基于BP神经化贝叶斯网络的空袭目标毁伤效果评估

针对空袭目标毁伤因素的复杂多样性,以及贝叶斯网络在评估时对先验知识获取和对网络节点限制方面存在的不足,提出一种BP神经化贝叶斯网络的评估方法,解决空袭目标的毁伤问题。分析了空袭目标毁伤的影响因素,并进行了知识表示;分析了贝叶斯网络结构处理多个父节点问题时存在的几个缺陷,建立了空袭目标毁伤评估的BP神经化网络结构,给出了"BP神经化模块"的决策方法。通过实例分析,结合Netica仿真,验证了该评估方法的准确性,操作简单、有效性好。     

基于BP神经网络的闭路制导改进方法

针对传统闭路制导方法中的制导方法误差,提出了一种根据"真实目标"进行制导的改进制导方法。采用BP神经网络逼近算法,推导建立预定关机点及落点坐标与需要速度间的映射关系,并装订上弹,使关机点附近对应每一个位置能够映射出相应的需要速度矢量。然后利用闭路制导关机及导引方法对导弹实施控制。通过仿真,该方法大大减小了制导方法误差,提高了导弹射击精度。     

基于多雷达组网IMM-GMPHDF的机动多目标检测跟踪

高斯混合概率假设密度滤波(GMPHDF)有牢固的理论基础,是解决高斯条件下跟踪强杂波环境中目标数未知的多目标问题的有效方法。但当目标发生机动时,就难以跟踪到目标,因此,在GMPHDF中引入交互多模型(IMM)算法,对继续存在目标的运动模型进行建模,根据计算的模型概率融合各模型滤波器估计得到的继续存在目标概率假设密度,解决了运动模型机动问题。仿真实验表明,IMM-GMPHDF能实时跟踪到强机动超音速多目标,在多雷达组网系统中跟踪强机动超音速多目标精度(OSPA距离均方根误差)能达到70 m,满足了工程使用要求。     

基于GA-Elman神经网络的水下集群作战效能评估

在现代化海战中,大力发展水下作战集群是海军信息化发展的必然途径,针对这种新的作战样式,对其作战效能进行准确可靠的评估至关重要。Elman神经网络能克服传统评估方法依赖于专家经验的缺点,但其自身的权值更新方法易陷入局部极小,为此,采用遗传算法(Genetic Algorithm,GA)对Elman网络进行全局优化,构建基于GA-Elman神经网络的水下集群作战效能评估模型,并应用实例对模型进行仿真验证。仿真结果表明该模型可以准确有效地对水下集群作战效能进行评估。     

基于一维卷积神经网络的二进制协议分类方法

针对目前网络上未知二进制协议种类繁多、不便于管理的问题,提出一种基于一维CNN的二进制协议分类方法,利用聚类得到协议数据的标签进行训练,直接将经过一类分类的二进制协议报文作为一维卷积神经网络的输入,训练分类模型,构建了一个二进制协议分类器,能够自动学习原始输入与预期输出之间的非线性关系,实现协议的自动分类功能。这是首次将一类分类与CNN网络应用于二进制协议分类领域。并且针对最大频度池化和一维卷积网络作了对比试验,验证了改进的有效性。经过实验验证对协议的识别率达到了98%以上,分类时间优于聚类方法。     

基于遗传神经网络的装备研制作战需求方案评价

针对评价问题的实际情况,利用神经网络良好的自适应性和遗传算法强大的全局搜索能力,采用遗传算法和BP神经网络相结合的遗传神经网络算法解决装备研制作战需求方案评价问题。通过样本数据训练,提高了评价的准确性和适应性。仿真实验表明,该算法能够较好地克服人为因素和随机性的影响,其稳定性和精确性也有较高。     

目标定位和跟踪的神经网络最小二乘估计

首先概述了单目标定位和跟踪的现有研究结论和新问题,接着叙述了神经网络最小二乘估计方法,最后给出了它对第１类和第２类火控系统应用的数学模型     

多传感器数据融合实现卫星及其系留诱饵的识别

卫星在绕地球运行时,其周围可能带有一个或多个系留诱饵。诱饵与卫星运行于相同的轨道,具有与卫星完全相同的运动状态。为了对抗雷达和可见光探测,通过改变诱饵表面涂层,可使其具有和卫星基本相同的雷达和可见光特性。在这种情况下,红外辐射特性成了识别卫星及其诱饵的唯一特征。文章提出了一种基于红外辐射特征的区分卫星及其系留诱饵的多传感器数据融合方法,利用地面三个观测站的三个多波段传感器提供的红外特征,采用神经网络和证据理论实现多级融合,有效地解决了噪声条件下卫星及其诱饵的识别问题。     

神经网络模式识别的一种电流模式实现技术

本文将电流模式技术用于神经网络模式识别,以全电流模式胜者为王（ＷＴＡ）和计算模式间匹配度（ＭＳ）为子网,进行了基于Ｈａｍｍｉｎｇ网的二值模式最优的敢小误差模式分类器设计实现。计算机仿真与理论结果吻合,所得电路结构简单、功耗低,具有潜在地应用前景。     

利用二阶神经网络进行说话人识别方法的研究

本文提出了用二阶神经网络进行文本无关的说话人识别的方案,同时采用多共用一张大网的做法,并针对说话人识别的特点分析了方案中语音预处理和特征提取的问题。最后对方案进行了计算机模拟实现,取得了满意的识别效果。