一种基于主动网络技术的拥塞控制模型研究

文章对传统拥塞控制方案和主动拥塞控制算法进行研究,在此基础上提出了一种新的主动拥塞控制模型。重点描述了该模型的功能结构和软件控制流程,并对用于拥塞控制的主动报文封装格式进行了设计。最后对该模型的公平性、稳健性以及安全问题进行了探讨。     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于Elman神经网络的装甲装备维修保障系统效能评估

从影响装甲装备维修保障系统效能的主要因素出发,建立了比较全面的装甲装备维修保障系统效能评价指标体系。介绍了Elman神经网络的结构和学习过程,建立了维修保障系统效能评估模型。采用Delphi法和AHP相结合的方法,处理了原始数据,获得了10组训练样本和测试样本。利用Matlab7.0进行了评估模型的构建,利用训练样本对模型进行了训练和测试,证明了模型的可用性。研究结果可为在现有装甲装备维修保障系统的基础上开发和研制新型系统提供理论参考。     

基于分布式网络化指控体系的协同跟踪设计

针对当前干扰防空环境下的作战特点，通过对网络化作战需求的分析，建立了一种分布式的网络化指挥控制体系架构，并结合协同跟踪的具体作战运用，设计了基于此分布式体系的协同跟踪作战流程，并建立了效能验证模型。对比一般的集中式指挥控制体系，基于分布式的体系具有生存性强、作战使用效能高的特点。     

一种应用于超大数据库的人脸识别方法

针对数据库中待识别人脸数目巨大，计算困难的问题，提出了一种基于小波变换和主成分分析的人脸识别方法。该方法首先对数据库中的人脸进行小波变换，然后对小波变换后的图像进行主成分分析提取特征，将特征送入BP神经网络进行训练、识别。经过对比实验，结果表明：该方法可以在保证较高识别率的前提下，大大降低数据维数，从而该方法可以应用于超大数据库的人脸识别。     

天基信息支援指挥控制体系运行机制及复杂网络建模?

天基信息支援是当前联合作战的主要样式之一，指挥控制体系是天基信息支援联合作战的核心和神经中枢，构建天基信息支援指挥控制体系运行机制和网络结构模型有助于提升天基信息支援乃至联合作战体系效能。探讨了天基信息支援云作战的基本概念和主要特点、天基信息支援云作战体系的构成和运行机制、以及天基信息支援云作战指挥控制体系的构成和流程，勾画了天基信息支援云作战指挥控制的理论框架，并结合示例构建了天基信息支援云作战指挥控制体系结构的复杂网络模型，并进行了主要参量分析，对开展天基信息支援指挥控制体系建设，指导天基信息支援以及联合作战体系需求论证、结构设计、评估优化等具有积极而现实的参考价值。     

基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

Gabor-CNN for object detection based on small samples

Object detection models based on convolutional neural networks (CNN) have achieved state-of-the-art performance by heavily rely on large-scale training samples. They are insufficient when used in specific applications, such as the detection of military objects, as in these instances, a large number of samples is hard to obtain. In order to solve this problem, this paper proposes the use of Gabor-CNN for object detection based on a small number of samples. First of all, a feature extraction convolution kernel library composed of multi-shape Gabor and color Gabor is constructed, and the optimal Gabor convolution kernel group is obtained by means of training and screening, which is convolved with the input image to obtain feature information of objects with strong auxiliary function. Then, the k-means clustering algorithm is adopted to construct several different sizes of anchor boxes, which improves the quality of the regional proposals. We call this regional proposal process the Gabor-assisted Region Proposal Network (Gabor-assisted RPN). Finally, the Deeply-Utilized Feature Pyramid Network (DU-FPN) method is proposed to strengthen the feature expression of objects in the image. A bottom-up and a top-down feature pyramid is constructed in ResNet-50 and feature information of objects is deeply utilized through the transverse connection and integration of features at various scales. Experimental results show that the method proposed in this paper achieves better results than the state-of-art contrast models on data sets with small samples in terms of accuracy and recall rate, and thus has a strong application prospect.     

一种复合模式的人脸识别系统设计

通过综合考察红外 可见光图像人脸识别的优缺点,利用红外温谱图进行人脸检测与识别的优势,在研究可见光和红外人脸温谱图识别技术以及两者融合技术的基础上,提出和设计了一种新的红外 可见光复合模式的人脸识别系统。初步实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,系统具有良好的识别能力。