面向无人驾驶的野外道路可通行区域检测

针对野外非结构化道路中存在的环境背景复杂、道路类型多变、没有清晰车道线、没有规则道路边界等难点,提出一种基于语义分割的可通行区域检测方法。对所选取的数据集进行处理,将数据集标注为可通行区域、难通行区域、不可通行区域、天空4种类型;应用双边语义分割网络Bisenet进行4种类型的分割;再应用C-均值聚类算法进行可通行区域部分的提取以及二次分割,进而实现更精细的可通行区域检测。通过验证,该方法具有良好的检测效果,平均交并比达到78%,高于传统的方法。在野外道路无人驾驶方面具有一定的实际应用价值。     

装备技术体系网络建模与结构优化方法

针对装备技术发展管理的重用度和冗余度问题,研究了体系网络建模与结构优化方法。将装备技术抽象为节点,技术关系抽象为边,提出了基于装备技术描述属性框架和技术关系分析的体系网络建模方法;将3种经典的网络社团探测方法应用于装备技术聚类,通过比较评估指标,生成了技术聚类优化方案;基于加权网络中心度算法,识别了对体系冗余影响最大的装备技术。以包含235项激光武器装备技术的技术体系为例,验证了方法的有效性,总结了体系结构的优化结论。     

一种应用聚类技术检测网络入侵的新方法

基于聚类技术提出了一种能处理不带标识且含异常数据样本的训练集数据的网络入侵检测方法。对网络连接数据作归一化处理后 ,通过比较数据样本间距离与类宽度W的关系进行数据类质心的自动搜索 ,并通过计算样本数据与各类质心的最小距离来对各样本数据进行类划分 ,同时根据各类中的样本数据动态调整类质心 ,使之更好地反映原始数据分布。完成样本数据的类划分后 ,根据正常类比例N来确定异常数据类别并用于网络连接数据的实时检测。结果表明 ,该方法有效地以较低的系统误警率从网络连接数据中检测出新的入侵行为 ,更降低了对训练数据集的要求。     

语义视角下基于大数据分析的装备体系评估研究

针对传统装备体系评估方法在复杂体系结构建模、解析评估方法设计、大型模拟仿真计算等方面存在的问题,尝试将大数据分析应用到装备体系评估中。从语义角度研究了基于大数据分析的装备体系评估,在设计评估框架的基础上,分析装备体系评估中的语义问题,提炼其中的关键技术,分析各关键技术路线;通过数据挖掘和知识发现等相关技术分析海量多源异构的装备数据,得出装备体系能力及能力的度量,为实现基于大数据分析的装备体系评估提供理论基础和技术框架。     

一种面向语义正确性的关系数据库访问方法

从异构关系数据源中获取语义正确的信息是当前利用数据资产辅助决策所面临的一大难题.为解决这一问题,提出了一种研究面向语义正确性的关系数据库访问方法(SCORDA).SCORDA方法采用DL -LiteNOWL本体作为支持数据访问任务的概念视图,在本体的表达能力和推理复杂度之间做了一定折中;SCORDA方法通过LAV+ GAV的映射方式建立本体与关系数据源之间的语义关联,兼顾了模式异构和阻抗失配问题;此外,SCORDA方法采用了一种动态ABox结构,即时从异构关系数据源中恢复虚拟对象,并且利用动态ABox进行实例检测推理任务,通过本体的模型语义来保证数据访问的正确性.通过原型系统验证了该方法的可行性.     

基于多粒度多语义语言判断矩阵的群决策方法

在基于语言判断矩阵的群决策中,多个决策者可能会使用不同粒度不同语义的语言评价集表达自己的偏好。针对此问题,提出了将多粒度多语义语言评价集统一转化为基本语言评价集上二元语义的一致化方法,证明该方法能够实现信息无损的转换,且转换后语言判断矩阵性质不会改变。在此基础上,基于二元语义的相关集结算子,将二元语义信息集结为群体的判断。通过一个实例验证了方法的有效性和实用性。     

集对分析联系度聚类方法在信息分类中的应用

常见的各种聚类方法在遭遇稀疏数据信息的状况下是无法使用的.提出了一种基于集对分析联系度的聚类方法.它借用集对分析的联系度,对稀疏数据矩阵进行同异反特征分类,给出了符合一定概率分布的同异反特征数,并由此给出了同异反距离的计算方法.求出距离矩阵后根据距离聚类方法给出聚类结果.最后给出了该方法在信息分类中的实际应用,证实了方法的可行性、合理性和应用性.     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.     

