基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

一种基于知识的港口识别与理解方法

港口识别技术在军事上有着重要的应用前景。采用由上而下的知识驱动策略,充分利用了港口的图像特征,在低层处理中采用自适应平滑技术(Saint-Marc)进行预处理;中层处理提取港口重要对象目标(包括水域、防波堤和港口轮廓),用阈值分割和区域增长相结合的算法提取水域,用结构特征识别防波堤和港口轮廓;最后在高层处理中借用语义树的概念分析港口重要对象间的关系,采用概率松弛法进行港口的目标检测与识别。     

基于概率神经网络的空袭目标识别

针对BP网络的不足,提出基于概率神经网络(PNN)进行空袭目标识别的方法。首先提取空袭目标的速度、高度、机动加速度和雷达反射面积等特征并进行归一化处理,作为输入层数据,然后建立了概率神经网络目标识别模型。M atlab仿真实验表明,该方法识别空袭目标简单快速且准确率高,具有良好应用前景。     

基于空间方向相似性的编队队形识别算法

编队队形识别是反舰导弹智能末制导技术的一个发展方向,是将导弹实际探测到的敌方编队样式与事先存储在导弹上的编队样式进行对比,通过一种匹配算法对其进行一对一的匹配,进而分析编队的性质,进行火力分配决策,达到选择预定目标的目的。由于队形中各舰位置主要用方位来表述,所以可将编队队形看作二维空间中的一个场景,把已知队形作为模板,通过计算与模板的场景相似性实现对队形的识别,为反舰导弹目标识别与火力分配提供决策支持。     

破解“第二威胁”的威胁——从现代战场上的“自由残杀”说起

现代高技术广泛运用于军事领域,使兵器的杀伤破坏力大大提高。同时,也使战场上“自相残杀”的现象急剧增加。1973年的中东战争,埃及曾取得击落以色列飞机89架的骄人战绩。但在这辉煌战果的背后,却又有着击落69架己方飞机的可悲记录。1991年的海湾战争,美军阵亡146人,其中有35人死于自己人的枪炮之下,占死亡人数的24％:伤员467人,被自伤的达72人,占15％。在刚刚结束的伊拉克战争中,美英联军战场误伤再创新高,误炸造成     

反射波法测试桩基完整性时域曲线的定量分析

利用一维杆件波动理论,同时考虑导致应力波衰减的因素,将应力波衰减系数分为两部分定义：由桩身阻抗变化引起的应力波衰减系数及由桩周土阻尼等因素引起的应力波衰减系数,建立了桩身应力波传播更加合理的数值计算模型。实例分析结果表明,此模型能较好的实现对动测时域曲线的定量分析。     

弹型识别判据2的研究

介绍了在识别中子弹爆炸与小型原子弹爆炸的过程中,对弹型识别判据2——“基于探测距离R和早期核辐射中γ辐射周围吸收剂D*（10）的弹型识别方法”的研究．     

数据融合与敌我识别综述

敌我识别 (IFF)是自动目标识别 (ATR)技术的重要应用之一。高科技条件下现代战场中的目标侦察与敌我识别问题 ,一直是国际雷达领域和信息处理技术的主攻方向。为适应未来数字化战场的作战需求 ,具有敌我识别能力的系统 ,已成为 2 1世纪战场数字化系统的基本功能单元之一。扼要介绍了目标识别的有效途径、可提高敌我识别系统效能的数据融合技术及IFF现状与发展趋势。     

指纹识别技术在可视化后勤仓库管理中的应用探讨

身份识别和网络安全越来越被人们广泛重视。指纹识别技术是应用在身份识别和网络安全中最具代表性和应用前景的一种技术。随着可视化后勤系统的建设,指纹识别技术将成为我军未来后勤仓库安全管理的关键技术之一。在分析指纹识别技术及其性能的基础上,结合后勤仓库安全管理的特点,提出了指纹识别在后勤仓库管理局域网和广域网上的具体实现方案,并介绍了指纹识别技术在可视后勤中的具体应用方法。     

雷达情报特征的Bayes识别方法

根据雷达情报目标判性应用背景,对Bayes方法在该领域的应用进行了研究,初步建立了基于雷达情报特征的统计模型,并在算法的收敛速度和稳健性等方面与D-S证据理论进行了比较。仿真结果表明,Bayes方法对先验信息的精确程度要求并不十分严格,能较好地解决雷达情报综合问题。