基于LBP-PCA的多传感器目标识别算法

为了更加有效地提高多传感器图像融合后的识别率,提出一种基于LBP-PCA的多传感器目标识别算法。首先分别对红外和可见光图像进行预处理用以突显出要识别的目标,采用LBP算法提取目标的特征点向量,利用PCA算法进行特征融合,得到降维后的融合特征,最后利用SVM(支持向量机)进行分类和识别。实验仿真结果表明多传感器目标经过LBP-PCA融合后在保持足够数量的有效信息基础上降低了特征的维数,有效地提高了目标识别率。     

基于复杂网络的武器装备体系贡献度评估分析方法

根据结构决定功能的系统论观点,基于复杂网络理论对武器装备作战体系网络的拓扑结构进行了分析,构建了基于不确定性自信息量的武器装备作战体系作战效能分析模型,提出了计算武器装备体系贡献度的方法,并通过算例验证,探讨了网络结构演化及度量参数改变对武器装备体系贡献度的影响,为武器装备体系贡献度评估分析提供了技术支撑。     

一种基于模糊连接度的区域生长毁伤特征提取算法

针对传统的区域生长算法在提取军事目标毁伤时,不能较好地处理毁伤区域与背景之间的模糊性,生长结果对种子点的选取敏感等问题,提出了一种基于模糊连接度的区域生长算法。算法以模糊连接度作为生长点与种子点相似度的度量,有效地保持了像素之间的模糊性,按照模糊连接度由强至弱的顺序生长,使得生长的结果对种子点的选取不敏感;采用灰度波动控制和USAN面积相结合的方式作为生长准则,在适应目标区域灰度变化的同时得到了较好的边缘定位效果。实验结果证明了算法的有效性。     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。     

机动目标的航空集群协同探测策略

航空集群协同探测问题,是集群作战研究的重要内容,其中对隐身目标在不同机动,不同极化方式下的集群动态RCS研究是重点和难点问题。在双基地雷达建模和坐标转换的前提下,对隐身目标的两种典型机动——匀加速机动和匀速转弯机动进行建模,在HH、VV两种极化方式下,运用线性插值法对动态RCS进行时序分析。仿真结果表明,两种机动模型下,随着时间变化,动态RCS起伏波动较大,在匀加速运动模型下,HH、VV极化所引起的RCS差异性较大,匀速转弯模型下,不同极化方式带来的影响较小。     

基于主成分分析法的反导态势要素提取研究

针对弹道导弹及其攻防作战的特点,深入分析反导作战态势评估的过程,研究影响反导预警态势评估的主要因素,构建了反导战场态势要素集模型。在此基础上,采用主成分分析法进行要素分析与提取,优化重构要素集模型。研究结果为提高反导预警态势评估的准确性和指挥决策的及时性提供了重要依据和保障。     

基于个体心理特征的基层主官五维度任职行为模型论析

基层主官担负基层工作的组织和落实,其军事任职行为,贯穿和体现在实际的军事管理工作中,是实现较高基层组织绩效重要基础,也是部队发展的有力支撑。针对基层军事训练和军事任务的需要,基于个体心理特征的理论视角,从牢固责任心、创新工作方式、开展团队合作、锻造军事本领、开发心理资本的五个方面,提出并论述了我军基层主官任职行为的五维度模型,研究表明:基层主官五维度任职行为模型,为提升基层主官任职能力,提高基层组织战斗力提供了理论支持和有效途径。     

基于SCAS的防空反导装备体系作战能力指标设计

指标设计是进行武器装备体系发展论证和作战效能与作战能力评估分析的基础。着眼体系作战效能与作战能力评估分析需求,基于传感器（ Sensor）、控制器（ Controller）、执行器（ Actuator）、支持器（ Supporter）的柔性建模方法,对防空反导装备体系作战能力指标进行了设计,构建了其侦察预警能力、指挥控制能力、拦截打击能力、综合保障能力评估指标体系,并利用结构方程模型（ SEM）对指标之间的影响作用关系进行了分析,可为防空反导装备体系建设与运用提供重要借鉴。     

静态初始条件下的歼击机中距攻防引导方法决策

在静态初始条件下,歼击机中距攻防引导方法的选择是一个定性与定量相结合的类别划分问题,因此,将粗糙集理论与概率神经网络相结合用于该问题的解决。首先,利用粗糙集理论实现专家知识约简、空战态势信息集压缩,得到最小决策信息集;其次,利用概率神经网络进行概率决策推理;最后,通过实例分析,结果表明决策推理正确,在不确定环境下仍然有效,提高了决策过程的自动化程度。     

利用堆栈特征的片上末级缓存访问模式在线识别方法

很多优化处理器缓存利用效率的方法依赖于对访问请求序列的特征的探测或识别,例如,预取和绕开等。如何在线有效识别访问请求序列的特征依然是一个开放的问题。通过对典型访问模式的深入分析,发现其堆栈距离频度的分布展示出鲜明的特征。而模拟实验数据表明访问请求序列的特征具有一定的持续性和稳定性,具有检测和预测的可行性。因而提出了一种基于堆栈直方图峰值的在线识别访问模式的机制和方法,空间和时间开销都较小。对SPEC CPU2000/2006的15个程序的实验表明,所提方法均可正确识别测试程序的访问模式。