基于熵法的炮兵战场目标价值分析

目标价值分析是炮兵作战情报信息处理的中心工作。如何从炮兵战场众多的目标情报中确定其价值,并根据作战任务需要选择要射击的目标和确定优先顺序,是炮兵指挥员及其参谋人员的一项重要任务。根据熵法和模糊决策对炮兵战场目标价值进行了分析和排序,为炮兵指挥员的决策行为提供依据。     

战场目标价值偏好不确定分析模型

根据作战需要对战场目标价值进行分析并确定其先后顺序是炮兵、防空兵作战指挥员及指挥自动化辅助决策系统的一项重要任务.对目标价值分析算法进行了总结,分析了模型的一般结构特征.为解决以往算法中指标权重不确定性带来的问题,根据多属性决策的特点,运用模糊决策理论提出偏好不确定的战场目标价值计算模型.同以往目标价值分析算法相比,该模型具有较好的适应性及可操作性,为炮兵防空兵指挥员的决策行为提供了依据.     

城市防空中目标优化分配的模糊聚类分析

定性和定量相结合,利用模糊聚类分析法确定目标的优先防护次序.先构造城市防空中需掩护的目标体系;再依据目标权重建立多因素模糊关系矩阵,导出等价矩阵;最后计算出基于给定参数λ的需防护目标的优先次序,得出目标分类聚类图.变模糊的、复杂的问题为直观的结论,为指挥员合理分配兵力兵器提供可靠的依据,从而最大限度地发挥防空兵器的作战效能.     

基于D-S证据理论的炮兵战场目标价值分析*

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

语言型EWAA算子的目标战场价值评估

从发现的多个目标中确定打击顺序,取决于各目标的战场价值.通过定义模糊语言形式的评估标度及其运算,采用语言型EWAA算子对模糊语言偏好信息进行了集结,从而对目标战场价值进行评估,符合战场环境的复杂性和人们思维的模糊性,使指挥决策更加快速、准确.实例证明模型有效,计算简单.     

改进层次分析法在空面多目标攻击排序中的应用

建立了考虑目标的威胁、政治价值和经济价值属性的空面多目标攻击排序综合价值评估指标,应用模糊多属性理论和G.A.Miller九级量化理论对目标综合价值进行量化.建立了机群多目标攻击排序模型,采用熵值法求取各属性的权重从而构造判断矩阵,在此模型的基础上运用改进的层次分析法求解空面多目标攻击排序矩阵,从而为驾驶员的战术决策提供依据.     

卫星通信网作战效能评估研究

通过对卫星通信网完成信息传输作战任务的能力分析,建立了卫星通信网作战效能评估指标体系;将模糊层次分析法和熵权法相结合,建立了确定指标权重向量的综合集成赋权模型,采用专家打分和隶属度函数法计算单因素模糊评估向量,采用相对状态特征值对评估结果进行处理,建立了模糊综合评估模型,实现了卫星通信网作战效能的评估,并对评估结果进行了分析。     

基于模糊信息论的空中目标识别模型研究

空中目标识别是防空作战辅助决策的关键环节之一。针对目标识别中不确定信息,建立基于模糊信息论的空中目标识别模型。该模型利用模糊信息论中的模糊数,基于贴近度的模糊模式识别对待识空中目标进行初步识别,同时为解决不确定信息本身对目标识别结果稳定性的影响,采用模糊信息熵对目标识别结果修正,从而进一步提高了空中目标识别结果的稳定性和可信度。     

基于综合集成赋权法的导弹攻击目标价值分析

合理选择打击目标是导弹攻击作战中的首要问题,分析了目标价值影响因素,改进了信息熵权法,采用目标偏好的主观赋权法和综合集成赋权法确定因素权重,并结合模糊综合评估的方法对目标价值进行分析排序,给出了算例实现,为解决导弹攻击作战过程的目标价值评估排序问题提供决策依据。     

网络化空战中的目标综合价值评价方法

目标综合价值评价是进行目标分配的基础,基于复杂网络的价值分析方法,能够综合体现网络化空战中目标自身属性和网络体系结构对目标综合价值评价产生的影响,准确地确定作战体系中的关键目标。通过分析空战体系结构,将目标综合价值分为固有价值和体系价值2个维度,利用模糊偏序关系建立目标固有价值评价模型,并通过定义节点连通度、关键度和冗余度,确定目标体系价值评价方法。实例分析结果验证了该目标综合价值评价方法的有效性。     

