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。

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。

针对传统的车道线检测系统采用单路前视摄像头在夜晚场景下易受强光照干扰和在复杂场景下易出现误检漏检的问题,提出一种基于主动红外滤光环视成像的车道线检测算法。在成像阶段,利用4路基于主动红外滤光成像的车载摄像头采集车辆四周的场景信息,再基于透视变换和图像融合得到具有360°俯视效果的环视图像。在车道线的检测阶段,提出一种基于凝聚型层次聚类的车道线检测算法:1) 基于车道线的形状特征设计一种具有较强针对性的匹配模板用来提取车道线边缘点;2) 以凝聚型层次聚类对边缘点聚类,并以随机抽样一致性算法对车道线进行直线拟合;3) 结合先验信息和卡尔曼滤波器进一步提高检测准确性。结果表明,本文算法能够较好地消除车道线检测过程中的强光照影响,并在一定程度上有效地降低了误检漏检率。

多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,能有效改善图像的重建质量;与传统算法相比,所提算法重建图像的峰值信噪比和结构相似度均有所增大。

在红外图像拼接技术的实际应用中，除了追求较高的拼接精度外，还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求，将BRISK 二值描述子和Canny边缘检测应用于SURF 红外图像拼接，提出一种改进的SURF 红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF 特征点检测、Canny 边缘检测和BRISK 二值描述子有效结合，生成边缘SURF-BRISK 特征点；在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略，并采用RANSAC 算法剔除误匹配的特征点；在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明，本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时，有效地提高了配准精度和拼接速度。