军事情报文本分类中的维数约减技术

为保证军事指挥决策的质量和速度、提高军事情报文本的分析能力,高效率的自动文本分类成为其中的重要技术.描述了文本分类所面临的高维稀疏文本空间和维数灾难等问题,综述了各种寻找最优和次优子集的特征选择技术和以主成分分析、Fisher判别分析、潜在语义索引等为代表的特征抽取技术,并指出了目前存在的技术问题和未来的工作方向.     

基于气体传感器和自组织神经网络的早期火灾探测研究

传统的火灾探测利用烟雾和温度触发火灾报警。这些装置缺乏对早期火灾源的探测能力,而且总存在错误报警。利用金属氧化物气体传感器(MOGS)的组合,采用自组织特征映射网络方法,应用于多种火灾源的早期探测。试验表明,采用自组织特征映射网络方法能够区分所试验火灾气味,达到99.8%的识别准确率,表明这种电子鼻(EN)应用于实际探测早期多种火灾源的可能性。     

内隐学习的特征及对其本土教育的启示

内隐学习就是无意识获得刺激环境中复杂知识的过程。在无意识研究热潮中,内隐学习研究获得了很大的发展。内隐学习的研究对于理解人类认识过程的本质,特别是对于探明人们获得丰富复杂知识的心理机制提供了全新的视野。本文着重探讨内隐学习的特征以及对本土教育的启示。     

反舰导弹红外辐射特性研究

从舰载红外警戒系统的实际需要出发,针对海空背景下低空来袭反舰导弹目标,深入研究导弹的红外辐射特征,并建立其红外辐射简化模型.通过导弹尾喷管、尾喷焰及蒙皮的气动加热3个导弹主要辐射源,计算某型反舰导弹在长波段(红外警戒系统主要工作波段)的红外辐射强度,并针对计算结果进行了相关分析.     

基于图像变化检测的打击效果自动评估算法

提出了一个基于图像变化检测的军事目标打击效果评估算法.该算法通过对打击前后图像进行变化检测,比较目标打击前后的几何特征和纹理特征,对目标毁伤情况进行自动评估.实验表明,该算法能准确有效地对军事目标打击效果进行分级评估.由于采用的特征具有通用性.该系统可用于各种不同人造目标的打击效果评估.     

近似熵在发动机故障诊断中的应用研究

介绍了近似熵的概念、主要特点及其算法,提出了基于近似熵的特征提取方法,并且讨论了近似熵值计算中3个参数的选择原则,并对发动机声信号进行了分析处理。通过对比正常状态与故障状态的近似熵值,根据其变化有效地提取发动机故障特征,从而实现了对发动机状态的监测与诊断。实验结果表明近似熵在分析复杂信号特征方面具有很强的能力,在判别机械设备运行状况方面具有很好的效果,是一种行之有效的新方法。     

温熵图在热力学中的应用

本文给出了用温熵图证明卡诺定理的更直观更简单的方法;并通过实例证明采用温熵图处理某些热力学问题得出结论的过程也比使用P—V图或常用的热力学方法更为直观、方便。     

一种基于模糊熵的特征选择算法

特征选择是模式识别中的一个重要组成部分。针对分类边界模糊的样本集,将模糊集的理论应用到特征选择中,通过对特征进行模糊化,定义一种模糊熵来度量特征的分类区分度,再采用相关系数度量特征间的冗余度,建立判定树。则树中的节点即为选择出的特征,树枝为特征的隶属度函数,且通过判定树进行的分类可以实现样本识别的模糊化。     

小样本采样数据的预处理

一般情况下数据处理大多采用数理统计方法,该方法对于数据较少情况下处理和判别粗大误差不适用。提出了运用线性均方估计法和熵值判别法来处理和判别粗大误差,线性均方估计消除粗大误差是一种采用软化的方法处理粗大误差;熵值判别法是根据熵的上界对应最大的不确定度,利用所得数据的熵信息量判别数据是否含有粗大误差。这两种方法经过多个实例计算,结果表明,它们在处理小样本采样数据时更有效。     

基于理想解的复杂系统非线性评估模型

为解决非线性评估中可能存在的层次较多、属性混合且关联性强的问题,提出了一种基于理想解的非线性综合评价法.该方法首先利用灰色关联度法作指标筛选,用熵方法分析各指标重要程度并得到各底层指标的权重值,用AHP法得到底层以上的指标权重;然后,利用改进的TOPSIS方法得到各一级指标的评估分值;再由定义的优先等级隶属函数求得各一...