军事领域“大数据”研究

学术界对于大数据相关问题的研究,从2009年大数据之初就已经开始。目前军事领域对大数据的研究逐步深入,主要围绕大数据对军事领域的影响及挑战、大数据技术在军事领域中的应用等展开,呈现出重点突出、角度多样、不断细化等特征,但在研究的系统性和全面性上还存在一些不足,这些不足将成为进一步拓展和深化研究的重点。     

防空C3I雷达情报网数据融合算法的研究

传统 C3I系统的数据融合算法运算量大 ,融合精度不高。根据我国防空 C3I系统的现状 ,提出了一种新的基于神经网络的防空 C3I系统数据融合算法。由于神经网络是全并行工作 ,所以此算法具有处理速度快、精度高等优点。仿真结果表明 ,航迹交接算法和航迹融合算法的性能都比较好 ,对真实雷达网数据融合有很好的参考价值     

数据并行程序设计语言中分布数组的地址计算

本文讨论了在大规模并行计算机上实现数据并行程序设计语言的关键问题──分布数组的地址计算问题。文中详细给出了维分布数组的下标地址计算公式,分布数组的内情向量结构以及分布数组映射函数算法,并对有关编译实现技术进行了探讨。     

动态多因子相关算法及其改进

以组网雷达情报综合处理为背景,针对多站多目标航迹相关问题,首先介绍了动态多因子相关算法的基本原理,然后在此基础上提出了几点改进措施。利用位置因子的重要性对相关判定区域做了限制;利用航向因子对判决结果进行二次修正,同时结合目标的机动检测问题,提高了对目标强机动的检测能力;此外,根据实验结果还对综合处理中的航迹配对准则进行了修正。通过算法的改进不仅改善了航迹相关的质量,还降低了运算量。最后给出了改进后的算法流程图。     

自适应数据融合算法

以防空导弹指控系统作战单位为背景,通过对现有经典算法及工程化算法的分析,结合专家经验,提出了基于算法间联系的工程化自适应数据融合算法.对自适应算法的思想、规则集、算法库、推理组成和算法的实现作了详细的描述.     

D-S证据论在空中目标分类中的应用

首先叙述识别、分类空中目标时需使用多传感器融合技术,分析可利用的各类传感器和从其可得到的各种目标属性参数,以及各种数据融合方法.然后详细介绍了基于D-S证据论的3种多源信息融合分类空中目标方法,并对具体仿真应用结果作了比较.     

防空C~3I数据融合工程化算法研究

在防空导弹武器系统数据融合研究中 ,工程化简便算法是其中重要一个方面。提出了几种便于工程化实现的简便算法 ,并进行了仿真实验。     

防空C3I数据融合工程化算法研究

在防空导弹武器系统数据融合研究中,工程化简便算法是其中重要一个方面。提出了几种便于工程化实现的简便算法,并进行了仿真实验。     

目标智能识别研究

本文提出了数据融合技术与数据挖掘技术相集成的海上目标自动识别系统体系结构以及基于加权粗糙集模型的特征知识挖掘方法,运用模糊神经网络技术进行目标识别。     

军用油料装备数据集成技术探析

集成军用油料装备的研究、研制、管理和保障活动中各环节所涉及的数据,实现军用油料装备的标准化、系列化和模块化,在油料保障时限内,快速有效地集成所需信息,为实施强对抗、快节奏、高强度的油料保障提供决策依据,这正是本文研究的目的。采用智能集成方法与系统工程理论,对军用油料装备数据进行集成分析,确定数据集成方法,提出集成数据模型,建立集成系统体系结构,论述军用油料装备数据集成关键技术,阐明军用油料装备数据集成的研究,对加强油料保障力量具有重要意义。