基于可信度理论的一种态势估计方法

态势估计是战场决策的基础,而如何进行正确的战场决策对战斗有着重要的影响。在对态势估计进行分析的基础上,根据可信度理论,提出了一种对态势估计问题进行推理的方法。该方法能够进行融合推理得到态势假设和事件之间的潜在关系,为决策提供依据。实例验证的结果表明,此方法对当前战场态势可给出有效的综合评价和理解,具有较高的可信性。     

基于改进SUSAN算法的红外目标边缘检测

从3个方面改进了传统的SUSAN算法:①自适应选取阈值,以提高算法自动化程度:②使用双几何阈值,增强算法的抗噪性;③加入目标点判断因子,减少计算时间.利用改进的算法进行了红外目标边缘检测,结果表明,改进算法比传统的SUSAN算法有更强的噪声抑制能力,更快的边缘检测速度,显示出更加优良的性能.对对比度比较低的红外图像,改进算法可以减少40%以上的计算时间,而对对比度较高的红外图像,改进算法可以减少70%以上的计算时间.     

基于网络分析法的弹药生产响应能力影响因素

针对未来战场对弹药需求动态、突发、受任务冲击影响等特点,提出弹药生产响应能力概念,建立了任务冲击条件下弹药生产响应能力影响因素的指标体系。运用网络分析法,建立典型结构的弹药生产响应能力影响因素的网络模型,得出弹药生产响应能力的关键影响因素,为弹药生产响应能力分析与提高提供了科学研究方法。     

四足机动平台的静步态规划研究

基于仿生学原理进行了四足机动平台的腿部结构设计,分析了负载因子、周期、步距等步态设计参数对静步态稳定性的影响,提出了平地直行条件下从起步到稳定行走的步态调整方式,并对静步态行走全过程的稳定裕度进行了求解。计算结果表明：所规划的行走步态能达到静步态运动稳定性要求。     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.     

Burgers’方程的守恒律

守恒律历来是物理学研究的中心课题之一.在数学中借助运动常数,对偏微分方程的解作出先验估计,这些估计是方程的解存在性、唯一性及稳定性的核心关键.在计算数学中较好的稳定差分格式,也用到守恒律.在Noether's定理求守恒律的基础上,利用Burgers'方程的对称群构造出相关的伴随因子得出了Burgers'方程的一类守恒律.     

两栖装备乘员可靠性影响因素分析

人的可靠性指的是人在规定的时间内、规定的条件下、完成规定任务的能力,它是整个系统可靠性一个重要的组成部分,作为装甲装备而言,乘员可靠性的高低直接影响到整个装备作战系统可靠性.针对两栖装备的使用环境和使用特点,对影响乘员可靠性的因素进行了分析,得出了结论,对于如何提高两栖装备乘员可靠性有一定的指导意义.     

基于专家系统的防化保障预案评估研究

人工智能技术在众多领域获得广泛应用．为满足现代战争对防化指挥手段的现代化要求,针对不易量化的防化指挥决策问题的评估,提出了构建知识库并应用模糊推理机制建立专家系统,据此进行防化保障预案的评估选优方法,并对该方法的求解过程进行了探讨．     

基于二进小波变换的噪声图像自适应增强新算法

针对图像增强算法通常会放大原图像中噪声分量的问题,提出了一种基于二进小波变换的图像增强新算法。该算法充分利用了二进小波变换的平移不变性和各尺度上小波系数间的相关性,有效改善了增强过程中噪声放大和边缘失真问题。此外,算法具有高度的自适应能力,适用性更强。实验结果表明,与目前已有的各类多尺度图像增强算法相比,该算法在抑制噪声和凸显图像特征两方面均有明显改进。     

型号项目工期风险管理决策模型与自适应遗传算法

针对型号项目的过程特点,建立了型号项目工期风险的管理决策模型。模型考虑了型号项目中活动重叠、活动迭代、活动执行时间的不确定性和可更新资源总量等重要的工期风险影响因素。从模型的特点出发,给出了问题求解的基于自适应遗传算法的仿真优化方法。算例显示,该算法能较好地求解本文的工期风险管理决策问题。