一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

基于改进C-均值聚类算法的空中目标分类

空中目标的正确分类对防空作战效果有着重要的影响。在分析了空中目标类型和目标的表征方法之后,构建了动态聚类中的一种分类算法———改进C-均值算法。该算法改变了以前算法中只用一个聚类中心作为一类的代表的做法,而采用的是类核函数代替类心的方法。类核函数较一个聚类中心更能够表现出某一类的分布信息,从而提高分类的正确率。     

隶属度信息辅助的红外多目标模糊关联算法

针对红外多目标跟踪,利用红外序列图像中目标隶属度信息建立改进的多目标关联算法。该算法是基于模糊c均值聚类方法,以红外目标运动状态和背景环境变化引起的红外目标隶属度信息变化为选择门限,适时切换算法赋值策略,以提高特殊环境下多目标关联的适应性。通过仿真对比证明了该方法具有更好的跟踪精度和稳定性。     

基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。     

层次聚类算法和基于图的分割算法相融合的图像分割算法

基于图的分割算法（Graph-Based Segmentation,GBS）算法）是由Felzenszwalb和Huttenlocher提出的经典的图像分割算法之一,但其分割结果中存在明显的欠分割现象。为此,在GBS算法的基础上引入层次聚类（Hierarchical Clustering,HC）算法,构造出一种解决GBS算法欠分割的方法,同时采用多线程并行处理数据的方式,有效改善了传统层次聚类算法的处理速度。该方法在RGB彩色空间中使用GBS算法得到图像中每个像素点的初始分割结果,并提取出每一类区域中的像素值,对其进行层次聚类,得到每一类区域中像素值的类别标签,根据层次聚类所得到的类别标签和预设的类别范围,修改每个像素点的初始分割结果。最后根据区域合并准则,生成一个新的分割图。经实验表明,该方法与Kmeans-SLIC(simple linear iterative clustering)算法和GBS算法等相比,很好地解决了欠分割现象,并产生了分割精度较高的语义分割图。     

一种舰船目标一维距离像识别的新方法

提出了一种基于傅里叶-梅林变换和二叉树支持向量机相结合的舰船目标一维距离像识别方法。该方法充分利用了傅里叶-梅林变换具有的时移与尺度不变性和支持向量机在小样本分类中的优势,可以改善目标的特征稳定性,提高识别性能。针对多类舰船目标的识别,提出采用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成了多类支持向量机,减少了分类器数量和重复训练样本的数量。对4类舰船目标仿真实验的结果表明,该分类方法具有较高的识别性能、较快的识别速度。     

假目标配置数量模型及其效费比分析

在现代战争中,示假伪装的地位越来越重要。引入了真假目标的发现识别概率的指数分布模型,综合考虑作战时间、真假目标价格比等因素,确定战场生存能力和配置假目标成本两个目标函数,并以最小加权偏差法确定两者权重,建立基于多目标决策的假目标配置数量模型。最后结合实际问题,将各参数条件带入模型计算出假目标的最佳配置数量,同时利用假目标的效费比模型进行检验分析,从而为战时假目标配置数量的确定提供参考依据。     

异构资源类型下多无人机任务分配

针对多无人机在执行侦察、打击任务的过程中携带任务资源的异构性,以及任务对于异构资源的要求,设计了一种改进的基于共识的捆绑算法(consensus-based bundle algorithm, CBBA)。考虑任务价值、任务执行时间窗以及航程代价等条件建立了多无人机对地目标侦察、打击任务分配模型。利用K-medoids聚类分析方法对多无人机进行基于距离和携带资源平衡的聚类,以解决多无人机对于异构资源类型的要求。对打击任务进行子任务生成,并利用改进后的CBBA求解所建立的任务分配模型,通过对比仿真实验验证了算法的可行性和有效性。     

改进cell密度聚类算法在空战目标分群中的应用

针对传统聚类算法对流形分布数据聚类效果差,且实时性不高的缺点,提出改进基于cell的密度聚类(Cell-Based density Spatial Clustering of Applications with Noise, CBSCAN)算法解决实时空战目标分群问题。通过分析空战态势参数,建立了空战目标分群通用模型,将目标分群转化为聚类问题。通过改进CBSCAN算法的簇类扩展方式,建立基于改进CBSCAN算法的目标分群模型。通过仿真实验,对比分析了K-means、最大期望算法、密度峰值算法、密度聚类算法、CBSCAN算法和改进CBSCAN算法在30种作战态势下的分群准确性和实时性,结果表明:改进CBSCAN算法可以在编队数目未知和目标流形分布的条件下,对多目标编队进行正确分群,且实时性较原始算法提高约30%,具有实际应用价值。