一种新的k-means聚类雷达信号分选算法北大核心

针对传统k-means聚类算法在雷达信号分选中应用存在的不足,提出了一种基于数据场和灰关联分析的k-means聚类雷达信号分选算法。该算法首先根据数据场理论计算所有数据样本的势值,寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,局域势值最大值个数作为聚类数目;然后用灰关联度代替欧式距离来判断数据样本间相似性。该算法能够自动获取初始聚类中心和聚类数目,对频率捷变雷达具有较好的分选效果。仿真结果验证了算法的可行性。     

一种新的k-means聚类雷达信号分选算法

针对传统k-means聚类算法在雷达信号分选中应用存在的不足,提出了一种基于数据场和灰关联分析的k-means聚类雷达信号分选算法。该算法首先根据数据场理论计算所有数据样本的势值,寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,局域势值最大值个数作为聚类数目;然后用灰关联度代替欧式距离来判断数据样本间相似性。该算法能够自动获取初始聚类中心和聚类数目,对频率捷变雷达具有较好的分选效果。仿真结果验证了算法的可行性。     

一种基于数据场聚类的雷达信号分选算法

针对传统聚类算法在雷达信号分选中存在的一些问题,提出了一种基于数据场聚类的信号分选算法。首先所有数据样本经过归一化计算,根据数据场理论计算样本的势值,通过寻找极大值点及其个数确定初始聚类中心和聚类数目,之后重新计算聚类中心。通过对频率捷变雷达的实验仿真,验证了算法的有效性。     

海量电磁数据中雷达信号的高效分选方法

针对海量电磁数据中雷达信号难以进行快速准确分选的问题,提出一种新的聚类分选方法,即改进k-means算法的Map Reduce并行化实现方法。通过引入初始聚类中心个数k1、最大聚类中心个数kmax和距离门限rt3个参数,克服了k-means算法需要事先确定k值和易受孤立点影响的局限;基于Hadoop平台实现了对改进k-means算法的Map Reduce并行化,克服了k-means算法串行实现时间复杂度高的局限。最后,实验表明改进k-means算法取得了更高的分选准确率,Map Reduce并行化后具有良好的加速比和扩展性,能够很好地对海量电磁数据中雷达信号进行高效分选。     

基于相似性传播聚类的灰度图像分割

基于k-Means等聚类算法的图像分割对聚类中心的初始选择敏感,可靠性差.为避免初始聚类中心选择的影响,将相似性传播聚类用于灰度图像分割.另外,为降低该聚类算法输入相似度矩阵的计算时间复杂度.提出用待分割图像中出现过的灰度值代替像素点作为数据点进行聚类.实验结果表明,与基于k-Means聚类的分割算法相比,该算法不需要预设聚类中心,可靠性更高.     

一种新的基于网格聚类的雷达信号预分选算法

雷达信号分选一直是雷达对抗情报处理中的难题,将网格聚类应用于雷达信号预分选,针对现有网格聚类需要输入网格划分、网格边界处理精度低等问题,提出一种新的基于网格聚类的雷达信号预分选算法.该算法根据网格数据压缩率自适应确定网格划分和密度阈值,并对网格边界进行优化处理.仿真实验表明,该算法能有效适用于雷达信号预分选,且有较强的抗噪声能力.     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.     

SVC和SOFM组合聚类的雷达信号预分选方法

由于采用单一聚类方法对雷达信号聚类分选中,存在一定的问题。为了克服单一聚类的缺点,并利用其优点,提出了采用组合聚类的方法对雷达信号进行聚类分选。在分析了自组织特征映射网络(SOFM)与SVC的原理的基础上,利用SOFM和SVC的优点,设计了一种SOFM与SVC组合聚类的方法,实现对雷达到达角(DOA)数据的聚类分选。理论分析与实验仿真表明,该方法能够克服噪声的影响,与有先验信息条件下的K均值聚类结果相比,取得了较好的聚类分选结果。     

一种改进的电子情报分析模型

电子情报的分析处理,对提高电子对抗作战效能意义重大。综合运用聚类算法和分类算法构建了一种改进的电子情报分析模型。该模型首先通过基于粗糙集改进的k-means算法完成对记录数据库中雷达信号的聚类分选,选取聚类中心信号表征此类信号;再采用粗糙集提取有效的最优规则并用于聚类中心脉冲识别,从而分选出已知信号和未知信号;未知信号确定其特性后添加到已知威胁雷达数据库。通过仿真,验证了该模型的适用性和有效性。     

改进加权SVC的雷达信号分选新方法

目前基于多参数的雷达信号聚类分选方法得到了广泛应用,但是当雷达信号严重交叠时,存在正确率不高的问题,为此,在支持向量聚类和分层互耦的分选算法基础上,首先利用变精度粗糙集对标准化的雷达信号数据进行加权处理,然后通过分析聚类分选结果构建有效性评价模型,确定最佳的聚类分选参数。仿真表明,当雷达信号数据严重交叠时,相比原始方法,改进的方法正确率显著提高,证明了方法的有效性。     