基于证据网络的空间信息支援体系能力评估模型构建

针对空间信息支援体系能力评估中信息存在多种不确定性的问题,采用基于证据网络的方法开展建模研究。利用因果图方法进行证据网络结构建模,建立有向无环图;利用条件信度参数方法进行证据网络参数建模,表征节点之间的定量化关联关系;最后,以空间导航定位体系能力评估为案例,建立相应的证据网络模型,并与贝叶斯网络建模方法进行了对比分析。结果表明:证据网络能够处理空间信息支援能力评估中的认知不确定,验证了所提出方法的正确性和有效性。     

基于OWL本体扩展的视频语义内容分析

随着可获得视频数据的快速增长,迫切需要有效的方法在语义层理解和管理视频数据。对OWL语言进行扩展,提出了V-OWL本体描述框架,支持视频内容蕴含的时空关系和不确定性关系的建模,使用基于贝叶斯网络的B-图描述模型,将V-OWL本体概念、关系映射为B-图中的节点、边,利用贝叶斯网络训练推理算法实现视频高层语义的自动推理发现。实验结果显示,V-OWL本体描述框架对复杂视频内容具有很好的描述能力,基于V-OWL的视频内容分析框架对视频高层语义探测具有较高的查准率和查全率。     

垃圾评论自动过滤方法

针对互联网上存在的大量垃圾评论,提出一种基于电阻网络的垃圾评论检测方法,该方法用电阻距离来度量评论之间的上下文语义相似性,把整个评论数据表示成一个电阻网络,把垃圾评论当作该网络上的语义离群点来处理,根据网络节点对电阻网络平均电能消耗的影响,建立电离群因子来度量数据的离群程度,以此来识别垃圾评论。实验证明了该方法的有效性,在多个数据集上取得了较好的效果。     

舰炮制导炮弹技术风险评估

针对技术风险评价中信息的模糊性和不确定性,提出了舰炮制导炮弹技术风险的灰色聚类评价方法。首先将舰炮制导炮弹研制方案的关键技术进行分解,确定综合评价指标,得到各指标的属性值;然后按照综合评价要求划分灰类,建立白化权函数;最后结合权重采用灰色聚类综合评价方法获得各关键技术所属风险级别及研制方案的综合技术风险值。算例表明,灰色聚类评价方法可将技术风险评价中的模糊和不确定信息定量化处理,能够有效地对舰炮制导炮弹的技术风险进行评价。     

无人机集群社团网络弹性重构研究北大核心

无人机集群作战是未来战争的新型作战样式。无人机集群网络弹性重构能力,是评价无人机集群体系作战效能的关键指标。剖析了无人机集群网络弹性重构机理;设计了无人机集群社团网络模型,提升了网络连通性;针对无人机集群遭受恶意攻击网络性能急剧下降的情况,提出了信息网络交互能力最低阈值,并优化了集群网络性能失能阶段的弹性评估方法;最后,通过仿真建模对比分析,不同规模下网络的平均最短路径、信息交互能力、网络聚类系数等参数,在集群网络遭受多种类、多规模的毁伤下进行重构,评估对网络弹性的影响。实验结果表明,建立的模型具备更高的弹性。研究成果可提升无人机集群应对复杂扰动的能力,为无人机集群的多任务规划提供理论指导。     

顾及时空语义的多主题瓦片数据优化检索方法

针对虚拟地球可视化中多个逻辑图层叠加产生大量同名瓦片索引重叠引起的数据无效访问和内存冗余等问题,提出顾及时空语义的瓦片数据优化检索方法。在客户端实现顾及时空语义的自适应瓦片优选,将视点信息与数据集的时空范围、分辨率和优先级等语义信息自动匹配与自适应筛选过滤,显著提高目标瓦片数据的命中率;在服务器端实现面向主题的内存数据库瓦片数据缓存,进一步提高瓦片数据二次访问的响应速度。实验表明,该方法不受逻辑图层增量影响,保证目标瓦片较高的命中率,缓存方法进一步提升瓦片二次访问效率,显著提高面向多数据集的海量数据实时可视化性能。     

