基于PSO-SVM与样本加权的武器装备费用建模与预测

武器装备费用预测是武器装备费用分析的重要内容,预测分析的难点之一在于样本数据少,且样本数据具有复杂的非线性特点。充分利用支持向量机的结构风险最小化与粒子群算法快速全局优化的特点,采用粒子群算法快速优化支持向量机的模型参数;充分利用样本信息,模型中样本加权值的确定采用预测误差和样本相似度的样本加权方法,研究建立基于PSO...     

红外空中小目标小波域检测方法

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换的检测算法.该方法首先对小目标图像进行小波分解并在考虑高频系数能量的基础上对噪声和背景边缘系数进行抑制,然后将遗留下来的高频系数通过线性映射变换成灰度图像.其次对3个方向的高频图像按照一维最大熵法进行二值化处理并通过形态开算子进一步滤除噪声,随后将高频图像两两相与关联生成单帧检测结果,并进一步利用帧间目标位置的相关性完成小目标检测过程.最后,在原图像中以检测结果图像的质心为中心生成跟踪窗口.试验结果表明,相对于通常的小目标检测算法,提出的算法在背景抑制、检测准确度以及速度方面都具有一定的优势.     

BP神经网络在效能评估中的样本训练

根据WSEIAC模型建立了地面防空导弹武器系统效能评估的指标体系,并依此模型建立与之对应的三层BP神经网络.简要分析了BP算法的实现过程,利用专家打分法和模糊层次法相结合的方式取得该神经网络应用于地面防空导弹武器系统效能评估时的训练样本,并对此神经网络进行学习训练,直至达到精度要求.经验证,该网络在评价地面防空导弹武器系统效能时减少了评估中的人因影响,使评估结果更为科学.     

基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

出入境证件研究的动向与方法探析

出入境证件研究人员应在全面研究出入境证件的基础上加强对签证尤其是"小国家"签证样本的收集与分析;研究人员要注重在当前没有高级文检仪的情况下使用其它鉴别仪器的方式方法;在牢记出入境证件的主要防伪暗记的同时,还要熟悉与掌握出入境证件样本的内容与防伪特征以及犯罪团伙的伪造手法及伪造内容等;要不断学习与积累防伪技术知识,将出入境证件研究工作推向一个新的高度.     

基于主成分的改进马氏距离TOPSIS方法

针对指标变量线性相关,导致变量协方差矩阵行列式(广义样本方差)为零无法应用马氏距离的情况,采用主成分分析法对指标变量进行线性组合,在不减少信息量的同时,得到少数几个不相关的主成分,由主成分构成的协方差矩阵行列式不再为零。依据降维后的主成分变量,采用基于马氏距离的逼近理想解法对五种预警机探测引导能力进行了排序,经检验其结果与实际情况相符。     

饕餮新年勿忘养生

盼了一年,羊年的春节就快到了,这是中国最富有特色也是国人最关注的传统节日之一。随着新春佳节的喜庆气氛逐渐蔓延开来,各类喜宴、公司聚餐、家庭聚会也将接踵而至,人们会放下忙碌的工作尽情去享受新年的喜悦。往年有很多人因为不注意"吃"的方法而使肠胃饱受折磨,甚至身体在节后出现一些小毛病。到底新年聚餐应该如何吃才能既享受各种美味佳肴又保证健康的身材与体魄呢?下面小编就教您几个关于聚餐的养生小妙     

基于迁移学习的小样本事件抽取技术及军事应用展望

事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息,从而更好地应用在相关应用领域和下游任务上。基于迁移学习的事件抽取技术是当前低资源场景下的事件抽取研究的主流方法,通过设计更鲁棒的模型来迁移知识,解决事件抽取面临的训练数据缺乏问题,从而提升小样本事件抽取的效果。对基于迁移学习的小样本事件抽取技术及其军事应用展望作了全面的阐述,回顾事件抽取的起源与发展,描述迁移学习事件抽取的研究背景,并重点总结目前的技术方法及其军事研究现状,提出其军事上应用展望,最后对其面临的问题挑战和未来研究热点作了分析。     

基于小弹性模量法的空间飞网构型优化设计

飞网构型设计对提高空间飞网系统的展开抓捕性能具有重要意义。用小弹性模量分析方法对空间飞网构型优化设计问题进行了研究。以绳网中内力分布均衡性为优化目标,选取飞网抛射过程中最大受力时刻为研究工况,赋予绳索单元极小弹性模量,进行静力学计算,并以变形后的结果为初始条件进行迭代分析。优化结果表明,绳网中的内力分布随迭代步数的增加而更趋于均匀。在不改变绳网拓扑结构的前提下,本文所建立的优化设计方法为空间飞网构型优化设计提供了一种参考途径。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。