基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

基于多侦察资源的电子侦察作战效能评估模型

现代战争战场环境越来越复杂,准确发现目标的难度越来越大,靠单侦察设备独立完成侦察任务已难以满足作战需要。通过建立多侦察资源的电子对抗侦察效能评估模型,对来自同一作战平台的不同侦察设备和来自不同平台的侦察设备的数据进行融合,最大限度地发挥各侦察设备的作战效能,为决策者提供作战使用依据。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

图像标注研究及其在情报处理中的应用

图像数据具有直观、信息量丰富等特点。图像标注方法通过获取图像特征,训练语言模型,实现用自然语言自动描述图像信息。简要介绍了图像标注方法的分类及其相关关键技术。研究表明,通过对大规模图像的自动描述,能更好地管理、分析海量图像信息,能高效地对图像进行分类、检索。结合特定的信息处理技术,图像标注可用于发现有价值的情报信息,为国防安全、战略决策等提供信息支撑。     

美国陆军数据战略目标及实施

为深入研究美陆军数据战略目标及实施策略,为我军数据战略研究提供借鉴,文章对美陆军2016年发布的最新《陆军数据战略》进行分析,指出其目标是实现数据的可视化、可获取、可信任、可理解和互操作,并对美陆军数据战略的具体实施策略进行了剖析,指出美国陆军数据战略推动的是美军军事作战理论转型,从"网络为中心"转变为以"数据为中心"作战理念,其核心意图在于以数据优势实现指挥决策优势。     

用数据评估支撑军民深度融合

对军民融合各领域、各层面、各阶段进行相应的科学评估,是确保决策方向正确、规划方案符合实际、措施手段可行高效,建设目标能够达到设想要求的根本途径在美国,1994年被认为是其全面推行军民融合政策的一个重要节点。正是在这一年,美国国会技术评估局推出了《军民融合潜力评估》研究报告,对阻碍美国国防科技工业同更大的国家民用科技工业基础结合的各种因素进行了全面梳理分析,并提出了相应的对策建议和实施军民融合发展的策略办法。美国政府采纳了这份报告提出的大部分对策建议,并随即以此为依据出台一系列关于促进军民融合的     

基于N层向量空间模型的装备IETM数据查询

为了提高IETM数据查询的准确率,通过对数据模块编码层与XML内容层进行分析,结合N层向量空间模型查询算法,从IETM数据模块编码层中的型号识别码、系统层次码、信息码以及数据模块内部数据信息入手,提出了一种基于N层向量空间模型的装备IETM数据查询算法,并通过IETM实例验证了该算法的正确性与实用性。     

大数据生态系统在海军作战中的应用

大数据的开发和使用在海军作战训练过程中的作用愈发突出。介绍了海军作战过程中的大数据特征,在此基础上对美国海军大数据生态系统的体系架构进行了分析,最后给出了我国海军作战大数据建设的现状并提出相应的对策建议。     

地籍数据库点线拓扑一致性并行检查方法

针对拓扑检查算法复杂、计算量大,串行计算已远不能满足海量地籍数据高效拓扑检查需求的问题,在分析了点线拓扑关系的并行特点基础上,将界址点的数据划分方法与界址线的QR空间索引方法相结合,实现了界址点与界址线的并行拓扑计算。用某地区实际的界址点集与界址线集对点线拓扑并行检查进行实验。测试结果表明:并行检查算法的并行效率随着进程数的增加而有所衰减,但稳定在30%以上,加速比达到5以上,且相比于Arc GIS效率提升了30倍以上。并行检查方法以工具的方式集成应用于高性能地理计算平台中,应用效果良好。