多目标决策中基于遗传算法的方案排序分析

分析了常规多目标决策的一般过程,提出在进行方案排序综合时,应充分利用已得到的信息,据此建立了非线性规划模型,并引入遗传算法对规划模型进行求解.通过对实例进行分析,得出这种方法能充分利用集结后的信息,得到较为可信方案排序的结论.     

分布式多传感器多目标跟踪融合算法

在多传感器多目标跟踪系统中,通常采用分布式融合方法和集中式融合方法。分布式融合方法具有结构简单、计算量小等优点,采用分布式融合方法更为广泛。对分布式多传感多目标跟踪融合方法、关联和估计算法进行了分析和综述,并重点讨论了传统的关联算法和神经网络、模糊技术关联算法,指出了有待进一步研究的方向。     

高超音速流场的隐式TVD格式并行计算

本文采用区域分割技术和拼接网格的并行策略，发展了一个适合于分布式存贮多机系统的ＴＶＤ隐式有限体积并行算法；并在ＰＶＭ并行环境下，对三维高超音速绕流流场实现了多机并行计算，通过负载平衡等方法得到了较高的加速比（在二处理机系统上加速比为１∶８４，在四处理机系统上为３∶４４）。     

硬盘多分区启动菜单的简单制作

此文是《硬盘多分区法》(发表在本刊99年第l期)的姊妹篇。前文介绍了怎样在一个硬盘上建立多个主分区(PRI—DOS)，用于安装不同的操作系统。对于多分区硬盘，如果没有一个分区启动菜单，启动分区的切换只能靠FDISK命令激活相应分区来完成。     

基于小波变换和数据融合的多导联ECG信号QRS波群精确检测算法

本文首先对单导联心电图（ Ｅ Ｃ Ｇ）信号的小波变换进行假设检验，得到 Ｑ Ｒ Ｓ波群的位置和检验的虚警漏报概率，然后对 １２ 导联检测结果作峰点比对融合和决策加权融合处理，最终得到精确的 Ｑ Ｒ Ｓ位置。实验表明这种方法对各种主要病症的 Ｑ Ｒ Ｓ波群均能准确检出，正确率在 ９９９５％ 以上。     

密集回波环境下的一种交互式多模型算法

利用神经网络算法对基于机动目标“当前”统计模型的均值和方差自适应滤波算法进行修改 ,提高该算法的性能 ;然后与匀速模型交互作用 ,利用概率数据关联处理密集回波环境下机动目标的跟踪问题 ,这样既保持了对强机动目标的跟踪性能 ,同时又提高了对弱机动目标的跟踪精度。仿真结果证明该算法确为一种非常有效的方法     

多传感器信息融合理论在无人机相对导航中的应用

为提升无人机的作战效能和作战指标,提升无人机的相对导航精度和导航系统可靠性,以无人机编队的相对导航系统为研究背景,基于容积卡尔曼滤波算法和信息滤波算法,研究容积信息滤波算法。此外,还采用多传感器信息融合理论,利用分布式信息融合结构构建了无人机相对导航滤波器,对来自惯导、视觉和卫星的信息进行融合,获取无人机间的相对位置、速度和姿态信息。该方法提升了无人机相对导航的导航精度、导航可靠性和滤波稳定性,容积信息滤波算法的应用避免了传统滤波算法在高维系统中出现的数值不稳定以及精度降低等问题。数学仿真结果表明,该方法提高了无人机编队之间相对导航的精度和可靠性,证明了算法的有效性。     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。     

单矢量水听器水中多目标方位跟踪方法

采用量子粒子群求解声压和质点振速组成的非线性相关方程组,实现多目标声源方位的估计。为提高精度,应用最小二乘法对测量结果进行拟合并建立预测模型,通过卡尔曼滤波对方位轨迹进行优化。结果表明:单矢量水听器能够同时分辨多个目标方位,解算结果应使用统计特性表示;采用本方法最多能分辨7个目标,目标个数越多,方位误差越大;信噪比越高,分辨率和精度越高,偏差越小;通过数据拟合然后卡尔曼滤波的方法能够有效提高目标方位跟踪精度。     

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。