网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

一种基于VPRSM的辐射源模糊识别方法

为解决辐射源识别的问题,研究利用变精度粗糙集模型来确定辐射源识别特征权值的方法。由概念的正域中对象类的条件属性的描述,得到该概念的充分条件,并依据知识间的依赖性作为所要考虑的因素来获取特征权值,同时结合模糊集理论,提出一种基于变精度粗集特征加权的辐射源模糊识别方法。最后将此识别方法模型应用于雷达辐射源用途识别,仿真实验及其结果验证了该方法的可行性和有效性。     

电子对抗系统中雷达情报综合技术研究

雷达情报综合是电子对抗系统数据处理中的重要环节,它可以有效地消除虚假和重复雷达。结合雷达信号出现的规律和雷达参数分布特点,讨论了雷达信号合批技术,给出了一种合批方法。该方法可以快速高效地对各类辐射源型号识别、定位的结果进行综合处理,实际应用结果表明该方法是有效的。     

基于类间最大方差法的铁谱磨粒彩色图像自动分割

在磨粒图像RGB彩色空间,选择其3个正交彩色特征,应用类间最大方差法对其分割,依据F isher判别函数选择其最佳特征与最佳阈值,实现了磨粒彩色图像的分割。大量磨粒图像分割实践证明,该分割方法具有分割精度较高、计算速度快、自适应性强等特点,是铁谱磨粒彩色图像自动分割较理想方法之一。     

基于粗糙集和神经网络的联合模式识别系统

提出了一种划分属性离散区间的新方法.针对这种划分,提出一种约简和去噪的方法.随后,建立了粗糙集和LVQ神经网络的联合模式识别系统.最后,比较了用该系统和仅用神经网络进行识别的效果,证明了该方法的有效性.     

综合目标识别的输入信息源研究

利用多源信息进行综合目标识别能提高识别的准确性和及时性,为了解决综合目标识别中输入信息源的运用问题,通过分析各种输入信息源的特点,根据这些特点分别采用了针对性的技术手段转化和处理,为最后的识别决策提供了有效的信息,对进一步深入研究综合目标识别具有参考价值。     

基于黑板模型的空袭目标识别专家系统

在对空袭目标信息进行综合利用的基础上,建立了基于黑板模型的多传感器空袭目标识别融合专家系统模型,模拟专家识别思维.给出了知识库的构造方法和知识的表示方法;推理机的设计结合了问题求解的黑板模型和D-S证据推理方法.该模型对目标的综合应用识别具有很好的借鉴作用,测试表明该系统具有很强的推理能力,融合模型有较高的识别准确性和可靠性.     

一种基于加权DSmT的序列图像目标识别方法

通过对自动目标识别系统研究与分析,将DSmT引入到飞机序列图像识别中,构建基本置信指派及分类规则,提出了一种基于加权DSmT的序列图像目标识别方法,在分析权值选择特点的基础上,根据特征信息的置信指派组合有效权值,并且给出了基于加权DSmT融合规则的序列图像目标识别的流程,仿真结果表明,该方法提高了序列图像目标识别的准确性.     

基于RCS序列的空间目标分类识别方法

结合三轴稳定卫星、自旋稳定卫星、翻滚目标和空间碎片的运动特征,依据强散射中心理论分别建立这四类空间目标的电磁散射模型,通过计算机仿真得到其RCS序列仿真值.针对这四类空间目标的RCS序列特点,提出了一种三轴稳定卫星与空间碎片的判别方法和利用RCS的周期性对空间目标分类识别算法,计算机仿真实验验证了算法的有效性.     

基于D-S证据理论的机载雷达模糊识别方法

针对机载雷达信号的复杂性和模糊性等特点,提出一种D-S(登普斯特-谢弗)证据理论和模糊理论组合应用的方法用于对机载雷达的识别。通过对信号的积累和对信任度(模糊隶属度)的重新分配,有效地解决了机载雷达信号的不确定性问题以及如何利用信号在时间上的冗余信息问题,提高了信号的正确识别率。仿真实验和正确识别率的统计结果验证了这种方法十分有效。