基于决策图的轨迹运动趋势提取

在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。     

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。     

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。     

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。     

基于多雷达组网IMM-GMPHDF的机动多目标检测跟踪

高斯混合概率假设密度滤波(GMPHDF)有牢固的理论基础,是解决高斯条件下跟踪强杂波环境中目标数未知的多目标问题的有效方法。但当目标发生机动时,就难以跟踪到目标,因此,在GMPHDF中引入交互多模型(IMM)算法,对继续存在目标的运动模型进行建模,根据计算的模型概率融合各模型滤波器估计得到的继续存在目标概率假设密度,解决了运动模型机动问题。仿真实验表明,IMM-GMPHDF能实时跟踪到强机动超音速多目标,在多雷达组网系统中跟踪强机动超音速多目标精度(OSPA距离均方根误差)能达到70 m,满足了工程使用要求。     

基于灰色聚类的多机种保障装备保障能力评估

随着多机种作战成为空军作战的主要方式,对地面保障装备的保障能力提出了更高的要求,保障能力的好坏直接关系到作战任务的完成与否。通过对多机种保障任务进行分析,建立了多机种保障装备保障能力评估指标体系,采用层次分析法确定了各指标的权重,运用灰色聚类的评估方法对多机种保障装备的保障能力进行了评估,并结合实例,验证了该方法的有效性,为保障能力的提升提供了参考依据。     

VNS和SA相结合的指挥控制资源部署

针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。     

神经形态器件现状与未来

为解决现有冯·诺依曼计算机面临的低智能、高能耗、低容错等问题,"类脑计算"应运而生。"类脑计算"借鉴大脑的体系结构和信息处理方式,基于神经形态器件构建逻辑与存储相融合的计算硬件,旨在实现更为灵活和智能的信息处理与计算模式。在阐述"类脑计算"起源与发展现状的基础上,研究了人脑神经网络信息处理机制,重点介绍了神经形态器件的研发态势。神经形态器件作为类脑计算芯片和系统的基本组成单元,对于类脑智能的实现至关重要,因此研发能够高精度模拟生物突触、神经元信息处理功能的微纳器件是当前的研究热点。     

基于3Dmax和OGRE的某型装备视景仿真研究*

某型装备视景仿真的研制对于提高教学质量和训练水平具有重要意义.提出了一种基于3Dmax和OGRE可视类的视景仿真方法,给出了视景仿真系统的总体结构和实现过程,解决了视景仿真过程中一些视点变换、角度控制、场景变化、面板仿真等关键的技术问题.     

基于LEACH协议的研究与改进

无线传感器网络中如何节能是一个关键问题。对经典的LEACH协议做研究与改进,并提出了一种新型的动态网络转换机制。该算法通过综合考虑候选节点的地理位置、剩余能量等参数来进行网络协议的选择,从而有效地降低了低能量与位置不佳的节点被选为簇首的可能性,进一步保证网络内节点能量负载的均衡性。仿真结果表明,新型的动态网络协议机制能够有效平衡节点的能量消耗分布,延长节点与网络的寿命。