基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。     

飞行器交会对接中基于滤波方法的传感器故障诊断处理

针对两个空间飞行器交会对接过程中追踪飞行器上的各单个测量传感器,探讨了其基于滤波方法的动态过程故障诊断及相应的处理,并特别针对目标相对于传感器的最大机动指数较低的情况,分析了相应的故障诊断及处理方法。     

新疆人口分布的地域性研究

以新疆人口统计数据为依据,采用人口集中指数和规模顺序分布规律等分析方法,研究新疆各地区人口分布、动态过程和趋势特征。揭示新疆人口分布和人口变动的空间性差异,以及形成这种差异的自然和社会因素,有助进一步了解新疆人口发展的规律。     

高层建筑消防登高面设计现状与对策研究

就高层建筑消防审核中消防登高面、登高场地设计现状和存在问题进行归纳分析,提出了加强审核、验收及监督工作;分段设置消防登高面;科学计算裙房高度和深度;形成有机整体;确保原消防设计和功能等对策。     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

面向任务的导弹测试性需求分析与指标确定

针对当前缺乏科学合理的理论和方法确定导弹系统级测试性指标的现状,提出一种面向任务需求的测试性指标确定方法.将导弹任务剖面划分为贮存、出库、部署和发射四个阶段,并提出各个阶段相应的测试需求;分别建立基于贮存可用度、战斗准备任务成功率、部署战备完好率和发射任务成功率为性能要求的测试性需求子模型,给出各个性能指标与测试性参数...     

一种基于改进的ROUSTIDA算法的数据补齐方法

针对ROUSTIDA数据补齐方法存在的问题,提出了一种改进的ROUSTIDA数据补齐方法.该方法首先将条件属性与决策属性区分对待,优先填补决策属性值,避免了不一致决策表的产生;然后,在决策属性相同的前提下填补条件属性缺失值,扩展了原算法的使用范围;最后,通过一个实例说明改进算法补齐后的决策表的确能够获得更集中的决策规则...     

匈牙利法的末段两层火力反TBM目标分配优化

介绍了匈牙利法解决Assignment Problem的基本原理,对匈牙利法解决指派问题的解题步骤和特殊情况进行了说明。在给出末段两层火力防御TBM的目标分配原则的基础上,阐述了相关概念,改进了匈牙利法运用方式,并建立了目标分配模型。最后通过实例的解算,证明了该方法应用于末段两层火力防御TBM目标分配中的可行性,为末段协同反TBM的目标分配提供了一种有效的算法。     

主动谐波消除多电平射频脉宽调制策略及其性能分析

为降低全数字发信机(All-Digital Transmitters, ADTx)的输出谐波要求,提高系统宽频带工作性能,提出并实现适用于全数字发信机的多电平射频脉宽调制(Radio Frequency Pulse Width Modulation, RF-PWM)策略。该方法通过控制各子脉冲的脉冲宽度,在基波分量加权之和正比于输入信号包络的前提下,实现对RF-PWM脉冲序列特定谐波分量的有效抑制。以3次谐波消除为例,对该5电平RF-PWM策略实现方案进行推导,同时分析验证了该方案下脉冲基波分量与信号幅度之间的最佳增益系数。在此基础上,利用软件仿真验证了理论分析结果以及主动谐波抑制RF-PWM策略的有效性。     

MF-CFI: A fused evaluation index for camouflage patterns based on human visual perception

The evaluation index of camouflage patterns is important in the field of military application. It is the goal that researchers have always pursued to make the computable evaluation indicators more in line with the human visual mechanism. In order to make the evaluation method more computationally intelligent, a Multi-Feature Camouflage Fused Index (MF-CFI) is proposed based on the comparison of grayscale, color and texture features between the target and the background. In order to verify the effectiveness of the proposed index, eye movement experiments are conducted to compare the proposed index with existing indexes including Universal Image Quality Index (UIQI), Camouflage Similarity Index (CSI) and Structural Similarity (SSIM). Twenty-four different simulated targets are designed in a grassland background, 28 observers participate in the experiment and record the eye movement data during the observation process. The results show that the highest Pearson correlation coefficient is observed between MF-CFI and the eye movement data, both in the designed digital camouflage patterns and large-spot camouflage patterns. Since MF-CFI is more in line with the detection law of camouflage targets in human visual perception, the proposed index can be used for the comparison and parameter optimization of camouflage design algorithms.