结合YdUaVa颜色模型和改进MobileNetV3的视频烟雾检测方法

为降低视频烟雾检测中的虚警率和提升检测效率,提出Y^dU^aV^a颜色模型,该模型可以表征烟雾的空间域分布特性和时间域变化特性。利用该颜色模型快速筛选出疑似烟雾图像块,降低虚警率和提升运算效率。提出改进的MobileNetV3网络结构,用于提取图像深度特征并对疑似烟雾图像块进行分类识别,检测视频中是否存在烟雾。视频烟雾检测仿真结果表明:该方法准确率和检测帧率高,虚警率低。     

大深度复合同振式矢量水听器设计

针对目前深海无人移动平台缺乏与其工作深度相匹配的复合同振式矢量水听器的问题,采用薄壁铝合金球壳作为矢量通道,压电陶瓷圆环作为声压通道,设计制作了一型大深度复合同振式矢量水听器,并用理论计算、有限元仿真和实验测试的方法对其声学性能和耐压性能进行了验证。该水听器的外径为85 mm,质量为398 g,平均密度为1 240 kg/m~3,工作频段为20～3 000 Hz,矢量通道呈余弦指向性,灵敏度为-187 dB@500 Hz,声压通道无指向性,灵敏度为-191 dB@500 Hz,耐压深度为2 000 m。海上试验表明,该水听器能够搭载在水下滑翔机等深海无人平台上执行声学探测任务,在大深度声学探测领域具有重大的应用价值。     

基于深度学习的自组织态势感知与决策系统

针对巡飞弹武器平台,如何提高态势感知的精准性和实时性以及作战任务自主决策的准确性,已成为当前的一个研究热点.结合以深度学习技术为代表的人工智能最新研究成果,提出基于深度学习的目标识别模型、任务自主决策模型和任务规划模型,并将模型应用于巡飞弹武器平台,提升巡飞弹武器平台协同作战任务的自主决策和智能规划能力.     

WSNs中基于鸡群优化算法选择簇头的簇路由

能量是无线传感网络(Wireless Sensor Networks,WSNs)的重要资源.有效地利用节点能量可延长网络寿命.簇技术是提高资源分配、缓解网络能耗的有效策略.提出基于鸡群优化算法选择簇头的簇路由(Chicken Swarm Optimization-based Cluster Head Selecting Clustering Routing,CSO-CHS).CSO-CHS路由先从能量角度构建目标函数,再利用鸡群优化算法产生最优鸡群,进而形成最优的簇.通过最优的簇,平衡节点间能耗,进而实现延长网络寿命的目的 .仿真结果表明,相比于同类算法,CSO-CHS路由缓解了节点能耗速度,延长了网络寿命.     

基于深度学习的多普勒气象雷达回波外推短临预报对比研究

雷达回波外推方法是人类对降水进行预测的重要方法,在天气预测任务中有重要地位。本文比较分析几种深度学习模型在气象预警应用中的实际表现,探索提升雷达回波外推精准度,为服务于城市内涝防治及极端灾害天气预警提供更好的支撑。     

陆军作战指挥决策仿真模型构建

主要研究陆军作战指挥决策仿真模型构建方法,该方法能够通过面向模糊规则集使用一个类似下棋博弈的算法将指挥的策略进行建模,同时,构建指挥员性格模型,将一个特定指挥员指挥特点对决策结果的影响反映到决策模型中,能够较好地解决陆军作战仿真系统"人不在回路"模式下的指挥决策问题.     

基于深度卷积神经网络的多飞行器构型保持研究

基于深度卷积神经网络设计了"智能-校正"算法以快速生成制导指令;深度学习模型是由卷积层、全连接层、批量归一化层和残差网络(ResNet)组合成的一个19层深度神经网络,飞行器状态变量转化为类似于图像像素矩阵的二维矩阵,通过sgd优化和权重衰减正则项将神经网络的训练误差降低至约0.025°;之后针对飞行器运动存在制导指令...     

基于深度学习的交通袭击攻击方式智能识别

针对交通袭击事件特征自动学习提取、特征提取与模式识别融合问题,提出基于深度学习的交通袭击攻击方式智能识别方法;利用加噪自动编码深度神经网络从高维度、多样化的交通袭击事件统计大数据中自动学习提取出各类攻击方式特征,并利用微调将特征学习与模式识别融为一体,最终实现交通袭击攻击方式的智能识别;采用全球恐怖主义数据库的数据对该...