基于关联度的词汇记忆优化算法

近年来,记忆词汇的方法不断涌现,但是这些方法仅仅考虑其中某一方面因素,而非综合考虑多方面因素。鉴于单词间拼写和发音重合度对于词汇记忆的重要性,融合了单词拼写和发音重合度,提出了基于单词间关联度的词汇记忆方法,结合图论知识给出了单词最优记忆回路的近似算法,运用Matlab编程对大学英语四级词汇进行了排序,通过实验和假设检验验证了使用基于单词间关联度的词汇记忆方法的记忆效率明显优于普通方法。     

词网络的新闻事件关联建模

互联网上每天都会报道许多新闻事件,为了挖掘各事件间的关系,提出一种新闻事件关联建模方法。该方法首先利用TF-IEF和相邻词合并策略对事件的相关报道集提取关键词,然后综合多种词共现度量窗口对事件关键词的关联关系建模,构建事件关键词关联网络,最后依据事件间共有关键词的程度建立事件关联模型,从而建立事件关联网络。实验表明该方法能够较准确地提取报道集的关键词,较好地发现事件间的关联关系。     

双向时空连续性轨迹片段关联的目标跟踪方法

提出一种使用双向时空连续性关联轨迹片段的目标跟踪方法.首先对检测结果进行简单的帧间匹配关联,生成可靠的轨迹片段;然后对每个轨迹片段通过卡尔曼滤波以及有权重的均值法分别计算修正轨迹片段的速度、位置与颜色特征;最后通过计算轨迹片段之间的双向时空连续性迭代关联,找到最符合时空连续性的轨迹片段关联.实验证明本文方法可以有效解决...     

直觉模糊集在信息融合中的应用

直觉模糊集理论已获得广泛的应用。全面总结了直觉模糊理论在信息融合领域的应用情况。分析了直觉模糊理论的研究现状与研究进展,介绍了在态势估计与威胁评估方面的应用情况,研究了在信息融合第一级处理中应用的基本原理与方法,展望了在信息融合领域各级的应用前景。     

论语境因素与词汇内涵特征

本文就语境因素、语用条件（如规约隐含和预设等因素）及语义关系论述了对词汇意义,即词的概念意义（显示意义）与内涵意义（暗示意义）,特别是对词汇内涵意义的理解及其用法所产生的影响。由于语境作用,就词义在使用中的演变及变化过程,阐释了词汇意义的内涵特征：词义的动态性、灵活性和语境依赖性。     

基于云模型的物元综合评估方法

将云模型与物元理论相结合,提出了一种基于云模型的物元评估方法,构建了云模型与物元理论相结合的综合评估模型.重点分析了云与数值、云与数值区间以及云与云之间的关联度计算方法,并应用示例说明了该方法的使用.最后由实例可以看出,所提方法实现了基于语言值的不确定评估.     

具有指定误差协方差的相关域预测方法

利用协方差控制的理论和方法,研究了Ｃ３Ｉ系统中航迹数据融合的未来点相关域预测问题,提出了根据格定预测误差协方差来确定目标航迹未来点所处的相关域位置及大小的新方法。该方法具有实时性好、计算量小的特点。仿真结果表明了该方法的可行性。     

灰色关联法在舰炮武器系统模糊决策中应用

结合多属性决策的特点,采用引入权重向量的灰色关联法,建立模糊多属性决策模型用来解决舰炮武器系统方案优选问题;通过实例分析,建立决策模型,计算和比较舰炮武器系统配置各候选方案与理想方案的关联度,从而确定舰炮系统的最优配置方案。应用实例结果证明,该方法相比其它单一方法,可进一步提高舰炮系统决策的有效性和可靠性。     

密集杂波环境下用于多目标跟踪的改进PDA算法

概率数据关联(PDA)算法在密集波环境下跟踪单目标时具有良好的效果,但当跟踪多目标时,由于未能考虑相邻目标间的相互影响,因此效果不佳,针对PDA算法的不足,基于多目标跟踪中相邻目标间相互影响的特点,提出了一种新的改进概率数据关联(NIPDA)算法.新算法引入量测J属于目标t的概率Bjtk,并用其对关联概率进行修正,从而在计算互联概率时考虑了相邻目标间的影响.仿真结果表明,新算法在计算量与PDA算法相近的情况,提高了目标跟踪成功率.     

A split target detection and tracking algorithm for ballistic missile tracking during the re-entry phase

In the re-entry phase of a ballistic missile, decoys can be deployed as a mean to overburden enemy defenses. This results in a single track being split into multiple track-lets. Tracking of these track-lets is a critical task as any miss in the tracking procedure can become a cause of a major threat. The tracking process becomes more complicated in the presence of clutter. The low detection rate is one of the factors that may contribute to increasing the difficulty level in terms of tracking in the cluttered environment. This work introduces a new algorithm for the split event detection and target tracking under the framework of the joint integrated probabilistic data association (JIPDA) algorithm. The proposed algorithm is termed as split event-JIPDA (SE-JIPDA). This work establishes the mathematical foundation for the split target detection and tracking mechanism. The performance analysis is made under different simulation conditions to provide a clear insight into the merits of the proposed algorithm. The performance parameters in these simulations are the root mean square error (RMSE), confirmed true track rate (CTTR) and confirmed split true track rate (CSTTR).