用坐标空间重正化群(PSRG)方法求解二维正方格子铁磁系统的临界指数

本文采用坐标空间重正化群方法(PSRG),对二维正方形点阵最近邻伊辛模型铁磁系统,求解了五个自旋组成块体的临界指数,在块体哈密顿量中保留到的量级。将本文结果与伊辛模型严格计算的理论值、各种临界指数的实验值、以及二维三角点阵三个自旋组成块体的临界指数计算值相比较,可以看到,本文的计算结果均比三角点阵三自旋组成块体的计算值有所改进。     

|μ(G)|=|π(G)|的有限群

本文讨论了一类有限群,当且仅当|μ(G)|=|π(G)|,我们称该群 G 为“*”群。我们得到了“*”群的一系列性质,并给出了在群 G 可解或超可解情形下“*”群的基本构造。     

一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

多状态系统故障树质蕴含集的求取算法

本章首先给出多状态系统状态空间的立方体表示方法,然后建立相应的运算规则。在这些规则的基础上,提出多状态系统故障树质蕴含集的求取算法。通过实例分析,说明了这种方法的可行性。     

一种分析噪声背景下目标特征有效性的方法

本文根据目标特征和噪声分布,在一定假设条件下推出了最小错误率（Ｂａｙｅｓ错误率）的表达式,从而把特征分布、噪声大小直接与分类的最小错误率联系起来,给出了一种分析噪声背景下目标特征的有效性的方法。文中利用这种方法对目标和诱饵的红外辐射特征的有效性进行了分析     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

双基地系统中基于信息融合的关联技术

本文讨论了双基地雷达系统中几种基于信息融合的关联技术,提出在干扰条件下应用多卜勒频率和雷达反射面积等目标属性参数,来提高系统对多目标的关联能力。并以仿真手段证明了该关联技术的有效性。     

ATR算法原理分析

随着现代微处理器和大规模集成电路、集成光路的发展,自动目标识别（ATR）算法技术在现代防御系统领域中具有越来越重要的作用。文章归纳了目标表示方法,着重对ATR算法──一统计模式识别算法、模板相关算法、基于模型的算法、人工神经网络算法,进行了概述和综合理论分析,并得出了一些有用的结论,为ATR系统学科的发展和应用奠定基础。     

点目标检测中候选轨迹确定算法

对低信噪比条件下缓动点目标检测技术中候选轨迹的确定算法进行了讨论。首先,给出了计数积累和线性预测的一般方法,然后,提出了一种基于计数积累,线性预测和轨迹约束的候选轨迹确定以及实现检测的算法,最后是算法性能分析。