基于均分簇算法的战争Ad Hoc网络广播风暴抑制

网络广播是维持网络正常运作的基本手段,但Ad Hoc网络拓朴的频繁变化,将使网络广播无法进行收敛,形成广播最终会使本来就受限的资源趋于濒绝,网络无法通信而瘫痪.为此,提出了一种自适应均分簇理论SACA,通过分层虚拟子网的过滤与阻隔算法,有效地抑制网络广播风暴.     

自行火炮作战效能分析与模糊综合评价

自行火炮以其机动性强,火力反应快,防护性能好,成为炮兵的重要组成部分和机动作战的骨干力量,但由于自身的复杂性和作战应用的多样性,其作战效能受多方面的因素影响,运用层次分析法确定影响作战效能的指标权重系数,结合模糊综合评价方法将子效能合并成整体体系效能,由此实现自行火炮作战效能的定量化评估。     

基于一乘准则的LMR在声音转换中的应用

线性多变量回归中聚类数的选择对转换效果有很大影响,通过研究聚类数与类内均方差、类间均方差的关系确定最佳聚类数。针对传统二乘规则的 LMR 的转换语音在听觉上自然度较差的缺陷,提出了基于一乘规则的 LMR,采用遗传算法解决绝对值条件下转换矩阵的求解问题,实验仿真表明,基于一乘规则的 LMR 的转换语音在主观听觉上优于基于二乘规则的 LMR,ABX 测试识别率平均提高了12.5%,MOS 分提高了0.24。     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法.利用模糊C 均值聚类法对测量空间进行分割,再利用模糊规则对分割后的子空间分别采用BP网络进行逼近,从而获得不同子空间故障输出与测量输入的非线性动力学特性.计算机仿真表明该网络具有良好的泛化性能,方案可行.     

改进的Fisher准则及其在语音聚类中的应用

针对传统的Fisher准则在聚类分析方面的不足,提出了一种新的修正的Fisher准则。通过重新定义类内方差,得出最大Fisher值与最佳聚类数目的对应关系,从而预测出最佳聚类数目。通过对语音库中语音段落的说话者组成结构进行分析,证明了修正后的Fisher准则能有效地优化聚类分析,并显著提高了说话者组成结构分析结果的精度。应用基于修正后的Fisher准则的LBG聚类算法,能为语音操控系统中无监督的说话人自适应提供更可靠的说话人模板库。     

军用飞机采购价格的RBF神经网络预测

分析了现代军用飞机采购价格估算中存在的问题.应用基于k-均值聚类算法的RBF神经网络建立了军用飞机采购价格预测模型,并采用该模型对某型军用飞机采购价格进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型军用飞机采购价格预测模型具有更高的预测精度,为军用飞机采购价格预测提供了一种新的有效方法.     

一种新的高分辨率SAR图像目标自动鉴别方法

目标鉴别是SAR图像目标识别系统的关键环节,用以消除预筛选阶段因异常检测产生的大量虚假的感兴趣区域切片。针对目标鉴别问题,提出了一种新的目标自动鉴别方法,首先对CFAR检测的结果做基于面积特征的预鉴别处理,而后对获得的ROI目标切片提取鉴别特征,并在特征分析的基础上设定特征判决阈值,实现序贯鉴别处理。利用X波段SAR图像数据检验了上述方法,给出了鉴别输出的ROI切片。     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。     

基于小波分层连通树结构的信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显改善。     

基于灰色聚类和模糊综合评判的装备——装备群健康状态评估

针对目前装备健康状态评估存在的问题，建立了一个基于灰色聚类和模糊综合评判的“装备-装备群”两级评估模型。该模型利用灰色聚类法来评估单个装备的健康状态，将得到的单个装备健康状态的聚类系数向量作为模糊综合评判的隶属度向量，利用模糊综合评判技术来评估装备群的整体健康状态。详细论述了评估模型建立的关键问题：健康状态的分级、评估指标、白化权函数以及权重的确定。最后通过实例分析表明，该模型评估结果合理，可操作性强。