多站空情航迹优化及分类指挥决策方式研究

空情是防空指挥的依据,本文提出了集团军防空兵利用本级多站空情,优化二次空情航迹的Fourier分析法,通过处理S项后的高频项,分离干扰等“噪声”过程,为反空袭指挥决策提供合理空情。当大批空中目标来袭时,依据处理的多批多站空情,集团军防空兵如何实现新的分类指挥,在文[1]基础上,本文引入等混合聚类法这一新的批次分类模式,对批次多因素分类,此法控制参量多、收敛速度快,使分类指挥决策的时效性得到提高,并结合示例计算与对比。     

网络中心战对未来指挥控制过程的影响

随着网络中心战的出现,指挥与控制将越来越重要,指挥与控制可为决策者提供必要的信息,使态势评估、制定计划和执行任务更容易,指挥官实施的影响指挥控制的程序称之为指挥控制过程.在简述指挥控制过程作用的基础上,分析了当前典型的3个指挥控制过程模型,结合当前的指挥控制方法阐述了网络中心战给未来指挥控制过程带来的机遇和挑战.     

战场指挥控制时效性影响因素分析

决策者完成指挥控制任务的时限受多种因素影响,对这些因素的解析化分析,有助于指挥信息系统设计及指挥控制任务的分配。以OODA指挥控制模型和Endsley态势感知模型为背景,在对态势信息进行量化的基础上,提出战场态势信息量、提供给决策者的态势信息量、态势感知速度、决策者动作时间和态势信息有效期等影响决策者完成指挥控制任务的时限的参数。用推导和仿真计算的方法分析了各参数间的相互关系及其对指挥控制过程时效性的影响。     

雷达网探测多批目标的分类指挥决策模型

当目标数量超过单部雷达的处理容量和指挥员的指挥容量,无法保障正常的空情处理时,如何合理分配雷达网所属雷达的探测任务,保证作战任务的完成,是值得深入研究的问题.为解决这个问题,提出了分类指挥的方法;分析和量化了目标的威胁指数,以此通过模糊聚类方法对目标进行分类;根据各雷达的性能、功能和特点,对雷达网所属雷达进行分类;分析和量化了雷达类和目标类的匹配指数,以此建立雷达网探测多批目标的分类指挥决策模型.     

面向文书的情报关键信息抽取算法

文书是作战指挥过程中,流转各类重要信息的主要媒介。随着大量信息化武器装备的使用,指挥过程中需要处理的数据量激增,带来较大的文书编写及阅读理解工作量。同时,以自然语言为主的文书内容,无法很好地与基于格式数据的指挥控制系统结合,迫使作战人员充当编码/解码器,降低了指挥控制效率。因此,提出一种以BERT+BiLSTM+CRF为基础的情报文本关键信息抽取算法,自动抓取情报文本中的要素、时间、地域、动作、属性等关键信息,将情报文本转换成格式化信息数据,减轻作战人员读取信息、录入信息的工作量,并为指挥信息系统下游业务提供支撑数据,使文书内容可以更好地转换为指控系统所需格式数据,提高各类信息流转效率。     

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.     

大数据在信息作战指挥决策中的运用

针对信息作战指挥决策中大数据的运用问题，通过对大数据的海量信息检索能力、交叉复现的分析能力、“全信息”运算能力、智能决策执行能力的研究，提出了大数据为其提供按需订制的情报信息、多元多维的决策视角、动态实时的决策支持、智能自主的决策方式的观点，初步探索了大数据在信息作战指挥决策中的运用，对将大数据引入信息作战指挥决策具有十分重要的指导意义。     

军事情报文本分类中的维数约减技术

为保证军事指挥决策的质量和速度、提高军事情报文本的分析能力,高效率的自动文本分类成为其中的重要技术.描述了文本分类所面临的高维稀疏文本空间和维数灾难等问题,综述了各种寻找最优和次优子集的特征选择技术和以主成分分析、Fisher判别分析、潜在语义索引等为代表的特征抽取技术,并指出了目前存在的技术问题和未来的工作方向.     

