基于PCA与FCM的入侵检测样本数据压缩方法

采用行列双向压缩的数据处理策略,提出了一种基于主成分分析与模糊C-均值聚类算法的入侵检测样本数据压缩方法。该方法首先采用主成分分析法对数据冗余特征进行压缩,然后采用模糊C-均值聚类算法对冗余样本进行压缩,由此可挖掘入侵检测样本数据中的关键特征和关键样本。通过KDD CUP99数据集测试证明:数据双向压缩可减少入侵检测分类器的计算量,进而可提高其实时检测性能和检测推断的准确性。     

履带车辆静动液辅助制动系统仿真与实验研究

针对履带车辆静动液辅助制动系统液力辅助制动和液力液压联合辅助制动工况,建立对应工况下的数学模型进行仿真研究,并根据相似原理进行静动液辅助制动系统实验．仿真和实验结果表明,所建立的数学模型能够准确反映系统的实际制动性能,且该辅助制动系统能够为车辆提供可靠的制动．     

静止条件下多种轨道-电枢形状的轨道炮电流分布仿真

针对等轨道截面、等炮口截面、等长度、等材料和等电流8种典型的轨道-电枢结构,在电枢速度为0 m／s的情况下,采用Ansoftl 2有限元分析软件,仿真分析电流分布特征,得到：矩形截面轨道一长方体结构电枢的轨道炮有最不均匀的电流分布特征,电流主要分布在轨道外表面和电枢后部凹表面,并且分别对应于趋肤效应和电流短路径聚集现象,跑道形截面的轨道一回转体结构电枢的轨道炮有最均匀的电流密度分布．     

计算机网络级联失效建模与分析

针对以往级联失效模型负载局部重分配规则与现实计算机网络全局路由特点不吻合的缺陷,模拟网络中信息流传输过程。定义路由器的失效条件,建立基于负载全局重分配的级联失效模型,并在此基础上提出基于连通和性能两方面的级联失效影响评价参数,进而分析用户流量和攻击方式对计算机网络级联失效的影响。结果表明,随着流量的增大,级联失效存在相变行为,相变点刻画了网络在不会发生级联失效前提下的最大传输能力。此外,针对网络中高度节点的攻击,更为容易引发大规模的级联失效,应予以重点保护。     

一种机群相对定位方法

针对机群协同编队导航定位问题,通过分析机群协同编队的特点,建立了编队成员的相对运动模型并引入视觉观测信息,提出了一种基于相对导航的机群联合组网定位方法,理论分析及仿真结果均表明了联合定位结果能达到机群中各成员惯导位置输出的平均水平,有效地减缓了编队系统的定位误差发散速度。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。     

UKF算法的来袭导弹弹道预测

从来袭导弹机动模型的选取出发,结合UKF算法的推算,建立了来袭导弹弹道预测的仿真模型。同时结合实例对来袭导弹弹道预测的卡尔曼滤波算法和UKF算法的进行仿真。仿真结果表明UKF算法计算量适中、计算结果精确,非常适合用于非线性模型的预测。     

支持向量机的OTHR多频特征目标分类识别法

针对低信噪比下多频法在天波超视距雷达(Over-The-Horizon Radar,OTHR)目标分类识别中分类精度不高的缺点,充分利用雷达量测的一些先验信息,将基于支持向量机(Support Vector Machine,SVM)的多分类器引入多频法中,提出了一种基于SVM的OTHR多频特征目标分类识别方法。仿真结果表明,利用较少的3个频率点,在信噪比较低的条件下可获得较好的分类识别效果,说明了该方法在OTHR目标分类识别中的有效性和可行性。     

区间数与灰决策的作战效能评估模型

针对作战效能评估过程中评价指标值同时存在精确数、区间数和语言类模糊数的情况,引入区间数与灰决策原理,提出了一种基于区间数与灰决策的作战效能评估模型。结合案例分析,对模型合理性进行验证,结果表明,该模型能够真实地反映武器装备作战效能的综合评估值。     

隶属度信息辅助的红外多目标模糊关联算法

针对红外多目标跟踪,利用红外序列图像中目标隶属度信息建立改进的多目标关联算法。该算法是基于模糊c均值聚类方法,以红外目标运动状态和背景环境变化引起的红外目标隶属度信息变化为选择门限,适时切换算法赋值策略,以提高特殊环境下多目标关联的适应性。通过仿真对比证明了该方法具有更好的跟踪精度和稳定性。