基于线性四分树描述的图像块邻域寻找的快速方法

线性四分树将物体区域表示为组成物体区域的四分块的位置码的集合。本文通过分析位置码属性,归纳出了图像四分块相邻的充要条件,并给出了相应的寻找图像块邻域的算法。该方法简单明了,便于计算机实现。     

智能工具机的性能分析

本文论述了提高智能工具机性能所采取的技术措施,并对其性能进行了模拟。模拟结果表明,智能工具机的平均推理速度可达500KLIPS 左右,比日本的PSI—Ⅰ约快一倍,比美国加州大学Berkeley 分校研制的PLM 约快两倍。     

基于R-树索引的Map-Reduce空间连接聚集操作

空间连接聚集是一种常用并且非常耗时的空间数据库操作,特别是在面对大规模空间数据集时,单机运行环境难以满足其对时空开销的需求,如何设计高效的面向云计算环境中的分布式空间连接聚集算法越来越受到人们关注。Map-Reduce作为云计算的核心模式受限于其扁平化的串行扫描操作模型,常被用来加速非索引的空间连接操作,现有工作尚无将Map-Reduce和R-树索引结合来处理空间连接聚集。因此,提出了基于R-树索引的Map-Reduce空间连接聚集算法(RSJA-MR)来更高效地返回连接聚集结果。提出一种分布式R-树索引结构以支持大规模空间数据的索引,RSJA-MR算法利用分布式R-树生成任务集,任务集的执行满足无依赖并行计算模式,很容易在Map-Reduce框架中进行表达。文中提出一种实时缓存策略以支持索引并发访问。实验结果表明:相比非索引的Map-Reduce连接聚集算法,在空间交叠连接聚集查询上,时间性能最少提升8%,在空间包含连接聚集查询上,时间性能最少提升近35%。     

基于云模型和D-S证据推理的防空信息战系统效能评估

基于对防空信息战的因素分析,建立了防空信息战系统指标体系,论述了D-S证据推理的数学性质及其证据合成法则,提出了基于云模型的定性评测和证据推理的综合评价方法,通过证据推理的聚合作用,综合多个不同类型专家的意见,结合云理论实现定性与定量之间的相互转换.最后对防空信息战系统进行实例分析,证明该方法的科学性和直观性,从而拓展了武器系统效能分析的思路.     

基于树分解/合并策略的QoS多播路由方法

针对多约束QoS多播路由的NP-Complete特性,提出一种可控的多播树分解与合并策略,使多播树的生成在兼顾低费用的同时具有多样性,有效克服多播路由优化的局部极值问题。基于该策略设计蚁群算法,分解蚂蚁种群为与多播目标点相对应的蚂蚁子群,引入基于“死点”惩罚和多播树奖惩的信息素更新机制,提高了算法的收敛速度。仿真实验表明,该方法能有效地解决QoS多播路由问题,且随着网络规模的增大保持了良好的性能。     

基于贝叶斯网络的武器装备体系作战效能评估方法

武器装备体系的作战效能呈现非线性、对抗性、动态性等特点,武器装备体系的建设发展对评估模型的应用分析提出更高的要求。由于贝叶斯网络具备对武器装备体系的效能与指标之间的非线性关系的良好映射能力、对动态过程良好的描述能力、良好的推理分析的能力,基于贝叶斯网络的作战效能评估成为了该领域目前的研究热点之一。论述了武器装备体系的作战效能评估以及贝叶斯网络的发展现状,及基于贝叶斯网络的作战效能评估方法的研究现状,指出了基于贝叶斯网络的武器装备体系作战效能评估方法的发展方向。     

基于动态毁伤树的关键打击目标选择方法

目标选择是军事计划的重要组成部分。目标间的复杂关联和动态性给关键打击目标的确定带来较大困难。首先引入了目标体系概念,描述了目标体系的结构和响应机制,分析了目标系统失效模式的动态逻辑门,构建了目标体系的动态毁伤树模型。然后给出了基于动态毁伤树的关键目标选择模型,并使用启发式算法进行求解。最后通过典型的防空体系案例表明,该方法能够在目标具有层次性、动态性条件下为军事人员进行目标选择决策提供有效的辅助。     

基于小波分层连通树结构的信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显改善。     

军事通信领域上下文本体建模及不确定性推理＊

为支持军事通信业务的智能化,研究了军事通信业务上下文信息的表示和推理,提出了一种表示业务上下文信息的语法结构、语义以及上下文元信息的本体建模方法。并利用贝叶斯网络理论,提出了一种支持不确定性推理的业务上下文认知模型的构建方法,最后通过案例分析验证了模型和结论的合理性。     

多任务时间规划冲突检测方法

摘要：针对多任务的时间规划问题,基于Simple Temporal Networks(STN)时态表示模型和时态推理方法,提出了一种时间冲突检测的智能方法,并对该方法给予了数学证明。实验表明,该方法能够检测出基于STN表示的作战方案的时间冲突,并对任务时间规划提供参考范围,可有效辅助指挥员快速制定作战方案的时间规划。