基于航迹挖掘的船舶行为估计方法及软件实现

船舶活动规律分析尤其是船舶的行为研判问题,一直是研究的难点。聚焦船舶的活动规律分析问题,提出了一种基于大量船舶历史航迹聚类的频繁模式挖掘方法,用于对船舶未来行为进行估计,并给出了软件实现。首先提出航迹的综合相似性度量方法,并介绍基于航迹聚类的频繁模式挖掘含义;其次对经典密度聚类算法进行适应性改造,给出基于综合相似性的聚类算法的实施方法;然后,提取虚拟主干航迹计算最相似簇,经统计得出对当前船舶行为的估计结果;最后,给出了基于C/S架构的软件总体设计和试验效果。试验表明该方法能够给出航迹关联行为描述,软件得到的行为估计结果能够辅助研判。     

人造“鳗鱼”呼之欲出

21世纪船舶需要低污染、低噪声、低能耗、高效率的推进装置，仿生扭摆推进装置就是与蹼动推进装置齐名的另一类颇具发展前途的船舶推进系统。当前，有关仿生扭摆推进技术不仅正成为专家、学者研究的主课题，而且还成为有眼光的企业家投资船舶产业开发的新亮点。     

磁悬挂天平的变结构控制

鉴于磁悬挂天平系统强烈的非线性特性及存在的多种不确定性 ,针对非匹配不确定性情况设计了变结构控制器。根据对悬浮时模型受力图的分析及其模型两端电磁力、电流和电压的平衡关系 ,并以Y轴方向受力为例 ,讨论了磁悬挂天平的非线性变结构设计过程。该设计的目的是使镇定误差趋近于 0 ,其设计步骤包括期望性能到期望力的传递、满足滑动模态可达条件的控制力到控制电压的传递、控制电压的求解。同时对设计的结果进行了仿真分析 ,仿真结果表明磁悬挂天平的变结构控制系统具有良好的动态性能     

基于matlab的机载SAR干扰功率仿真系统

为提高设计机载SAR(合成孔径雷达)干扰功率计算的效率,在matlab (MATrix LABoratory)软件平台上结合数学模型和数字信号处理理论建立了机载SAR干扰功率计算模型,并在此基础上进行了仿真.系统对点目标回波信号、分布式地物回波信号和干扰信号的处理过程建立了数学模型并进行了计算机仿真,对仿真结果进行了深入分析,得出了实用的结论.系统具有显示的直观性、实时性与逼真性,而且具有很强的扩展性,可用于与机载SAR有关的教学、科研与试验分析.典型仿真范例及结果表明用matlab仿真机载SAR干扰功率系统是方便和高效的.     

一种迷彩伪装效果评价指标权重分配算法

迷彩伪装效果评价的多指标权重分配多为平均分配或专家评判,难以客观、科学地评价伪装效果。提出了基于模糊聚类方法、结合信息熵和统计特征的多指标权重分配算法。该算法通过模糊聚类得到样本的分类结果,应用信息熵和统计理论计算各指标的权重分配。对以结构、纹理、颜色、二阶矩特征等为指标的迷彩伪装样本进行了权重分配实验,分析比较了专家评判法、熵权法和该算法确定的权重之间的差异,并通过实验验证了算法的有效性和科学性。     

基于半监督谱聚类的通信网台识别方法

针对通信网台识别准确率较低的问题,提出了一种基于半监督谱聚类的通信网台识别方法。通过密度峰值的方法构造决策图,得到通信网的数目;在谱聚类算法的基础上,利用侦察方掌握的先验知识,通过成对约束信息更新谱聚类算法的相似度矩阵,提升聚类算法性能,得到最终的网台识别结果。实验结果表明,该方法可以有效地利用知识库中已有的成对约束信息,较好地完成通信网台识别。     

有限体积法在滑动电接触问题中的应用

为了对滑动电接触问题中枢轨接触面的物理现象进行深入分析,建立了二维导轨式电磁发射装置的数值计算模型。采用有限体积法的全隐格式对电磁扩散方程进行离散,得到了考虑速度趋肤效应时的磁感应强度及电流密度分布云图,并将计算结果与现有文献中采用有限差分法得到的结果进行对比。结果表明:两种方法所得到的磁感应强度与电流密度的分布趋势及数值基本一致,验证了所编写的有限体积法程序的正确性。     

PDMS直接裂解重排合成PCS

聚二甲基硅烷 (PDMS)高温裂解制备的聚碳硅烷 (PCS)是陶瓷材料的良好先驱体。本文在现有液态聚硅烷 (LPS)间接合成PCS工艺的基础上 ,直接由固态PDMS高温裂解重排制备PCS ,利用正交设计的方法研究了不同合成条件对PCS结构、分子量及分子量分布的影响 ,得出了最佳合成条件 ,即反应温度 45 5℃ ,裂解温度 5 40℃ ,保温时间 6h。     

SAR图像目标分割与方位角估计

图像分割和目标方位角估计是进行SAR (SyntheticApertureRadar)图像自动目标识别的重要步骤。文章提出了一种基于MRF (MarkovRandomfield)模型的SAR图像分割算法 ,利用ICM (IterativeConditionalMode)局部优化方法 ,获得MAP (maximumaposteriori)准则下的图像分割结果 ,将图像分割为目标、阴影、背景三部分。然后确定目标离雷达最近的点 ,从而得到目标的主导边界 ,并估计出目标的方位角。用MSTAR (MovingandStationaryTargetAcquisitionandRecognition)数据进行实验 ,估计方位角的准确性与现有算法的结果相比 ,具有明显提高     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。