Modeling of unsupervised knowledge graph of events based on mutual information among neighbor domains and sparse representation

Text event mining, as an indispensable method of text mining processing, has attracted the extensive attention of researchers. A modeling method for knowledge graph of events based on mutual information among neighbor domains and sparse representation is proposed in this paper, i.e. UKGE-MS. Specifically, UKGE-MS can improve the existing text mining technology's ability of understanding and discovering high-dimensional unmarked information, and solves the problems of traditional unsupervised feature selection methods, which only focus on selecting features from a global perspective and ignoring the impact of local connection of samples. Firstly, considering the influence of local information of samples in feature correlation evaluation, a feature clustering algorithm based on average neighborhood mutual information is proposed, and the feature clusters with certain event correlation are obtained; Secondly, an unsupervised feature selection method based on the high-order correlation of multi-dimensional statistical data is designed by combining the dimension reduction advantage of local linear embedding algorithm and the feature selection ability of sparse representation, so as to enhance the generalization ability of the selected feature items. Finally, the events knowledge graph is constructed by means of sparse representation and l₁ norm. Extensive experiments are carried out on five real datasets and synthetic datasets, and the UKGE-MS are compared with five corresponding algorithms. The experimental results show that UKGE-MS is better than the traditional method in event clustering and feature selection, and has some advantages over other methods in text event recognition and discovery.     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

某型导弹智能维修训练系统设计

智能维修训练系统是智能教学训练系统在故障维修领域的应用。以某型导弹武器系统为对象阐述了智能维修训练系统的设计和实现,研究了该系统的总体结构以及知识表示、学生模型、推理机制、仿真环境的实现方法。     

某导弹武器系统故障诊断专家系统研究

研究了某导弹武器系统故障诊断专家系统的知识表示、推理机制、知识获取等功能模块。     

基于多尺度稀疏字典的SAR图像目标识别方法

针对合成孔径雷达目标识别问题,提出一种基于多尺度稀疏字典的SAR图像目标识别方法。稀疏字典选择是稀疏表示中的关键问题之一,该方法利用小波多尺度分析构造过完备稀疏字典,将训练样本图像在小波解析域中进行小波多层分解,充分利用小波多尺度分析突出图像局部特征的特点,并和过完备稀疏表示有效结合组成级联字典。通过求解测试样本相应的稀疏系数矢量并根据系数矢量中对应训练样本类别的重构误差判定目标类型。实验结果表明,该方法在识别前无需对SAR图像进行预处理,具有良好的识别效果。     

案例智能维修训练系统的设计与实现

基于案例的智能维修训练系统将智能教学系统与CBR技术结合起来应用在故障维修领域。在智能教学理论与CBR技术的支持下,围绕案例阐述了智能维修训练系统的设计和实现。给出了系统的通用体系结构;采用框架法实现知识库的设计;分析学生模型的构成并给出学生知识水平和学习能力的评估方法;针对训练策略给出其控制流程及其实现过程。这种基于案例的智能维修训练系统能有效地应用于装备的实际维修训练中。     

战略决策模拟中的态势表现

战略决策模拟中,态势表现是实现模拟可视化的关键,具有举足轻重的作用,其研究与实现是一项具有相当难度的课题.首先分析战略态势表现所要解决的两个基本问题,即态势数据和可视化表现;其次着眼于两者的分离,按照面向对象的设计思想,提出了一种面向对象的战略态势表现实现思路;最后,给出了开发战略态势表现系统的基本工作思路.在决胜系列战略决策模拟系统的开发中,按照该思路实现了态势表现子系统,较好的满足了模拟需求.     

基于中间表示规则替换的二进制翻译中间代码优化方法

动态二进制翻译在实现多源到多目标的程序翻译过程中,为屏蔽不同源平台间的硬件差异引入中间代码,采用内存虚拟策略进行实现,但同时带来中间代码膨胀问题。传统的中间代码优化方法主要采用对冗余指令进行匹配删除的方法。将优化重点聚焦在针对特殊指令匹配的中间表示规则替换上,提出了一种基于中间表示规则替换的二进制翻译中间代码优化方法。该方法针对中间代码膨胀所呈现的几种典型情景,描述了中间表示替换规则,并将以往应用在后端代码优化上的寄存器直接映射策略应用在此处。通过建立映射公式,实现了将原来的内存虚拟操作替换为本地寄存器操作,从而降低了中间代码膨胀率。使用SPEC CPU2006测试集进行了实验,验证了此优化方法的正确性和有效性。测试用例在优化前和优化后的执行结果一致,验证了优化方法的正确性;优化后测试用例的中间代码平均缩减率达到32.59%,验证了优化方法的有效性。     

一种基于Laurent分解的CPM信号载波同步方法

连续相位调制(CPM)技术具有优良的功率频谱特性和连续恒包络。但是由于其非线性特性,同步和相关接收成为技术瓶颈。文章通过对CPM信号进行线性等效,改进了传统线性信号载波恢复算法,提出了一种易于实现的同步算法,并进行了仿真。     

矩阵代数中可乘保范映照的显形式

在矩阵的可乘映照理论与应用中,判定一个可乘映照是否保持某类特定的数值特征以及获取可乘映照在保持某类数值特征条件下的解析式备受关注.对此,着重研究了一般可乘映照在具有某种保秩性或保范性下的表示问题.借助于构造的方法,给出了判定一个可乘映照是否为保秩映照的新的便捷方法.针对F=R或C,分别得到了Mn(F)上保1-范数、保∞-范数以及保F范数的可乘映照的显形式,进而证明了Mn(F)上保持1-范数可乘映照必为保F范数映照,而可乘保F范数映照又一定保谱半径、保数值半径、保正规性、保酉性等.