基于复杂网络的“云作战”体系模型及仿真

根据现代作战循环理论,用复杂网络的方法把作战体系的各种作战单元抽象为节点,将节点之间相互关系抽象为节点间的边,制定作战体系模型的构建规则,分别构建传统作战体系模型和“云作战”体系模型,提出作战体系度量指标,并进行仿真分析,对比两种作战体系作战能力和抗毁能力。     

基于单类集成分类器的JPEG通用隐写分析

针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法。算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果。实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率。     

基于不同能量值特征优选的水声目标识别

采用Bartlet平均周期图、小波变换和经验模态分解方法分别提取信号的频段能量值特征、IMF能量值特征,重点对IMF能量值特征进行特征优选。通过设计BP神经网络分类器,对实测的四类舰船目标的辐射噪声信号进行测试,取得了较好的识别效果。     

网络空间"云作战"模型及仿真分析研究

网络空间"云作战"是指运用"云作战"相关理论和战法思想,充分利用网络空间中各种分散的作战实体及作战资源,对作战目标展开攻击或防御的作战行为.重点以网络空间"云作战"的攻击行动为切入点,利用复杂网络理论,从理论模型、环境模型、结构模型及作战指标模型四个方面对网络空间"云作战"进行了建模研究,并基于模型给出仿真分析结果,为网络空间"云作战"的有效实施提供参考.     

云重心评判法的防空兵C4ISR系统生存能力效能评估

指挥自动化系统是军队现代化的重要组成部分,高质量的指挥自动化系统可以起到强大的军力倍增作用,因此其效能评估研究越来越受到人们的重视.结合实战情况,确立了防空兵C4ISR系统生存能力指标体系,就其效能评估给出了一种综合评判法--云重心评判法,对其理论介绍的同时详细的给出了云重心评判法的实现步骤,并通过算例验证了此方法的有效性和实用性.此方法简单易行可操作性强,对指挥自动化系统的效能评估提供了有效的方法和途径.     

基于云理论的雷达组网作战效能评估

传统的雷达组网作战效能评估一般采用定性评估方法,而对于精确的定量评估,目前尚缺有效的方法.云理论是一种用于处理不确定性和含糊性知识的数学工具,可实现概念与数据之间的相互转换.结合雷达组网的因素分析,提出了组网雷达作战效能评价指标体系,然后利用云理论的有关知识,建立了各指标的云模型及其多维加权综合云的重心表示.最后应用云重心评价方法给出系统的效能评估值,解决了效能评估中定性语言到定量的转化问题,最后给出了一个雷达组网作战效能评估的算例.     

SPH算法在超高速碰撞数值模拟中的应用

采用大型动力学软件Ls-dyna中的SPH求解器,对球形弹丸超高速碰撞靶板的过程进行数值模拟。给出由于碰撞速度不同,而引起的不同的碎片云图像,以及不同的靶板破碎孔的尺寸。同时模拟了入射角度不同,而得到不同的超高速碰撞物理过程。初步分析结果表明数值模拟结果是合理的,较清晰地模拟了超高速碰撞下碎片云的生成、膨胀过程。另外,通过数值模拟结果与实验结果的比较分析,表明SPH方法得到的结果能描述相应的超高速碰撞现象。所以采用SPH算法针对超高速碰撞物理过程进行数值模拟是可行的。     

基于AHP和云重心方法的装甲兵指挥信息系统效能评估

针对装甲机械化部队指挥信息系统作战效能评估问题,运用云理论进行了探索。首先,对云重心理论的步骤进行了阐述,结合层次分析法,最后用加权偏离度来衡量系统与理想状态的偏离度,将结果用Matlab三维图形对装甲机械化部队指挥信息系统的作战效能进行描述,图形较直观的反应了其效能问题。此方法简单易行,可操作性强,为装甲机械化部队指挥信息系统评估提供了一种较好的途径。     

基于云模型的导弹信息作战指挥效能评估

针对导弹信息作战指挥效能评估中既包含定量指标,又包含定性指标,而对这些指标进行科学合理地统一评价尚存在很多困难的问题,运用云模型对其进行了研究。分析了导弹信息作战指挥能力的指标体系,介绍了云模型的相关理论,并给出了运用云模型进行效能评估的详细算法,利用云发生器得到了最终的评估结果。最后给出了一个评估实例,结果证明该方法有效可行,能很好地解决效能评估中定性语言到定量值之间的转化问题。     

一种基于DCT和SVM的人脸识别新方法

文中提出了一种新的人脸识别方法,该方法采用DCT提取人脸特征,并采用SVM对该特征进行分类识别。基于该方法,对ORL人脸库进行分类识别,仅用28个特征平均识别率达到97.4%。仿真结果表明,该方法显著地降低了特征维数和计算复杂度,明显提高了特征的可辨别能力,而且,SVM可以有效地提高分类器的分类和推广能力。