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。     

初始误差和制导工具误差估计的非线性方法

准确估计初始误差和制导工具误差是机动发射飞行器精度鉴定必须解决的重要问题之一,提出了一种基于非线性模型的误差估计新方法。给出了平台初始失准角向定向误差的转换方法,采用不动点迭代法实现真实视加速度的精确计算,将真实发射系的轨道参数表示为初始误差和工具误差的非线性函数,结合外测数据建立了同时估计初始误差、工具误差、外测系统误差、遥外测时间零点偏差的非线性模型,避免了初始误差的线性化近似。给出了Bayes极大后验估计方法,利用非线性模型和先验信息获得误差的最优估计,证明了估计方法的收敛性。仿真结果表明,所提方法提高了初始误差和工具误差的估计精度,并实现了测量数据的自校准。     

Optimal staffing in nonstationary service centers with constraints

This paper considers optimal staffing in service centers. We construct models for profit and cost centers using dynamic rate queues. To allow for practical optimal controls, we approximate the queueing process using a Gaussian random variable with equal mean and variance. We then appeal to the Pontryagin's maximum principle to derive a closed form square root staffing (SRS) rule for optimal staffing. Unlike most traditional SRS formulas, the main parameter in our formula is not the probability of delay but rather a cost‐to‐benefit ratio that depends on the shadow price. We show that the delay experienced by customers can be interpreted in terms of this ratio. Throughout the article, we provide theoretical support of our analysis and conduct extensive numerical experiments to reinforce our findings. To this end, various scenarios are considered to evaluate the change in the staffing levels as the cost‐to‐benefit ratio changes. We also assess the change in the service grade and the effects of a service‐level agreement constraint. Our analysis indicates that the variation in the ratio of customer abandonment over service rate particularly influences staffing levels and can lead to drastically different policies between profit and cost service centers. Our main contribution is the introduction of new analysis and managerial insights into the nonstationary optimal staffing of service centers, especially when the objective is to maximize profitability. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 615–630, 2017     

规则空间下基于MRFC-Vicsek模型的集群控制

针对规则空间下集群运动问题,开展了基于多区域模糊控制(MRFC)-Vicsek模型的集群控制方法的研究.考虑到仿生集群在运动时的行为准则,首先建立了包括避碰层、一致层、内聚层、连通层在内的多区域Vicsek模型.其次,通过模糊规则将不同区域个体数量和集群拥挤程度转化为对中心个体的影响权重,再结合规则空间内边界对个体的影...     

扩展时差直方图方法研究

论述了扩展时差直方图的原理和基本方法 ,以三站时差定位系统为例 ,介绍了基于参数分割的扩展时差直方图方法的应用 ,并与传统的时差定位系统信号处理方法进行了比较 ,指出扩展时差直方图方法实现实时处理的有效途径     

舰船辐射噪声对声纳作用距离影响的不确定性研究

为了研究目标舰船辐射噪声对声纳作用距离产生的影响,用蒙特卡洛方法对目标航速进行模拟。通过经验公式得出舰船的辐射噪声级并进行统计分析,得出舰船辐射噪声的概率分布直方图,由此可以导出被动声纳作用距离的概率分布直方图。相对于传统的声纳作用距离预报结果,该方法给出的作用距离预报结果是一个满足某一分布的随机变量,而非一个确定的值,为作用距离的预报提供了概率的依据,为艇指挥员的决策提供了定量信息。同时,通过计算得出舰船航速的均方差与声纳作用距离的均方差基本成线性递增关系。     

基于LDA算法的一维距离像特征提取

在线性分辨分析(LDA)基础上,通过遗传算法寻找Fisher准则下最优的线性映射中心和相应的最优映射,使不同模式在特征空间内具有最大的可分离性,并将该算法用于雷达目标一维距离像特征提取与识别中。实验表明,和原算法相比,新算法在特征提取性能和目标正确识别率上有较大提高,说明了算法的有效性。     

混合遗传算法及其在运载火箭最优上升轨道设计中的应用

运载火箭最优上升轨道设计问题是一类终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时收敛性差、局部收敛等问题表现得比较突出。针对上述问题,将具有良好全局收敛性的遗传算法应用到运载火箭最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合遗传算法和单纯型算法的优点,设计了两种混合遗传算法。计算结果表明,所设计的混合遗传算法是求解复杂问题的有效全局优化方法,可以成功地解决一类终端时刻可变飞行器最优控制问题。     

一种改进的Mean-shift目标跟踪算法

提出了一种利用多帧图像中目标区域颜色直方图特征信息的Mean-shift目标跟踪算法,该算法以Mean-shift为核心,在对目标模板建立特征模型时,不仅考虑了前一帧的目标区域的颜色直方图,而且将前数帧中目标区域的颜色直方图通过加权一起考虑,从而提高了跟踪的稳定性。     

消防模拟训练操作规程设置探究

近年来,随着各地培训基地的建立和发展,全国建成的模拟训练设施逐年增多,模拟实战训练被逐渐提到议事日程。但是,各地开展模拟设施训练相对较少,训练的操作规程还不完善,大都处于摸索探究阶段。针对广东总队培训基地开展模拟训练情况进行分析,对模拟训练科目的设置原则,操作规程编写内容及要求、考核标准的确定进行了探究,并对今后模拟训练的科学有效开展提出参考建议。