基于改进半监督FCM聚类的复合材料超声检测脱粘缺陷识别

针对径向基（RBF）神经网络在进行超声检测脱粘缺陷识别时存在参数选择不确定、网络结构鲁棒性差等问题,提出一种改进的自适应半监督模糊C均值聚类（FCM）的RBF神经网络的方法,将kw近邻估计法和半监督模糊C均值聚类方法相结合,改进了隶属度函数,自适应确定聚类数目。将改进的RBF神经网络应用于超声检测脱粘缺陷识别,实验结果表明：与传统RBF神经网络相比,本方法减弱了孤立样本对网络结构的影响,增强了网络结构的鲁棒性,提高了脱粘缺陷识别的准确率,是一种较好的超声检测脱粘缺陷识别分类方法．     

心里装着职工

6月2日一大早,六师新湖农场新旺社区十八连党支部一班人就来到连队困难职工高明博家的棉田里,帮助他除草。高明博感动地说:"现在连队干部和职工越走越近了!"今年5月底,新原社区三十二连职工胡定发正在为田管中耕缺资金着急之时,连队党支部书记李浩远毫不犹豫地拿出1.5万元,解了他的燃眉之急。点点滴滴之中,职工群众感受到的是党组织的关怀。大家由衷地说:"干部心     

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。     

基于WSN的目标探测与分类算法

针对WSN监测系统的目标检测与分类问题,提出一种基于直觉模糊推理(IFR)的多源数据融合方法。由模糊推理的思想,设计各状态变量的属性函数。根据目标声强变化和引起的地磁场变化的模型,设计模糊推理规则,并检验了所建规则的合理性。理论分析与仿真结果的对比表明算法能准确地对目标进行分类,且运算量小,适用于计算能力较弱的WSN节点。     

云模型和特征辐射源信息的平台目标识别

平台目标识别一般分为两个步骤,首先是对平台上辐射源的识别,然后通过辐射源和平台的关联进行平台识别.在辐射源识别阶段提出利用云模型描述和处理参数存在区间模糊和观测具有噪声的数据,较好地解决了对于带有复杂调制信号的辐射源识别问题.在平台识别阶段,就辐射源和平台关联的各种结果给出了新的计算样本和模板间匹配度的方法,并且提出利用平台的特征辐射源信息对平台识别结果进行进一步的筛选,以提高识别率.最后用仿真验证了该方法的有效性.     

朝阳区人武部通过主题教育活动进一步“坚定信念、铸牢军魂”

北京市朝阳区人武部认真贯彻上级指示要求,大力开展"坚定信念、铸牢军魂"主题教育活动。通过学习文件、体会交流、参观见学、现身说法,切实把干部职工在教育活动中焕发出的政治热情,引导到干好本职工作、完成各项任务上来,积极为推动人武部全面建设、有效履行历史使命作贡献。在教育活动中,该部紧密联系人民武装工作实际,明确专题设置、方法步骤、活动安排,认真抓好专题教育与经常教育,加强分类指导和检查督导,确保教育活动取得实效。教育中紧紧扭住     

目标识别中的传感器管理方法

基于假设检验的方法,研究了目标识别中的传感器管理方法。分别以用于假设检验问题中的最大后验概率、最小代价函数和最大正确检测概率为目标函数,给出了用于目标识别问题的多传感器管理方法,并针对目标识别问题的特点,对其进行了相应的改进。通过对一定场景的仿真,比较了三种不同方法的识别正确率和平均采样次数,分析了各种方法的特点。     

金属橡胶／橡胶复合叠层耗能器试验建模研究

采用电液伺服材料试验机的位移加载方式,对金属橡胶／橡胶复合叠层耗能器进行动态试验研究,结果表明：耗能器的恢复力同时受频率和振幅的影响具有非线性迟滞特性。在此基础上,结合理论分析建立耗能器的动力学模型,提出一种参数分离识别法,辨识出模型中的未知参数。将辨识结果与试验曲线进行对比,结果表明,所建模型可靠,且参数识别精度能够满足工程应用的要求。     

面向态势估计的多代理规划识别模型的研究

态势估计问题是数据融合的高层部分,如何有效的评估态势进而推理出敌军的目的、意图是要解决的问题;而在战役对象多、机动复杂的情况下如何推理更是一个待解决的问题。通过应用多代理规划识别理论,建立态势评估的推理框架,进而推出解决态势融合的推理算法。     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。