次调炮破障时方向角度出现偏差影响破障精度, 同时,其他扰动和不确定因素的存在也使得破障**系统成为非线性时变系统。利用模糊控制良好的鲁棒性、适应性以及神经网络的自适应、自学习的能力, 提出一种基于模糊RBF神经网络PID控制方法, 同时采用K-means层次聚类对模糊神经网络的结构参数值进行初始化, 采用LM算法对模糊神经网络进行训练。仿真结果表明, 该方法可以有效提高系统的抗干扰能力、破障精度以及加快调炮的快速性。

芝麻油营养丰富, 因市场价格较高, 掺假现象频出, 严重损害了消费者利益和市场的健康发展。 因此, 研发一种简单快速准确鉴别掺伪芝麻油的方法, 对保障消费者权益和市场健康具有重要意义。 为此, 提出了一种小波矩结合三维荧光光谱掺伪芝麻油鉴别方法。 该方法简单快速, 计算样本的任一有效特征进行谱系聚类, 即可准确鉴别掺伪芝麻油。 以43个样本(芝麻油16个, 掺伪菜籽油、 掺伪大豆油及掺伪玉米油各9个)为研究对象, 用FS920荧光光谱仪获得样本的三维荧光光谱。 用db2小波将光谱进行多尺度分解(MRSD), 用MRSD的一阶离散逼近系数构造小波矩。 用前两阶小波矩值W0,0, W1,0, W1,1, W0,1, W2,0, W2,1, W2,2, W1,2, W0,2分别作为特征对样本进行谱系聚类, 观察分析聚类结果。 结合邓恩分类指数(DVI)进一步分析, 研究同阶小波矩分类效果及规律。 进而研究各阶小波矩的分类效果及规律。 最终确定了用于鉴别掺伪芝麻油的最佳小波矩值。 结果表明: MRSD一阶逼近重构光谱可以在保留原光谱的有效特征基础上, 大量去除噪声, 减少光谱数据量72.4%, 增强模型的抗噪稳定性和实时性。 利用小波矩前两阶矩值W2,1, W2,2, W1,2, W0,2其一作为分类特征进行谱系聚类, 即可鉴别掺伪芝麻油。 同阶小波矩(Wp,q)随p值减小q值增大呈现规律性, 确定了同阶小波矩的有效矩值及最佳有效矩值。 小波矩随着阶数的增加DVI先增后减, 最后趋于稳定, 确定了各阶小波矩中可用于鉴别掺伪芝麻油的目标矩值W0,q≥2及最佳目标矩值W0,6。 小波矩的有效及目标矩值是针对样本分类的有效特征, 计算样本的任一有效特征进行谱系聚类, 即可实现掺伪芝麻油的鉴别。 该研究思路及结论为矩值法应用到三维荧光光谱提供参考。 该方法简单快速, 可实现在线测量, 为质监部门及生产企业提供油品检测和鉴定手段。

针对天文图像成像分辨率低的问题,基于集中稀疏表示图像超分辨率重建理论,提出一种层次聚类字典训练和相似约束的天文图像超分辨率重建算法。在字典训练阶段,采用新的基于层次的聚类算法对样本图像块进行归类,对每类图像块进行独立训练得到多个紧凑型字典。在图像重建阶段,通过抑制稀疏编码噪声提高稀疏编码系数的准确性,并利用图像的非局部自相似性对重建图像的稀疏系数进行合理估计。此外,通过构建非局部自相似正则化项对图像重建过程进行全局约束。仿真结果表明,该算法可以有效地改善天文图像的分辨率,重建图像在主观视觉效果和客观评价指标上都要优于其他传统的超分辨率重建算法。