基于熵法的炮兵战场目标价值分析

目标价值分析是炮兵作战情报信息处理的中心工作。如何从炮兵战场众多的目标情报中确定其价值,并根据作战任务需要选择要射击的目标和确定优先顺序,是炮兵指挥员及其参谋人员的一项重要任务。根据熵法和模糊决策对炮兵战场目标价值进行了分析和排序,为炮兵指挥员的决策行为提供依据。     

压水堆大破口失水事故安全装置实验研究

本文针对压水堆发生主管道“双端断裂”的大破口失水事故而提出了一种安全装置,对其工作原理及工程上实现的可能作了浅析,对其原理性实验过程及结果作了介绍。实验表明:这种安全装置结构简单,原理正确,工程上易实现,造价低廉。它在大破口失水事故发生初期(约数十毫秒)就能充分发挥其作用。对于防止堆芯熔化具有重要意义。     

基于SAR图像的目标散射中心特征提取方法研究

针对SARATR需要,基于属性散射中心模型,研究了从SAR图像提取目标散射中心特征的方法。该方法首先从SAR图像分割出包括单个散射中心响应的目标区域,然后判断该区域对应的散射中心的类型,最后再采用相应的参数模型进行参数初值选择和数字优化,从而得到对应该区域的目标散射中心特征。通过循环执行上面的步骤,就可以从SAR图像提取出目标所有散射中心特征。仿真结果表明,该算法具有良好的估计性能。     

大规模科学数据体绘制技术综述

体绘制是刻画大规模科学数据中复杂物理特征的有效途径,然而,数据量极大、特征难以捕捉等问题依然是目前体绘制研究的主要挑战。为此,研究者们从三个方面对体绘制算法进行了深入研究,以提高大规模数据体绘制的效率和效果。一方面,依托硬件通过多处理器核来分担计算,降低单处理器核所要完成的计算量,是提高体绘制效率的一个有效途径。另一方面,充分发掘数据场内在特性对三维数据场进行约简,大幅减少绘制处理数据量从而降低算法开销,也是提高体绘制效率的一个有效途径。同时,在体绘制算法中融入特征分析和特征增强方法,让复杂物理特征从数据场中突显出来,以实现对科学数据的高质量绘制。本文对国内外体绘制技术相关研究进展进行了调研、综述,并分析了不同的研究方法,最后展望了未来体绘制技术研究的可能发展方向,包括应用驱动的特征体绘制、基于特征的约简体绘制、适应硬件的体绘制多级加速以及原位智能化体绘制等。     

数据基故障诊断算法更新问题研究

机内测试被广泛应用于故障诊断、装备健康管理与预测等领域。针对机内测试设备在设计和升级时遇到的分类器更新、样本数量不平衡、硬件条件限制问题,提出初步解决方案。利用基于密度的聚类和人工免疫方法处理原始数据;提出基于代表样本点的混合学习方法;利用支持向量机和仿真案例验证所提方法。结果表明所提方法能够解决上述问题,有助于基于数据的机内测试设备设计与升级。     

网络化军事信息系统数据架构研究

针对网络化军事信息系统的数据特点,提出了一种网络化军事信息系统数据架构,在多维数据分类的基础上,建立由全军数据、战区数据、部门数据构成的数据参考模型,并从支持信息共享、业务互操作、系统灵活重组3个方面,提出网络化军事信息系统的数据应用模式,探讨全军范围内的数据共享、业务互操作的实现方式,为网络化军事信息系统的数据规划提供参考。     

新一代步兵班组的多源图像侦察信息融合

传统的步兵班组侦察作战往往受限于士兵自身携带的手持/背负式侦察装置。随着班组微型无人侦察平台等新要素的成熟和应用,未来战场班组侦察越来越趋向于单兵、无人平台协同侦察的模式。基于新一代步兵班组的侦察体系,构建了典型班组侦察模式和流程,分析了多源图像处理的流程、涉及的算法和关键技术,为步兵班组多源图像侦察信息融合的深入研究提供了一定的参考。     

基于K-means和AGNES的未知二进制协议聚类

协议的聚类是协议分析中一个重要的环节,为实现对未知二进制协议高效聚类,提出了一种基于K-means聚类和AGNES的未知二进制协议聚类方法。在对获取的二进制协议比特流进行数据预处理的基础上,先采用K-means算法对比特流数据进行初步聚类,再通过误差平方和、Calinski-Harabasz分数值和轮廓系数确定k值,最后选择AGNES算法将未知二进制协议比特流划分为不同的二进制协议子集。方法有效结合了K-means和AGNES算法的特点,降低了时间复杂度的同时提高了聚类的精确度。对实验数据集的测试结果验证了所提方法的有效性,较为准确地确定了k值,聚类精确度达到了98%。