基于卷积核剪枝的遥感目标检测模型压缩方法

针对基于卷积神经网络的遥感目标检测模型压缩问题,基于卷积核剪枝理论,设计了卷积通道剪枝的方案,对YOLOv3模型进行精简压缩.提出卷积通道的概念并将BN层系数作为卷积通道的评估因子,使用L1正则化将评估因子稀疏化,将评估因子值较小的卷积通道剔除,再对各卷积层中的参数进行微调,从而达到模型压缩的目的.使用该方法对自制的典型遥感目标检测数据集进行目标检测实验,在剔除90％参数的情况下,测试精度下降率在10％以内.实验结果表明该方法能以较小的精度损失为代价,节省大部分的储存空间和计算量.     

基于反卷积处理的Bartlett匹配场定位方法

为了降低Bartlett匹配场定位方法输出定位模糊函数背景级,提出了一种基于反卷积处理的Bartlett匹配场定位方法.该方法借助图像复原理论中的反卷积技术,在Bartlett匹配场定位方法基础上论述了点扩展函数设计过程;利用预设计的点扩展函数和二维反卷积技术,对Bartlett匹配场定位方法输出定位模糊函数进行反卷积处理,得到清晰定位模糊函数,降低了背景级及其导致的定位模糊问题.数值仿真结果表明,该方法通过对定位模糊函数进行反卷积处理,定位模糊函数背景级远低于Bartlett匹配场定位方法和MVDR匹配场定位方法;定位模糊函数背景级随着反卷积迭代次数增加而降低,函数峰值也变得更加"尖锐",具有更好的目标声源空间位置分布估计能力.     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

考虑专家偏好的基于概率犹豫模糊熵的多属性决策方法

针对现有概率犹豫模糊多属性决策研究中,专家权重和属性权重的确定存在主观随意性的问题,提出了一种考虑专家偏好的基于概率犹豫模糊熵和前景理论的决策方法.基于贴近度度量,考虑专家的偏好性,以追求整体一致性为原则确定专家权重;基于概率犹豫模糊熵,考虑专家的决策差异,度量评估信息的犹豫性和模糊性,确定属性权重;采用前景理论对方案评估信息进行集结,根据价值函数和权重函数得到方案的前景价值,并以此进行方案排序.通过算例对比分析,验证了所提方法的科学性和合理性.     

基于改进GA-BP神经网络的目标毁伤效果评估

针对事后的目标毁伤效果评估时效性一般、主观性较强的问题,提出了一种基于改进GA-BP神经网络的毁伤评估方法.该方法以飞机系统为例,分析了系统目标特性后,按照目标系统层、功能毁伤层、物理毁伤层的结构顺序,构建目标毁伤树并划分毁伤等级;引入遗传算法,对其选择算子、交叉和变异概率加以改进,以获取BP神经网络最优权重值,增强了遗传算法种群的多样性和泛化能力,使网络模型的精确性得以提升;通过算例分析验证了模型的可信性和有效性,对目标毁伤效果评估的人工智能化,特别在新概念武器作战运用中,具有一定的启发和借鉴意义.     

中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。     

基于DEMATEL-TFNAHP的合成营作战能力评估指标权重确定方法

为获取完整的合成营作战能力评估指标权重信息,建立合成营作战能力评估体系层次结构模型,分别利用三角模糊层次分析法(TFNAHP)和决策实验与评估实验法(DEMATEL)获取评估指标的影响权重和价值权重,并利用积和归一法对这两种权重信息进行融合,得到包含评估指标隶属关系和相互影响关系信息的综合权重,最后对合成营综合作战能力进行评估.通过与未改进的三角模糊层次分析法获得的合成营综合作战能力评估结果进行对比,验证了A方法的有效性和可靠性,为合成营作战能力评估指标权重确定提供了一种新的思路.     

基于模糊融合的目标检测算法研究

针对经典决策层融合检测过程中本地“硬”判决导致的信息损失问题 ,利用模糊子集理论 ,提出了一种基于模糊“软”判决的融合检测方法。理论分析与仿真实验表明 ,该方法优于传统的“K秩”方法 ,ROC雷达工作曲线接近理论最优曲线。     

模糊理论在导弹系统故障诊断中的应用

任何系统的故障都有一定的模糊性,因此模糊理论在故障诊断中有着广泛的应用.模糊故障诊断有利于提高系统的故障诊断的水平,本文以模糊理论知识为基础,建立了系统的模糊故障诊断模型,并应用于某型号导弹武器系统的故障诊断中,结果证明该模型的有效性和合理性.     

基于神经网络的弹丸强度可靠性分析

构造了一个基于神经网络的弹丸强度分析模型,通过对以往实际发生数据的训练与推理,设计并构造了一种自适应变步长自构型神经网络。对影响弹丸强度的诸多因素进行了综合的非线性分析。并可以利用该模型进行强度预测,减少实际打弹的次数,经济效益明显。