决策树方法的大规模资源分配问题

针对编队的区域防空,分析了我方雷达照射具资源约束条件,研究多目标对照射具资源需求冲突问题.首先运用马尔科夫过程理论建立雷达照射具资源的调度模型,给出资源限制图;其次,用图论的方法分析资源限制图建立决策树;最后将目标函数定义为最小期望损失并进行计算.结果表明:在照射具数量有限条件下,运用决策树方法解决大规模资源分配问题是可行的.     

水下武器系统综合检测系统设计与实现

水下武器系统综合检测系统采用模块化设计思想,由信号发生器模块、A/D模块、D/A模块、实时时钟模块、液晶及打印机模块等组成。综合检测系统通过检查测试武器系统的工作状态和激励响应,从而对武器系统的性能进行自动测试和故障诊断。对系统进行了实例应用和验证,取得了较好的效果,为水下武器系统的技术保障提供了一种实用的工具。     

基于视频的心理战及其关键技术

在对传统心理战的理论及其实践进行学习、理解和分析的基础上,结合信息时代高技术战争的要求提出了一种新的基于视频的心理战理论,深入分析了基于视频的心理战信息生成系统的各个要素,并详细阐述了基于视频的心理战实施的关键技术.基于视频的心理战可以看作是信息时代高技术战争下心理战的一种具体形式,其理论是对传统心理战理论的延伸和有效补充,今后的工作将是进一步深化研究基于视频心理战的各个关键技术.     

基于图像处理的明火火灾探测研究

基于数字图像处理技术,实时采集火灾现场帧彩色图像,实时计算图像数据在空间分布上所包含的纹理特征信息——能量(CON)、熵(ENT)、相关(COR)、惯性矩(ASM),并提取火焰的形状,获得火焰特征参数——面积、周长、圆形度、重心.通过融合处理连续帧图像数据,量化得到纹理信息表示的现场环境状况和火焰特征参数表示的火焰形状及其不稳定性特征。这些特征参数在火灾发生时出现了明显的变化,呈现出一定的规律,利用这些规律可以在现代船舶上实现火灾图像探测报警。     

作战实验设计与运筹分析方法

认为作战实验具有间接性、难度大、结构不确定性、对抗博奕和复杂性5个特点，实验设计的核心是实验点设计。通过一个案例验证了实验设计中运筹分析方法的运用。运筹分析方法对实验设计有四个方面的影响：一是缩小了实验方案空间和规模；二是消除迭代对实验的影响；三是优化了实验点设置；四是拓宽了实验结果分析范围。     

中国近现代心理战历史沿革研究

信息技术的飞速发展和广泛运用为心理战的实施开辟了新的更加广阔的空间。当前,拓展深化军事斗争准备和完成多样化军事任务对军队心理战建设提出了新的任务和要求。研究中国近现代心理战的历史沿革发展,特别是辛亥革命时期、土地革命时期、抗日战争时期、解放战争时期、抗美援朝时期中心理战的演变过程,总结经验教训,对于提高信息时代军队心理作战能力有重要启示作用。     

卫星位置视觉测量

目前卫星轨道参数的测量主要依靠地面测控站的无线电测量,使得测量受限于测控站的观测弧段;另一方面随着深空探测的不断深入,也对现有测控方法提出了新的挑战。利用卫星上已有的相机通过景象匹配对卫星自身位置进行精确测量,可以有效摆脱地面测量观测弧段和测量距离的约束。本文提出了一种基于星载实时图与基准图匹配的视觉测轨方法:通过景象匹配建立实时图中特征点与基准图的对应关系,再根据成像关系解算卫星的三维位置。利用卫星获取的立体图像和轨道测量数据进行了验证实验,证明了本文提出的方法具有较高的精度,实现了地基无线电测轨和视觉测轨的相互验证。本文提出的视觉测轨方法可以弥补现有测轨方式的不足,减轻地面测控系统负担,在深空探测等领域具有良好的应用前景。     

战术导弹对机场跑道多波次打击时的瞄准点选择方法

为了解决使用战术导弹对机场跑道实施多波次打击时的瞄准点选择问题,在考虑具有先前毁伤效果的累积效应基础上,按照优先打击最小起降窗口、使最小维修窗口中维修工作量最大的思路,设计了一种瞄准点选择方法,可为相应的导弹作战运用提供参考。所附算例说明了文中方法的可行性。     

阈下信息技术在军事应用中的潜在价值

阈下信息技术是指设计、制作、传播、接收、加工和控制阈下信息以刺激人的态度倾向和行为选择的技术.其作用形式主要包括掩蔽启动刺激和嵌入式刺激.文章研究,阈下信息技术在思想政治教育、军事训练、心理战和武器装备研发等军事领域具有强大的潜在应用价值.未来的研究方向包括:基础理论研究,学科交叉研究,阈上与阈下信息相结合在新媒体中的运用.     

一种鲁棒的场地球类视频中的球门探测方法

在场地球类视频中,球门常常会伴随着精彩片段而出现。因此,球门探测是体育视频的基础,同时也是视频高层语义概念探测的研究热点。目前,利用机器学习方法进行视频中的对象探测是非常有前途的研究领域。基于此,提出一种基于模糊决策树的球门探测算法,用来探测场地球类视频中球门帧的出现,为了提高分类准确性,在模糊决策树训练的过程中加入了平衡处理。实验结果表明,与基于阈值和决策树的算法相比,该算法可以得到更好的分类结果(F-measure>95%),并且我们可以从所建立的树中推导出模糊规则来解释分类模型。