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。     

基于辩证语义的分布式协同态势分析方法

分布式协同态势分析在联合作战战役筹划中起着十分重要的作用。当前的战场环境呈现动态不确定性,传统的态势分析方法在处理不确定、不一致及不完全信息等实际应用中存在较大的局限性。本文基于辩论理论的辩证语义,提出了一种新的分布式协同态势分析方法。该方法通过多方对话博弈展现不同参与者的主张和论据之间的攻击关系及矛盾焦点,进而构建相应的辩证分析树网格以辅助决策者协同解决态势分析中的信息不一致和观点冲突问题。该方法的研究将为联合作战的态势分析提供新的方法论。     

压缩感知稀疏重构对星图的影响

稀疏重构是压缩感知理论的核心内容之一,为了将稀疏重构有效地应用于星敏感器的压缩成像过程中,从星图图像误差和星点特征误差两个方面分析稀疏重构对星图的影响。在图像误差方面,利用峰值信噪比评价指标考察星图在不同重构算法、不同压缩比下的重构质量;在特征误差方面,从理论上分析稀疏重构对星点特征的影响机理,提出星点特征重构误差的评价指标,考察星点的质心、亮度和数量特征的重构误差。结果表明,在所选算法各压缩比下,星图相比一般图像能够获得更高的重构质量,重构星点能够在很大程度上保持可用于姿态确定的特征信息,结论保证了利用重构星图进行姿态计算的正确性,进一步验证了压缩感知理论在星敏感器中应用的可行性,为实现星敏感器的压缩成像提供了现实依据。     

2000-2017年无人机专利技术发展态势分析

近年来无人机技术迅速发展,装备数量和市场容量逐步扩大,吸引国内外众多研发机构投入无人机技术创新,抢占知识产权。基于无人机有关发明专利授权情况分析,判断无人机的技术热点领域分布情况,了解相关研究机构的研究重点和技术积累。根据获得授权的年度专利申请情况,高校是国内无人机研发的核心力量,但部分企业也开始发力无人机发明专利。建议政府、高校、企业紧密协同,政府发挥政策引导作用,高校加强核心技术创新,企业牵头组建产学研产业联盟,共同促进具有国际竞争优势的无人机产业尽快形成。     

基于贝叶斯网络的威胁识别

根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.分析了使用贝叶斯网络进行威胁估计表示问题,提出了构建贝叶斯网络进行威胁估计的步骤.最后,给出一个具体的实例,演示了使用贝叶斯网络进行威胁识别的过程,实现了战场态势中蓝方机群对红方战术意图的提前预测.     

基于双驱动模型的目标机动行为识别方法

针对目标样本数据和行为知识匮乏、不平衡对空中目标飞行机动识别带来的难题,提出了一种基于数据与知识双驱动的智能化识别方法。采用集成学习的思想将数据驱动的深度学习模型和知识驱动的推理模型融合,既可以弥补推理模型在复杂环境下表现不佳的不足,又可以增加深度学习的可解释性和鲁棒性。利用仿真对比实验验证所提方法的有效性,结果表明：所提算法对目标机动行为识别能力优于仅基于知识驱动或仅基于数据驱动的单驱动系统,准确率达到90.1%。此方法大幅提升了对复杂环境的适应能力和识别准确率,对目标机动行为识别有重要工程应用价值。     

面向狭小封闭战场环境的群智感知定位算法研究

为解决在狭小封闭的战场环境,如敌方指挥中心、船舱、地下建筑物中,如何快速准确地获取自组织网络或目标对象的位置信息的问题,基于单兵智能终端设备提供的通信模块,利用可见光传感器等硬件设备的支持,通过研究群智感知式的通信信号指纹,结合图像匹配算法,提出了一种定位算法。该算法利用通信指纹数据实现了初步定位,结合融合图像和姿态传感器的加权平均算法,并采用群智感知方式补充与更新定位数据,通过调整图像匹配策略,在保持准确率的前提下,相比单一图像匹配定位算法,降低了算力的需求,在通信条件复杂的战场环境中提高了实时性能。对比标准的WKNN(Weighted K-Nearest Neighbors)算法,提高了在复杂环境下定位的稳定性,且定位误差平均值低于1.72 m,误差降低约50%。     

论指向核心素养的数学深度学习

数学核心素养是学生亲身经历"数学化"活动之后所积淀和升华的产物。数学核心素养的培养需要指向高级思维能力培养、注重学生学习行为高情感和高行为投入的深度学习。本文以"求无盖水箱最大体积问题"为例,从创设挑战情境,学生历经自主合作探究过程,反思数学与生活的关联,培养学生良好的情感态度价值观等方面对数学深度学习进行了探讨。最后指出,实现深度教学,教师需要转变教育理念,深刻理解数学核心素养的具体表现和内涵,要基于经验进行研究导向的持续教学改进与提升。