基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

多核贝叶斯优化的模型决策树算法

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。     

空地协同效能反馈的无人车目标捕获策略研究

针对无人车光电设备对复杂环境下目标搜索捕获存在时间长、效率低等局限性问题,提出了基于空地协同效能反馈机制的无人车目标捕获方案,研究了基于效能反馈机制的改进贝叶斯理论捕获策略,基于无人车一定装备数量条件下,根据无人机协同搜索的信息,以时空覆盖率和满足目标信息准确率为反馈条件,动态闭环更新目标搜索捕获策略。仿真结果表明,该算法有效缩短了无人车对目标的搜索捕获时间,提高了搜索捕获效率。     

DDBN的无人机决策推理模型参数学习

针对复杂战场环境下的无人机决策推理模型参数学习的问题,提出基于遗传算法的离散动态贝叶斯网络参数学习算法。该算法将模型网络参数的最大似然估计函数作为遗传算法的适应度函数,在全局进行并行优化搜索,得到最优的网络参数,从而提高了决策推理模型对复杂环境的快速适应。仿真结果表明,该算法可以获得准确的离散动态贝叶斯网络参数,能够有效地解决复杂战场环境下无人机威胁评估问题,为无人机的自主任务决策提供有效的参数保障。     

基于交叉熵和新转移函数的模糊神经网络分类器

针对目前普遍采用的误差平方和准则及Sigmoid转移函数在BP算法应用中存在的缺陷和不足,提出了基于交叉熵准则和新的S型转移函数构建的模糊神经网络分类器,并将这种分类器应用于心肌梗死的定位诊断,结果表明其训练效率和识别性能都明显优于传统的模糊神经网络。     

崇敬朴素

夜来读书,看到这样一件往事,让人颇生感慨。抗战时期,北大、清华、南开三所名校迁到昆明后,成立了西南联大,几年闯竟培养出一大批星光灿烂的杰出人物。自然科学家有杨振宁、李政道、邓稼先、华罗庚;人文禾斗学家有何炳棣、朱德熙、吴晗;文学家有穆旦、汪曾祺……令人疑惑的是在当时极其艰难的环境里,涌现出来的人才竟比三校前20年的总和还要多,这成了中国现代教育史上的一个谜。     

融情方能取心

捧读政工学刊第8期《基层思想政治教育漫谈》一文,如饮甘饴。作者以平实朴素、生动形象的语言,源于实践、管用可学的经验,切中要害、发人深省的思考,让我顿悟＂融情方能取心＂的育兵真谛。     

基于动态贝叶斯网络的无人战车目标威胁评估

针对传统地面目标威胁评估方法考虑目标类型单一、易受人为主观因素影响且多为静态评估的问题,提出一种基于动态贝叶斯网络的无人战车目标威胁评估方法.分析了无人战车作战问题,选取合理的目标特征并进行模糊处理;根据选取的目标特征,结合专家知识,建立了威胁评估的静态贝叶斯网络;基于动态贝叶斯网络理论,将已建立的静态贝叶斯网络扩展为动态贝叶斯网络;最后,结合算例进行了仿真,并将动态评估结果与静态结果进行对比,表明基于动态贝叶斯网络的威胁评估准确率高、鲁棒性强,更适用于高动态强对抗的实际战场环境.     

反舰导弹目标毁伤预测的贝叶斯推断模型研究

导弹反舰作战是一种有效的非对称打击作战样式,目标毁伤预测在其中承担着关键一环.针对现有反舰导弹目标毁伤预测方法在计算代价或样本规模等方面的限制,在贝叶斯网络技术的框架下,提出一种用于目标毁伤预测的贝叶斯推断模型.该模型将导弹反舰作战的突防和毁伤等过程抽象成高层的概率语义,仅需少量样本数据就可驱动模型关键参数的学习过程,在实现目标毁伤预测的同时还附加有发射弹量规划能力.通过实验,验证了模型的可行性与有效性.