自组织特征映射在柴油机振动信号模式分类中的应用

通过分析柴油机在磨合期、不同摩托小时和拉缸等典型状态下的振动信号样本,计算出各类样本在幅域、时域和频域的特征参量,按照类别可分离性判据进行特征选择,寻找出能够代表发动机不同状态的有效特征参数,同时降低特征向量空间的维数,最后利用自组织特征映射神经网络(Self-Organizing Feature Map)进行发动机不同状态的分类.分析结果表明,SOFM能够对各类模式进行有效的分类,准确率达到92%以上.     

基于特征点匹配的图像拼接算法研究

通过查找待拼接两幅图像的对应特征点以确定两幅图像的缝合点,进而确定两者的匹配位置,通过对图像的重叠区域进行平滑过渡处理,实现了待拼接图像的无缝拼接。实验结果表明,文中所提算法合理,取得了良好的效果。     

基于图像处理的明火火灾探测研究

基于数字图像处理技术,实时采集火灾现场帧彩色图像,实时计算图像数据在空间分布上所包含的纹理特征信息——能量(CON)、熵(ENT)、相关(COR)、惯性矩(ASM),并提取火焰的形状,获得火焰特征参数——面积、周长、圆形度、重心.通过融合处理连续帧图像数据,量化得到纹理信息表示的现场环境状况和火焰特征参数表示的火焰形状及其不稳定性特征。这些特征参数在火灾发生时出现了明显的变化,呈现出一定的规律,利用这些规律可以在现代船舶上实现火灾图像探测报警。     

苏轼散文风格略谈

苏轼的人生坎坷、情操高尚,这决定了其艺术风格的基本性质。苏轼思想旷达,胸襟开阔,感情奔放。其论文,贵以“意”摄之,贵天才变化,重在“活”与“变”。常用“水”这个意象,因为水之无“常”无“定”的自然特征正好切合“活”、“变”的美学特质。用水之属性来衬文之姿态,体现出他对文章风格的一个基本的美学追求,即追求新意,不拘成法,率性而作,     

UWB叶簇覆盖SAR人造目标特征信号

穿透叶簇的VHF/UHF超宽带(UWB)SAR具有相对带宽很宽,成像积累角大的特点,能同时获得距离、方位两个方向的高分辨能力,用于探测地面隐蔽人造目标。在VNF/UHF波段,一般的人造目标可简单模化为目标侧面与地面之间形成的一个长二面角。本文得出了二面角目标模型的散射回波信号形式,从理论上模拟产生了人造目标SAR图像,建立了特征信号库,可用于进一步的目标检测与识别。     

机动车辆自动识别系统

基于视觉的机动车辆自动识别方法工程量小、检测范围大、系统安装相对灵活，是一种很有前途的方法。目前已开发的商业系统大都用在日间辅助交通管理上。为改善视觉交通检测系统的实用性和增强系统的功能，本文作者对模型系统进行了深入的理论研究，提出了２．５维图像的新思路，提取车辆外形的综和特征更为准确，自适应识别方案使车型识别准确灵活，车头颜色特征的利用使识别的准确性进一步提高。实验证明，系统对光线的适应能力也明显增强，系统的稳定性得到改善，有望扩大系统的使用范围。     

战争中伪装能力的提高

瑞典巴拉居达公司在伪装技术界享有盛誉。本文介绍了该公司的概况和由该公司开发的主要伪装器材。     

基于双层随机森林的空袭目标识别

空袭目标识别是防空作战指挥决策的关键环节,针对空袭目标特征繁杂容易造成模型拟合和识别精度不高这一问题,为提高空袭目标的识别能力,提出了一种基于双层随机森林的空袭目标识别算法。该算法在第一层随机森林通过计算基尼指数变化量对特征进行重要性评估和优选,然后在第二层随机森林进行数据降维和目标识别,相较传统随机森林能够提高目标识别的准确率和稳定性。将该算法与传统随机森林、支持向量机和PNN神经网络进行对比分析,仿真结果表明该算法能够在保证识别准确率的基础上同时具有较高的识别速度和识别稳定性。     

基于多尺度残差网络的自适应边缘检测

为了实现无人机避障过程中的障碍物检测,针对传统边缘检测算法检测速度慢、抗噪性能差、边缘信息易缺失等问题,提出了一种基于多尺度残差网络的自适应边缘检测算法。基于深度可分离卷积,替换ResNet18残差网络中的传统卷积结构有效减少了网络参数量,提高特征提取效率。在综合考虑固定阈值和局部边缘点均值的基础上,引入自适应阈值改进八向差分算子,以提高算法抑制噪声干扰的能力。基于多尺度特征融合结构,在包含更强语义信息的高层特征图上融合低层细节信息,细化小尺度目标边缘特征。与改进前相比,准确率提升了4.23%,参数量降低了5.01×10⁶,处理速度提高了4 fps。     

基于多标签学习的探索性仿真实验因素筛选方法

探索性仿真实验是一种认识、研究战争的重要手段,但往往面临想定样本空间复杂程度高,空间维度爆炸等问题。针对上述问题,提出一种定性定量相结合的基于多标签学习的实验因素筛选方法。首先,基于定性分析设计并实施仿真预实验,采集处理实验数据,解决机器学习样本数据缺失问题;随后,引入输入控制层搭建深度神经网络,引入稀疏正则化,在多标签模型训练过程中实现特征选择;然后,回归定性分析,补充完善实验因素;最后,以某作战样式下立体投送行动仿真推演为背景进行实验验证。实验结果表明,筛选的实验因素与作战行动现实情况吻合。