军事情报文本分类中的维数约减技术

为保证军事指挥决策的质量和速度、提高军事情报文本的分析能力,高效率的自动文本分类成为其中的重要技术.描述了文本分类所面临的高维稀疏文本空间和维数灾难等问题,综述了各种寻找最优和次优子集的特征选择技术和以主成分分析、Fisher判别分析、潜在语义索引等为代表的特征抽取技术,并指出了目前存在的技术问题和未来的工作方向.     

集对分析联系度聚类方法在信息分类中的应用

常见的各种聚类方法在遭遇稀疏数据信息的状况下是无法使用的.提出了一种基于集对分析联系度的聚类方法.它借用集对分析的联系度,对稀疏数据矩阵进行同异反特征分类,给出了符合一定概率分布的同异反特征数,并由此给出了同异反距离的计算方法.求出距离矩阵后根据距离聚类方法给出聚类结果.最后给出了该方法在信息分类中的实际应用,证实了方法的可行性、合理性和应用性.     

美国军舰的命名方式

美国海军是一支阵容庞大、装备复杂、现代化程度较高的军种,形形色色的舰艇类型数以千计。在这样一个庞杂的舰艇家族里,如何给每一艘军舰取一个既有意义又便于识别的舰名呢？为此,美国海军舰政署别出心裁地制定了一个军舰命名法则,这个法则融趣味、知识和条令为一体,并以法令的形式颁布执行。用这种法则命名的军舰,不仅容易识别和记忆,而且舰艇类型序列严整规范,内行人一看到或一听到舰名就能准确地知道这艘军舰的种类和性能。     

识别和远离社交恐惧

社交恐惧有以下几个特点：当面对不太熟悉的人或被他人注视时,出现显著的持续存在的担忧或恐惧,担心自己将面临窘境。一旦暴露在恐惧的环境中,几乎总会产生紧张和焦虑。这种恐惧是多余的或不适宜的。回避行为、预期性焦虑、环境中产生的痛苦或躯体症状（例如多汗、面红耳赤、胃肠道症状、震颤、心跳过快等）,严重妨碍了他们的正常生活,非常痛苦。     

凸优化算法在多导弹协同作战目标识别中的应用

针对多导弹协同作战目标识别的特点,分析了识别要素和识别数学描述,提出了利用凸优化理论建立满足多导弹协同作战系统需求的目标识别模型.通过分解代价函数,将模型转换为凸二次规划问题,并引入惩罚因子,利用牛顿迭代法求解该模型.仿真结果表明该识别模型有较好的识别能力和较强的鲁棒性.     

基于遗传算法的导弹结构模态参数识别

系统地研究了基于遗传算法的线性结构系统模态参数识别方法.遗传算法对广义动力学系统的辨识已经得到了充分研究,但在结构系统参数辨识方面的研究还不多,使用浮点数编码方案,利用频响函数数据,给出了结构系统模态参数识别步骤.由于遗传算法的全局寻优特性,该算法具有极强的抗噪声能力,即使对噪声严重污染的数据依然能够很好的辨识出待辨识的参数.通过一个两自由度的弹簧质量块系统进行了仿真分析,最后将方法用于一个实际的导弹结构的实验数据分析.     

基于目标编群理论的通信网络结构识别

为了解决通信网络结构识别问题,根据通信网的工作特点,在识别过程中引入目标编群理论,逐层递增生成通信网络的群结构,并对群结构进行动态维护,识别和更新通信网的组成信息.仿真结果表明了该方法的可行性和有效性.     

基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

图像目标识别中的分层检索模型

形状特征是武器装备目标识别的关键因素.针对归一化后轴夹角的特点和小波描述子多尺度描述轮廓曲线的特性,提出一种R树索引的分层检索技术模型,在模型库空间逐级过滤出与目标相似的模板,以保证检索的效率和准确性,并通过对军用车辆的检索实验验证了模型的有效性.     

一种雷达辐射源识别自学习算法研究

针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于遗传算法(GA)的自学习算法实现雷达辐射源智能识别的方法。实验表明:在使用相同的特征参数"前件"条件下,通过这种自学习方法得到的正确识别率高于其它识别方法。