再生分辨矩阵与决策熵的不完备决策系统属性约简

为了有效地解决不完备决策系统的属性约简问题,提高属性约简的效率,提出了基于再生分辨矩阵与决策熵的不完备属性约简算法。该算法利用基于容差关系的分辨矩阵来计算相对核,通过再生分辨矩阵计算再生集和再生集属性来缩小加入约简集的条件属性选择范围,以再生集属性的分辨度和决策熵为依据,选择加入约简集的条件属性,并通过实例进行验证分析。结果表明,该算法适用于协调不完备决策系统与不协调不完备决策系统,能够有效地降低时间复杂度,并得到最优属性约简。     

装备试验与评价的系统工程管理技术

试验与评价是对装备战技指标进行的全面考核与验证,涉及到多指标、多阶段、多装备层次。结合装备试验与评价的特点与需求,给出了装备试验与评价系统工程管理的概念,明确了其内涵。从寿命周期维、评价指标维和装备层次维三个角度,构建了装备试验与评价的霍尔三维结构模型(HMTE)。针对具体评价指标,对该模型的矩阵映射过程进行了阐述,实现了HMTE的具体化。最后对元模型进行了论述,并通过案例阐述了其具体形式。装备试验与评价系统工程管理方法的应用,有利于装备试验与评价的全面统筹与实施,达到降低试验总费用,提升试验总效能的目标。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

多边修正算法中的换顶原理及复杂性分析

对于无向赋权图,利用换顶过程中矩阵翻转与数据块调换时上三角部分数据的变化规律,对权值矩阵的数据进行处理,以完成无向完全图中H圈（H路类似）的修正过程。事实上,多边修正的原理最终是通过变换顶点达到的,而其主要用到的换顶规则是矩阵数据的块调换与翻转,该思想还可以推广到有向图的情形。最后利用换顶原理对多边修正算法进行了复杂性分析,讨论修正边数对复杂性的影响。     

红外隐身一维光子晶体结构反射特性的理论分析

利用传递矩阵方法，研究作为红外隐身材料的PbTe／Na3A1F6一维光子晶体结构在中远红外波段的反射特性。结果表明：PbTe／Na3AlF6复合光子晶体结构在3～5μm和8～14μm波段具有很高的反射率。这为装备在中远红外的隐身应用提供了有益的探索。     

多载荷识别频响函数矩阵求逆法的改进算法

分析了频响函数矩阵求逆法在多载荷识别中存在的问题 ,提出了两种改进算法 ,即算术平均法和条件数加权平均法。实验结果表明 ,这两种方法在识别精度和消除病态影响方面均优于传统的频域识别方法。     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题，提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况，提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响，并利用支持向量机分类方法验证点云纹理特征，可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征，点云纹理特征约束的地物分类具有更高的分类精度，并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

基于偏差熵的专家聚类赋权方法

在群决策专家聚类赋权过程中,可能出现专家给出的判断矩阵一致性比率与排序向量信息熵都相等但专家意见不同,却被赋予了相同权重的情况。针对上述问题,提出一种基于偏差熵的专家聚类赋权方法。该方法采用聚类分析的思想,基于比例构建相似系数,实现对专家群的分类;引入专家判断矩阵的一致性权重,并综合类容量构建权重指标来反映类别间的差异,确定专家类间权重;最后,在各专家类中建立偏差熵模型,依据类中专家达成一致性意见的贡献程度确定专家的类内权重,并得到专家的总体权重。具体算例表明,该方法可行有效。     

一类极点指标与方差指标约束的满意控制

在将极点配置到关于实轴对称的凸多边形区域时 ,总可以用线性矩阵不等式来描述 ,于是对具有状态稳态方差指标、区域极点指标约束的状态反馈系统 ,可以利用 Matlab- L MI工具箱进行求解反馈增益 ,其仿真结果对结论作了说明。     

基于单类集成分类器的JPEG通用隐写分析

针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法。算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果。实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率。