基于K-means聚类与NSCT的图像融合算法

传统的基于NSCT的图像融合算法,通常是对原始图像进行NSCT变换,然后进行不同尺度系数的融合,没有对原始图像进行针对性的分析.对此,提出了一种基于K-means聚类的图像融合算法.利用K-means聚类对图像中具有不同特征的目标进行分类,对分类后的图像进行NSCT分解得到低频和高频子带系数.根据分类图像的特点,采用自...     

基于灰色聚类的信息作战指挥协同效能评估

在立足于作战指挥理论的基础上,分析了信息作战指挥协同要素,研究了信息作战指挥协同要素与指挥协同能力之间的映射关系,设计了信息作战指挥协同效能指标体系,利用基于中心点的三角白化权函数对各级指标进行灰色聚类评估。评估结果表明,针对查找信息作战指挥协同活动中存在的短板所提出的改进建议,具有一定的参考价值。     

Modeling of unsupervised knowledge graph of events based on mutual information among neighbor domains and sparse representation

Text event mining, as an indispensable method of text mining processing, has attracted the extensive attention of researchers. A modeling method for knowledge graph of events based on mutual information among neighbor domains and sparse representation is proposed in this paper, i.e. UKGE-MS. Specifically, UKGE-MS can improve the existing text mining technology's ability of understanding and discovering high-dimensional unmarked information, and solves the problems of traditional unsupervised feature selection methods, which only focus on selecting features from a global perspective and ignoring the impact of local connection of samples. Firstly, considering the influence of local information of samples in feature correlation evaluation, a feature clustering algorithm based on average neighborhood mutual information is proposed, and the feature clusters with certain event correlation are obtained; Secondly, an unsupervised feature selection method based on the high-order correlation of multi-dimensional statistical data is designed by combining the dimension reduction advantage of local linear embedding algorithm and the feature selection ability of sparse representation, so as to enhance the generalization ability of the selected feature items. Finally, the events knowledge graph is constructed by means of sparse representation and l₁ norm. Extensive experiments are carried out on five real datasets and synthetic datasets, and the UKGE-MS are compared with five corresponding algorithms. The experimental results show that UKGE-MS is better than the traditional method in event clustering and feature selection, and has some advantages over other methods in text event recognition and discovery.     

无监督特征学习的人体活动识别

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。     

稀疏平衡变分自动编码器的文本特征提取

针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型.为消除噪声干扰,提高文本特征提取模型的鲁棒性,在文本特征提取的输入...     

低分辨雷达的目标特征提取方法

基于现役低分辨警戒雷达 ,研究了进行目标分类和识别的途径 ,提出了基于波形特征和时间谱信息的目标分类和识别方法 ,试验分析了基于目标波形信息的特征 ,得出目标波形信息可用于目标识别的结论。现场试验表明 ,该方法对目标大小分类和架次识别有好的效果。     

小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。     

一种视频引信引爆时机控制方法的硬件实现

提出了一种结构简单、命中率高的视频引信设计方案,该引信根据目标在摄像机视场中视频图像序列中的相对位置关系来确定引爆时机.对其中信息处理单元进行了硬件和软件设计,并在实验室条件下,模拟实际作战应用时图像特点,对设计的实验板进行了验证.实验结果表明,单片机软件工作可靠,该方案切实可行.     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

基于LPC残差用频域法来实现基音周期变换

基音周期变换是文—语转换和语音转换的重要内容。在语音转换中有很多作者主张基于LPC分析来实现语音转换,通过直接或间接调整LPC系数来实现频谱包络的转换,而基音周期的转换则通过对LPC激励谱或LPC残差的处理来实现。提出对LPC残差用频域法来进行处理,得到改变了基音周期的LPC残差,从而实现语音的基音周期的变换。这种方法也可以用于文—语转换的基音周期改变中。     

基于多特征的图象目标识别分类

文中研究将多特征信息融合技术用于图象目标识别分类的方法,利用图象灰度表面的分形特征与图象的摘特征（非分形特征）所提供的信息进行融合处理,在决策层中运用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论,并使用决策规则对目标进行分类。在实验中,将经过信息融合分类的结果与单特征独自分类的结果进行比较。结果表明,多特征信息融合的目标识别方法具有良好的稳定性,准确性和可靠性,能够有效地提高图象分类识别系统的精确度与容错性。