结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.     

多模型估计方法

多模型方法是一种混合估计方法 ,相对于传统的估计方法而言 (例如 Kalman滤波 ) ,它特别适合于具有未知变参数或变结构系统的研究 ,因而在许多领域得到了成功应用。回顾了多模型方法的发展过程 ,对现有各种多模型估计方法进行了总结 ,并提出了研究方向     

空袭目标流威胁评估与排序模型研究

结合现代防空作战的特点和指挥自动化系统的工作过程,对影响目标威胁评估的各种因素进行了分析,利用模糊综合评价等理论和方法,给出了进行威胁评估的因素集和评价集,建立了相应的数学模型,叙述了进行威胁评估与排序的方法、步骤和一般准则.     

关于集值映象的公共不动点定理

本文给出了几个新型集值映象序列的公共不动点定理。     

云模型和距离熵的TOPSIS法空战多目标威胁评估

针对传统逼近理想解的排序法(TOPSIS)在空战多目标威胁评估中对战场态势数据精度要求高这一缺陷,提出了一种基于云模型和距离熵TOPSIS法空战多目标威胁评估方法。该方法运用云模型理论对战场态势数据进行模糊表示,并通过定义云元素的大小和距离测度公式实现了两者结合。考虑目标各属性的权重对分析结果的重要性,运用距离熵理论来分配各属性的权重,进而建立加权决策云矩阵,根据相对贴近度的大小确定各方案的威胁程度。最后,通过仿真验证了该方法的可行性和有效性。     

变分自编码器结合聚类算法在空战态势评估问题上的应用

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分为四类。在变分自编码器的基础上,提出了VAE-WRBM-MDN特征提取模型,即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度,使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类,并结合态势函数和实际战场情况修正聚类结果,形成正确的态势分类标准。在实验部分,分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明,模型态势分类正确率和运行时间均满足应用需求,实例评估结果与客观态势一致性强,所提方法具有实际应用价值。     

基于反正切函数的测试性分配方法

针对现有主流测试性分配方法存在的分配指标过低和过高等不合理问题,分析认为其根源在于现有方法采用线性分配函数,而该函数不符合测试性指标提升规律,为此,构造了一种基于反正切函数的测试性分配函数,设计故障检测率与故障隔离率指标的分配算法,开展案例应用并与经典故障率分配法和综合加权分配法进行对比分析,结果表明随着分配权重(故障率)的变大,本方法分配指标的增幅逐渐减小,不会出现极低指标和超1指标的不合理情形。     

相控阵雷达维修方案优选方法研究

针对相控阵雷达维修方案的选择问题,确定了维修方案的决策属性,并提出一种基于改进TOPSIS法的相控阵雷达维修方案优选方法。该方法通过引入Vague集来处理维修方案选择中存在的模糊信息,并采用博弈论综合赋权法来确定决策属性的综合权重。通过计算各备选方案与正、负理想方案的灰色关联度,得到了维修方案的灰色关联相对贴近度,进而实现对维修方案的排序和选择。最后,通过算例应用与分析,对提出的方法进行了验证。     

集对分析和LS-SVM相结合的装备研制风险综合评价法

为有效降低或规避武器装备研制风险,确保装备研制项目的顺利推进,提出一种基于集对分析理论与最小二乘支持向量机方法的装备研制风险综合评价方法。根据武器装备研制特点,建立装备研制风险评价指标体系。在此基础上,引入集对分析理论中的联系度和集对概念构建训练样本和测试样本。利用样本对最小二乘支持向量机进行训练测试,得到装备研制风险的评价模型,并给出评价结果。案例分析表明,所提方法过程简便,定性定量结合,形式易于理解,评价结果也更加贴近实际,对于提升装备研制项目风险管理和决策水平,具有重要的实际意义。     

基于偏差熵的专家聚类赋权方法

在群决策专家聚类赋权过程中,可能出现专家给出的判断矩阵一致性比率与排序向量信息熵都相等但专家意见不同,却被赋予了相同权重的情况。针对上述问题,提出一种基于偏差熵的专家聚类赋权方法。该方法采用聚类分析的思想,基于比例构建相似系数,实现对专家群的分类;引入专家判断矩阵的一致性权重,并综合类容量构建权重指标来反映类别间的差异,确定专家类间权重;最后,在各专家类中建立偏差熵模型,依据类中专家达成一致性意见的贡献程度确定专家的类内权重,并得到专家的总体权重。具体算例表明,该方法可行有效。