多特征融合文本聚类的新闻话题发现模型

融合新闻命名实体、新闻标题、新闻重要段落、文本语义等多特征影响,提出基于多特征融合文本聚类的新闻话题发现模型。模型根据新闻的多特征影响,提出一种多特征融合文本聚类方法。该方法针对新闻标题、新闻重要段落等特征因素构建向量空间模型及相似度算法,基于潜在狄利克雷分配模型构建主题空间模型及相似度算法,针对命名实体构建命名实体模型及相似度算法,并将三种相似度算法形成最优融合。基于多特征融合文本聚类方法,模型改进了用于新闻话题发现的Single-Pass算法。实验是在真实新闻数据集上开展的,实验结果表明:该模型有效地提高了新闻话题发现的准确率、召回率和综合评价指标,并具有一定的自适应能力。     

基于自注意力和类监督的遥感图像跨模态检索

针对智能化联合作战场景中,情报分析人员对海量无标签遥感图像进行信息检索时面临的大数据问题,提出适用于遥感图像的文本-视觉跨模态检索技术框架,并对其中核心的跨模态检索模型进行针对性改进,构建一种基于自注意力模块和类监督约束联合训练的深度学习模型。通过引入类监督指导的全局-局部视觉特征提取模块、主导语义掩码建模的文本特征提取模块,以及融合文本-视觉语义信息的交叉提取模块,提升检索效果,实现在无图像描述标签情况下的文本-视觉跨模态语义检索。公开数据集上与相关算法的对比实验,证明该方案的先进性与可行性。     

基于K-means和AGNES的未知二进制协议聚类

协议的聚类是协议分析中一个重要的环节,为实现对未知二进制协议高效聚类,提出了一种基于K-means聚类和AGNES的未知二进制协议聚类方法。在对获取的二进制协议比特流进行数据预处理的基础上,先采用K-means算法对比特流数据进行初步聚类,再通过误差平方和、Calinski-Harabasz分数值和轮廓系数确定k值,最后选择AGNES算法将未知二进制协议比特流划分为不同的二进制协议子集。方法有效结合了K-means和AGNES算法的特点,降低了时间复杂度的同时提高了聚类的精确度。对实验数据集的测试结果验证了所提方法的有效性,较为准确地确定了k值,聚类精确度达到了98%。     

细粒度预警装备领域知识图谱本体构建

针对预警装备领域知识图谱构建中数据组织非结构化、实体关系刻画不够细致、知识表示缺乏规范化表达等问题,基于Protégé本体构建工具,首先,将预警装备体系自上而下分为装备原理知识类、管理保障资源类和装备操作运用类等,并进行细化梳理,定义概念类并划分层次关系,提取出具体装备信息中的实体、属性、关系等知识单元;然后,对预警装备领域知识进行建模,探索出科学完整的细粒度预警装备知识表示框架,并以“远程预警相控阵雷达”为例,进行本体实例填充和可视化;最后,基于本体描述语言对预警装备本体进行了形式化表示。该本体为构建基于多源高质量数据的领域知识图谱奠定了语义基础,对实现大数据背景下装备能力画像、发展态势分析、装备故障诊断与健康状态管理等装备智能化管理保障和作战运用具有一定的实践指导价值。     

备件保障效能动态评估方法

针对目前效能评估方法多重视效能指标的静态观测值，对时序状态数据所蕴含的趋势信息关注较少的缺点，提出基于灰色聚类-粗糙集和集对分析的备件保障效能动态评估方法。针对主客观赋权方法各自的优缺点，引入依赖度和重要度的概念，建立灰色聚类-粗糙集组合赋权模型；将指标权重引入集对理论，提出集对同势、均势和反势的定义，描述备件保障效能的变化规律，构建基于马尔可夫链的集对分析动态模型。实例分析结果表明，该方法可以有效反映备件保障效能的动态变化特征，为决策者制定备件保障长期计划提供科学依据。     

基于软聚类的模糊类语言模型

基于类的语言模型被认为是解决数据稀疏的有效方法。众所周知,自然语言中存在着大量一词多义、一词多性的现象,这在传统基于硬聚类的词类划分下无法表达。而基于软聚类的类语言模型采用大数定律,依然没有摆脱在最终计算时一词一类的思维模式。为解决此类问题,基于词的软聚类,结合模糊数学,提出了词的隶属度,以及基于隶属度的模糊类语言模型。该模型提高了传统类语言模型对训练语料中历史信息的利用率,较基于词的语言模型能给未出现词对提供更多的类内参考数据。设计了一个小语料集的实验,结果表明在数据稀疏条件下,较传统的类语言模型有更好的效果。