相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题,提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性,基于扩展积分均方误差代价函数搜索最优置信范围,并对混合项进行高斯聚类,进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用,引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并,在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明,改进算法在保证跟踪精度的同时还可有效提高算法效率。     

一种抗遮挡的时空上下文目标跟踪

目标跟踪是一个比较热门的研究方向,其性能受到多方面影响。时空上下文跟踪算法是利用目标附近的信息对目标进行跟踪,但该算法的不足是仅使用单一的灰度特征和固定的学习率。将HOG(Histogram of Oriented Gradient)特征与灰度特征进行融合,且对跟踪结果进行相似度计算进而抑制目标的漂移,采用自适应变化的学习率以适应跟踪目标的变化。经过仿真实验证明,相较于时空上下文跟踪算法所提出的方法鲁棒性更好,对光照的变化、目标形变以及遮挡等情况下都具有较强的跟踪能力。     

网络信息体系运作机理与关键技术

网络信息体系是中国版的网络中心化C4KISR系统,是打赢信息化战争的基础支撑。在网络信息体系"网设施-云环境-端系统"三层架构基础上,从网络中心、信息主导、知识驱动、体系赋能等视角分析了网络信息体系运作机理,从体系生成、环境支撑、信息融合、任务筹划和火力协同等方面梳理了网络信息体系形成能力亟待突破的关键技术,从网络、信息、体系和业务能力等方面总结了网络信息体系的未来发展趋势,为网络信息体系顶层规划和建设提供参考。     

基于模糊随机贝叶斯网络的意图估计方法

意图估计是数据融合五级模型中态势评估的重要研究内容。意图估计结果的稳定性对于辅助战场决策具有重要意义,在分析了影响意图识别结果稳健性的基础上,将模糊随机贝叶斯网络应用于战场目标的意图分析。在研究了战场环境下网络结点构造及推理方法的基础上,结合具体场景给出示例并进行了仿真验证。     

基于证据理论的直觉模糊群决策方法

针对属性权重和专家权重完全未知的直觉模糊群决策问题,提出一种基于证据理论的决策方法。基于记分函数和属性不确定度,将专家的直觉模糊决策矩阵转化为Mass函数;运用了基于直觉模糊熵的属性权重计算方法,将专家针对属性集关于方案集的评价证据进行修正与合成;确定了考虑接近度与相似度的专家权重计算方法,融合了TOPSIS法与Jousselme距离度量专家权重,将各专家关于方案集的评价证据进行修正与合成,最后进行方案排序。运用实例证明了方法的合理性和有效性。     

装甲指控装备军民融合式维修保障模式

针对装甲指控装备维修保障模式已不适应装备和战争形态发展变化这一问题,分析了现有保障模式存在的缺陷,提出了全寿命期分时段分模式的军民融合式维修保障模式构想;将装备全寿命期分为可行性论证、研制方案设计、研制、生产、交付军方和服役6个阶段,前5个阶段作为打基础阶段,服役阶段又进一步分为民主军辅和军主民辅两个维修保障阶段,前者作为过渡阶段,后者作为成熟模式运行阶段,并分别阐述了军方与承研承制单位在各阶段应完成的规定任务。这种模式探索必将为装甲指控装备建立新的维修保障模式提供借鉴和参考。     

基于SAR目标识别的深度学习方法

研究了DBN和SDAE在SAR雷达目标识别领域的应用,并在此基础上提出了一种双通道单隐含层的深度学习模型—DBN-SDAE。该模型的优势在于采用双通道的单隐含层模型对图像数据进行学习,提取图像特征,避免了传统深度学习方法随着隐含层和神经元数量的增加计算复杂度增长过快的缺点;同时采用加权融合方法融合两个通道所学习的特征,既保留了数据的细节信息,又保留了数据的结构信息,一定程度上解决了特征利用不充分的问题。实验结果表明,所提方法在NN迭代次数远远小于DBN中NN的迭代次数;且在识别准确率上最高可达98.640%,较SDAE和DBN分别高0.511%和1.701%。     

基于Hu矩的无人直升机着舰标志识别方法

针对无人直升机自主着舰中准确识别着舰标志的需要,提出了一种基于Hu矩的无人直升机着舰标志分块匹配识别方法。分析了无人直升机自主着舰中的着舰标志识别问题,给出了基于分块匹配的着舰标志识别处理流程;在此基础上,实现了对视觉图像在不同场景下的预处理;最后,在不同场景下对所提方法的有效性与可行性进行了实验验证,结果表明,应用该方法能够较好地实现对着舰标志的识别,具有一定的军事应用价值。     

基于熵权法和FMEA的舰船信息流网络关键节点识别

舰船系统作为一种典型的信息物理系统(CPS),随着其信息化程度的不断提高,CPS信息安全事件频发。现有针对复杂网络的关键节点识别方法多是针对电力系统网络,基于这些网络的评价指标难以应用于电力系统之外的CPS网络。针对现有的关键节点识别方法在CPS中的不足,提出一种基于熵权法和FMEA的信息网络关键节点识别方法。将有效影响范围这个概念加入失效模式与影响分析(FMEA)的指标定性中,利用熵权法对FMEA中的指标进行客观赋权。结合主观性较强的FMEA中的风险顺序数,以风险顺序数中的三个评估指标作为熵权法中决策矩阵的指标。最后,通过舰船保障任务信息流节点网络案例验证该方法的正确性和可行性,分析结果表明,基于熵权法对三种指标综合赋权后的排序比单一的指标要更加合理。