关联规则挖掘在发动机故障分析中的应用

大部分关联规则挖掘算法仅以出现频率作为阈值来产生关联规则,然而在发动机故障数据分析领域,很多关键故障的出现机率较低,采用传统的挖掘算法无法适应航空发动机故障分析的需要.提出一种新算法,称为权重式多重支持度关联规则挖掘算法,此算法可针对不同重要度的故障定出不同的支持度阈值,由此产生的关联规则,可以解决高重要度但出现较少的故障不易被挖掘的问题.     

基于可变模板的前视目标跟踪算法

基于图像序列分析的图像制导极大地提高了成像武器的跟踪精度。给出了一种基于可变模板技术和遗传退火算法的图像序列目标跟踪算法。根据目标的物理特征构造出可变模板,定义合适的能量函数,采用遗传退火算法进行优化搜索。实验结果表明,该算法能够精确检测并跟踪目标,具有很快的收敛性和较高的抗噪声性。     

电子装备随机存储器通用测试算法

随机存储器在电子装备中广泛使用,对其进行有效测试是电子装备自测试与生产功能测试的主要内容。以走一测试算法为基础,设计了数据线、地址线与存储单元测试方法,可以有效检测各种类型的RAM焊接质量与器件质量,对于提高故障定位精度和减少产品的测试时间起重要作用,特别是在电子装备的自测试、生产测试和维护测试中具有很好的应用前景。     

基于图像拼接技术的电子对景图制作技术?

针对当前对景图制作存在的问题，提出了一种基于图像拼接技术的电子对景图的制作技术，该技术采用SIFT算法提取海区图像的特征点，使用RANSAC算法对特征点进行精确提纯，最后使用加权平均法实现图像的平滑过渡。实验表明该技术可实现海区图像的无缝拼接，真实感强。     

匈牙利算法在多目标分配中的应用

在多目标攻击决策中 ,根据 Harold提出的目标优势函数 ,分析了使所有目标机的总优势函数为指派问题 ,运用匈牙利算法对 n对 n的最优目标分配指派问题进行求解 ,并把它推广至 n对 m的多目标分配中。仿真结果表明匈牙利算法对于此类多目标分配指派问题的求解是十分有效的。     

用结构自适应前馈网络解算多目标导弹攻击区

多目标导弹攻击区的实时解算是机载多目标攻击武器系统得以技术实现的中心环节。阐述了“多目标导弹攻击区”的概念 ,探索了其解算的技术途径 ,提出了“实时、高精度和低存储”的解算要求。根据上述技术要求 ,设计了基于网络灵敏度统计分析的多层前馈网络结构自适应算法 ,以用于训练合适规模的多层前馈网络逼近器。在此基础上 ,进行了系统仿真研究 ,研究的结果表明了该方案的应用前景。     

基于数据冗余的BDS长报文传输机制改进算法?

北斗卫星导航系统（ Beidou Satellite Navigation System，BDS）只能传输字节受限的短报文，对于长报文需要通过分包和多次重传改善报文传输的成功率，这样会造成系统平台数据发送延误和网络拥塞。提出一种基于数据冗余的数据分包传输机制，该传输机制以数据包为处理对象，采用异或运算得到冗余包，编码简单，编码解码速度快。通过Matlab仿真，证明基于冗余编码机制比无冗余编码单次发送机制的数据接收成功率高15％以上，两次发送对多包的数据接收成功率有较大提高。     

基于混沌量子粒子群的舰炮身管多目标优化研究

舰炮的炮口扰动是影响舰炮射击精度的重要因素。为了减少舰炮的炮口扰动，优化身管结构，建立了柔性身管的有限元模型并将该模型的模态计算结果与模态试验测试值进行对比,证明建立的柔性身管有限元模型是有效的。提出了混沌量子粒子群算法与动力学联合优化的方法，进行身管和炮口的多目标优化，优化结果表明：优化后的炮口中心的线速度、角速度和角位移与优化前相比显著减小，身管质量有所降低，结构更加合理，该优化方法有效可行，为下一步全炮总体优化设计提供了一定的借鉴。     

变分自编码器结合聚类算法在空战态势评估问题上的应用

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题，提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点，提出基于时间段的空战态势分类方法，将敌我双方态势划分为四类。在变分自编码器的基础上，提出了VAE-WRBM-MDN特征提取模型，即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度，使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类，并结合态势函数和实际战场情况修正聚类结果，形成正确的态势分类标准。在实验部分，分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明，模型态势分类正确率和运行时间均满足应用需求，实例评估结果与客观态势一致性强，所提方法具有实际应用价值。     

基于内外子区域划分的高阶精度CFD程序异构并行算法

对计算流体力学(CFD)程序CNS提出一种Offload模式下基于内外子区域划分的异构并行算法，结合结构化网格下有限差分计算和四阶龙格库塔方法的特点，引入ghost网格点区域，设计了一种ghost区域收缩计算策略，显著降低了异构计算资源之间的数据传输开销，负载均衡时CPU端的计算与MPI通信完全和加速器端的计算重叠，提高了异构协同并行性。推导了保证计算正确性的ghost区域的参数，分析了负载均衡的条件。在“CPU(Intel Haswell Xeon E5-2670 12 cores ×2)＋加速器(Xeon Phi 7120A ×2)”的服务器上测得该算法较直接将任务子块整体迁至加速器端计算的异构算法性能平均提升5.9倍，较MPI/OpenMP两级并行算法使用24个纯CPU核的性能，该算法使用单加速器时加速1.27倍，使用双加速器加速1.45倍。讨论和分析了性能瓶颈与存在的问题。