基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。     

引入攻防树思想的“软目标”恐怖袭击风险建模

为评估"软目标"恐怖袭击风险,提高"软目标"防恐安全性,以供反恐部门决策参考,设计了一种基于攻防树的"软目标"恐怖袭击风险评估模型。针对不同的袭击方式和防御策略,构建了各类攻击结点和防御结点,对两类结点的动态交互影响因素进行了参数设定,生成了攻击防御树,引入了攻击回报(ROA)、防御回报(ROD)的概念,通过计算各场景下遇袭概率、攻防成本、攻防回报值,对有安检区域和无安检区域的人群遇袭风险进行了仿真、评估和比较。仿真结果表明,要降低"软目标"恐怖袭击风险,需要提高防御措施效率。在无安检区域实施有效的人防、物防、技防策略,可显著降低遇袭风险。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。     

基于Kalman滤波对运动目标状态最优预测

给出了运动目标状态空间表达式,Kalman滤波递推公式及算例,实现了目标状态的滤波及预测,对于提高打击运动目标的精度,缩短火力反应时间及简化指挥程序具有较强的实践意义。     

海上编队对空中目标类型识别模型研究

对空中目标类型识别是海上编队对空防御的基础和决策依据,传统的识别方法多以目标物理特征为依据而忽略了对目标战术特征的考虑,本文对空中目标类型进行了归类,根据D-S证据推理相关理论,建立了融合目标战术特征和物理特征的目标类型识别模型,该模型可以为海上编队防空指挥自动化决策研究提供一定的参考。     

舰载导弹超视距攻击误差计算

超视距引导的导弹攻击,导弹对目标的捕捉能力取决于引导配系的引导精度和导弹本身的技术、战术性能。本文提出了影响舰舰导弹超视距攻击误差的三要素,给出了导弹射击概率偏差的计算方法,并就对平台延伸定位法,反向延伸平台定位法和GPS定位法的定位误差进行分析,指出了引导站的安全角在实际运用中的作用。     

高中英语教学中的学法指导

一、在高中英语教学中开展学法指导的重要性. 目前,全国中小学正在积极开展教育改革,努力探索和实施素质教育.素质教育是教育事业的一次深刻的变革,是教育思想和人才培养模式的重大进步.学会学习是素质教育的重要目标之一,也是顺应时代发展的需要.