表示结构化知识的神经网络模型

研究和设计了一种高度结构化的神经网络模型ＨＳＮＮ,它能方便地对结构化知识进行表示和处理。文中给出了ＨＳＮＮ的设计过程,并讨论了ＨＳＮＮ在继承、非单调推理和信息检索等方面的应用     

等步长目标搜索方法中步长对搜索结果的影响

研究了距离选通水下成像系统中基于等步长的目标搜索方法,给出了基于等步长目标搜索方法的搜索策略和目标存在的判别准则,对等步长目标搜索方法中不同步长对目标搜索结果的影响进行了仿真分析和实验,结果表明了所提出的判别函数和判别准则的正确性和步长对目标搜索结果的影响分析的正确性。     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

基于 Mellin 变换的利用双谱估计进行空中雷达目标识别

作者根据空中雷达目标快速机动的特点,提出了一种利用Ｍｅｌｌｉｎ变换及双谱估计提取目标特征量,应用最近邻（ＮＮ）法则进行综合判决的目标识别方法,并给出了计算机仿真实验结果。结果表明,该方法具有良好的抗噪声能力和较高的识别率。     

地面战场运动目标识别NN-ST专家系统

本文在对现代战争条件下地面战场运动目标性质及特征研究的基础上,根据军事领域专家的经验和多传感器侦察的特点,将动态补偿神经网络模型与时空数据融合模型相结合,构造了地面战场运动目标识别的ＮＮ－ＳＴ专家系统。     

岛屿封锁作战炮兵目标价值排序的优化模型

通过对炮兵目标价值分析与排序的指标体系进行系统分析,在岛屿封锁这一特定的作战样式中选取了六种属性作为目标价值排序的准则,然后根据对各属性的评分,在权重未知的情况下从最优化角度出发,以各方案与理想方案的距离为目标函数建立了目标价值排序的优化模型,并采用拉格朗日乘数法对模型进行求解,得到最终的目标打击顺序.     

使用低分辨率雷达和神经网络进行舰船目标识别

本文研究使用低分辩率下靶区雷达包络线、预处理和神经网络工具进行舰船目标分类的方法。文中使用改进的傅里叶离散梅林变换来提取对雷达姿态角变化不太敏感的某些特征。使用Kohonen的学习矢量量化(LVQ)自组织映射对这些特征矢量进行分类。文中也研究了使用反向传播算法进行训练的前馈网络在目标分类中的应用,并将这一分类系统用于模拟和真实两种数据。对于目标姿态角误差不超过30度的真实数据,分类的正确率高达90％。     

空空导弹三维导引模型和机动目标导引规律研究

给出了三维空间导弹-目标追逃运动的空间矢量方程,在三维空间建立了导弹-目标的追逃运动模型。在目标运动信息完全未知条件下对变速机动目标应用李雅普诺夫稳定性分析方法提出了一种非线性三维制导算法,这种方法在导引末段不需要过大的加速度命令,不需要知道目标精确的加速度和速度方位信息。全弹道六自由度数学仿真结果表明了模型的正确性和制导算法的有效性。     

基于生成对抗网络的空中红外小目标仿真模型

空中红外小目标在目标检测、目标追踪等军事领域有较高的应用价值,但是其获取成本高昂。在WGAN模型中引入降噪算法改善生成图像质量,同时改进Wasserstein距离惩罚项,提出了一种基于生成对抗网络的空中红外小目标仿真模型（IST-WGAN）,在自建空中红外小目标数据集上训练模型,模型生成的红外图像通过主观判别、FID分值和小目标检测算法验证。结果表明,所提模型能够生成有效的红外小目标样本。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

炮兵指挥系统一体化目标分类方法

在对我军炮兵指挥系统的目标分类现状进行分析的基础上,阐述了建立目标分类标准的重要意义.详细说明了目标分类的原则、考虑因素以及方法,参照全军-体化指挥平台的相关要求制定了炮兵指挥系统目标分类的初步方案,为建立炮兵指挥系统目标分类标准奠定了基础.     

基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

基于 MMSE 准则的盲自适应多用户检测算法

基于MMSE准则提出了一种新的盲自适应多用户检测算法 ,分析了该算法的性能并进行了仿真实验。理论分析及仿真实验表明 ,该算法具有较低的复杂度 ,且性能要优于MOE检测器     

基于支持向量机的多传感器空中目标识别研究

针对空中目标识别的复杂性,将支持向量机引入对空中目标的多传感器识别,对其机理进行了详细分析,建立了基于支持向量机的空中目标识别的算法模型.仿真实验的结果表明,该方法具有很好的识别效果,并且是一种能在训练样本很少的情况下达到很好分类推广能力的学习算法.     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

基于Fisher线性判别模型的文本特征选择算法

在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用.本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算.实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势.     

网络中心化决策优势建模及分析*

决策优势能力是判断军事信息系统体系结构设计优劣的一个重要依据。对网络中心化决策优势能力评估进行了研究，给出了决策优势的能力模型，并利用信息熵理论建立了决策知识的数学描述；将信息系统体系结构转换为抽象的决策网络，并根据任务划分和群决策机制自动生成决策子网；建立了基于拓扑结构的网络复杂性模型；综合决策知识和网络复杂性，建立了决策子网和整个决策网络的决策优势能力评估模型。最后，结合应用案例分析验证了方法的有效性。