基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

融合战术与修正物理特征的空中目标战术类型识别

针对敌方飞行器隐身、伪装技术的日趋成熟,致使我方由侦察设备获取的电磁信号严重变形,特别是物理特征在目标类型识别中的作用日趋减弱的现实问题,提出了一种融合目标战术特征修正物理特征证据的目标战术类型识别方法。该方法从目标战术类型识别的军事需求出发,提出对冲突物理特征证据的阶梯式修正规则,以及对冲突证据折扣因子的优化方法,并将修正后的证据重新组合得到识别结果。仿真实例证明该方法在处理目标冲突物理特征证据时具有高准确率的特点。该方法为复杂环境下的目标战术类型识别问题提供一种新的解决思路。     

锥体空间目标基于进动特性识别

为了研究基于空间锥体目标进动特性的识别方法,通过对空间锥体目标的弹道建模,分析了进动锥体目标姿态角变化,引入平均视线角变化对回波RCS的影响,推导了空间锥体目标相对雷达波的姿态角计算公式,分析RCS随时间变化关系,通过回波RCS序列估计进动周期及进动角参数,以惯量比为特征,提出弹头和诱饵的识别方法,仿真试验证明了算法的有效性.     

PD反馈特征结构配置在最优控制问题中的应用

考虑了二阶线性系统的比例微分(PD)反馈特征结构配置问题以及其在最优控制问题中的应用。基于比例微分特征结构配置参数化方法,将二阶线性系统的最优控制问题转化为一个便于求解的有约束条件的极小值问题,并给出了相应的求解算法。三自由度质量弹簧阻尼系统算例及其仿真结果表明所提算法简单、有效。     

一种双站交叉定位无偏估计滤波算法

针对将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,基于两站纯角度信息,提出了一种对三维空间目标进行跟踪的近似无偏估计算法.该算法只需要对一对矩阵束进行广义特征分解,即可获得目标坐标和速度的估计值.计算机仿真结果表明该算法相比有偏估计算法(如伪线性卡尔曼滤波(PLKF)算法)具有更高的滤波精度,尤其当测向均方误差较大时,其优势更加明显.     

一种基于模糊熵的特征选择算法

特征选择是模式识别中的一个重要组成部分。针对分类边界模糊的样本集,将模糊集的理论应用到特征选择中,通过对特征进行模糊化,定义一种模糊熵来度量特征的分类区分度,再采用相关系数度量特征间的冗余度,建立判定树。则树中的节点即为选择出的特征,树枝为特征的隶属度函数,且通过判定树进行的分类可以实现样本识别的模糊化。     

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。     

基于循环谱相关的雷达信号脉内分析改进算法

针对传统的雷达信号脉内特征分析算法存在的局限,提出了一种基于循环谱相关的雷达信号脉内特征分析的改进算法。该算法将传统的循环谱估计方法进行了改进,能对雷达信号脉内调制方式进行识别并提取脉内特征参数,然后结合改进的小波变换的优点,对识别出的相位编码信号进行相位突变点的提取,最后输出至完善的脉冲描述字中。改进的算法能够在较低计算量的同时保证较好的脉内特征参数的估算精度。仿真结果表明,在较低信噪比下,该算法仍然具有较好的性能。