基于半监督谱聚类的通信网台识别方法

针对通信网台识别准确率较低的问题,提出了一种基于半监督谱聚类的通信网台识别方法。通过密度峰值的方法构造决策图,得到通信网的数目;在谱聚类算法的基础上,利用侦察方掌握的先验知识,通过成对约束信息更新谱聚类算法的相似度矩阵,提升聚类算法性能,得到最终的网台识别结果。实验结果表明,该方法可以有效地利用知识库中已有的成对约束信息,较好地完成通信网台识别。     

PDMS直接裂解重排合成PCS

聚二甲基硅烷 (PDMS)高温裂解制备的聚碳硅烷 (PCS)是陶瓷材料的良好先驱体。本文在现有液态聚硅烷 (LPS)间接合成PCS工艺的基础上 ,直接由固态PDMS高温裂解重排制备PCS ,利用正交设计的方法研究了不同合成条件对PCS结构、分子量及分子量分布的影响 ,得出了最佳合成条件 ,即反应温度 45 5℃ ,裂解温度 5 40℃ ,保温时间 6h。     

1,4-双(氯甲基)-2-甲氧基-5-烷氧基苯的合成研究

用Ⅰ（ｎ＝２,４,７,８）的氯甲基化反应合成出相应的四种氯甲基化产物Ⅱ（ｎ＝２,４,７,８）,讨论了反应条件对产率的影响,产物结构由ＩＲ和１ＨＮＭＲ确定,并讨论了反应机理。ＣＨ３ＯＯ（ＣＨ２）ｎＨ（Ⅰ）ＣＨ３ＯＣＨ２Ｃ１Ｏ（ＣＨ２）ｎＨＣＨ２Ｃ１（Ⅱ     

一甲基肼的高压蒸发研究

对一甲基肼的高压蒸发进行了研究,计算了一甲基肼液滴温度和半径的变化历程,并对各种不同环境压力下的结果进行了比较。计算了蒸发常数、传热数和传质数,所得结果同已有的实验数据相比较是吻合的,且考虑了不同的Le数对蒸发界限压力的影响,说明了此蒸发模型和计算方法的合理性。所得结论对于分析液体火箭发动机的燃烧过程是重要的。这一方法还可以用来计算其他燃料的蒸发。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

基于决策图的轨迹运动趋势提取

在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。     

改进兼容度极大化模型的效能评估结果融合

评估结果的融合对于提高决策的科学性和可靠性意义重大.传统兼容度极大化模型在进行评估结果融合时,通常默认各种评估结果均正确,但实际情况并非如此.针对传统兼容度极大化模型在融合多种评估结果方面的局限性,提出基于兼容度聚类的改进兼容度极大化模型.试验结果表明该模型相比传统兼容度极大化模型能够更有效地融合多方法的评估结果.     

SAW-SXFA化学传感器的LB镀膜方法研究

选择了六氟-2-羟基异丙基聚硅氧烷（SXFA）作为声表面波（SAW）化学传感器的敏感膜材料,采用Langmuir—Blodgett膜技术进行镀膜,得到超薄且厚度均匀的多层膜,并且研究了不同膜厚的传感器对甲基膦酸二甲酯（DMMP）的响应情况。     

一种新型模糊神经网络及其在故障诊断中的应用

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法.该方法先使用模糊c-均值聚类算法(FCM)实现测量空间的模决分割以决定模糊规则的个数,再使用模糊IF-THEN规则对分割后的各区域分别采用局部BP模型去进行逼近,最后再通过离线学习以获得不同区域故障输出与测量输入的非线性动力学特性.应用表明,提出的模糊神经网络结构、原理及实现方法是合理可行的,经过离线学习后的网络可实现对非线性系统的在线实时状态跟踪和诊断,可提高故障检测的正确率和快速性,并具有较好的泛化性能.     

基于多Agent协作的战场信息共享系统研究与实现

针对联合作战中分布、动态的战场环境和海量的战场信息,满足不同作战实体对战场信息资源共享的需求,构建了一个基于多智能体的、面向作战任务的信息资源共享模型,并提出了一种新颖的基于相似度的用户动态聚类方法。从用户的资源请求中发现用户兴趣和用户之间的相似度,通过交互机制有效地将相同兴趣的用户及资源智能体关联起来,提高作战主体获取战场信息的能力。实验证明该算法具有较高的效率和良好的可扩展性。