基于多域卷积与自注意机制的SAR图像变化检测

针对基于深度卷积神经网络的合成孔径雷达(synthetic aperture radar, SAR)图像的变化检测方法,在利用图像块分析特征的过程中易将噪声引入到边缘区域,造成SAR图像变化检测精度较差等问题。提出了一种基于多域卷积与自注意机制的SAR图像变化检测方法。该方法先通过多域卷积模型增强输入SAR图像块的中心区域,减少边缘噪声的影响;然后,再利用注入空洞卷积的改进自注意机制模型充分挖掘SAR图像的重要空间结构信息,来提高变化检测的性能;最后采用3种不同类型的SAR数据集进行实验结果表明,本文中所提出方法能获得较高的检测准确率和KC系数,优于各种对比方法。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

高铁大风预警模式挖掘

高铁大风预警的传统方法基于风速预测,当瞬时值高于限速阈值时触发报警,存在大量的误报警,不必要的限速控制影响了高铁行车效率。创新地提出了基于序列模式的预警方法,旨在挖掘报警事件前序数据中的频繁模式,找出报警事件的变化规律,通过滤除与非预警序列共有的频繁模式,得到预警序列独有的序列特征,构建了预警模式库。经兰新高铁沿线的监测数据验证,该方法在提高预测准确率的基础上降低了漏报率,同时有效地减少了模式匹配所需的时间,为提前预警预留充分的时间窗口,更加符合实际应用的需求。     

基于直觉梯形模糊信息的目标优先级排序方法

针对地面防空作战中空中目标的优先级排序问题,提出了一种基于直觉梯形模糊信息的优先级排序方法。使用直觉梯形模糊数来描述空中目标的属性参数,分析了目标优先级的影响因素,并利用熵权法确定了影响因素的权重;针对传统TOPSIS方法的缺陷,提出了一种利用相对熵作为距离测度的优先级排序方法;最后结合算例仿真验证了方法的合理性和可行性。     

模糊需求下保障设施选址-路径模型及算法

针对装备保障过程中被保障单位需求量不确定的问题,在详细分析保障设施选址-路径相关因素的基础上,利用三角模糊数对需求量进行标定。通过运用模糊综合评价与群决策思想确定保障设施备选址点权重,构建时间满意度函数与惩罚成本函数,建立模糊需求下带有时间窗及容量限制的选址-路径模型,并设计了基于聚类分析与蚁群算法的混合启发式求解算法。通过算例分析验证了模型的正确性及算法的有效性。     

“怕出事”与“防出事”

古人云:先其未然谓之防,恐其发然谓之怕。部队工作千头万绪,安全稳定压力大,"怕出事、防出事"成了各级时时刻刻面临的难题,有的因怕出事而降低工作标准,避险就安,避重就轻,消极保安全、求稳定,影响和制约了单位建设。正确处理好怕出事与防出事的关系,不仅是一种能力素质的体现,更是抓好安全工作的一门学问。要有怕出事的想法,更要有防出事的办法。部队有句话是"两眼一睁,忙到熄灯;两眼一闭,提高警惕",不光忙工作,而且怕出事。