基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

跨模态行人重识别的对称网络算法

针对模态间差异,提出基于对称网络的跨模态行人重识别算法,该网络将基于概率分布的模态混淆与对抗学习结合,通过对称网络产生模态不变特征,从而达到模态混淆的目的;针对外观差异和模态内差异,使用不同隐藏层的网络卷积特征构造混合三元损失,提高网络的特征表征能力.RegDB和SYSU-MM01数据集上的大量实验结果表明了该方法的有...     

军事领域细粒度识别技术与应用

战争的信息化程度不断加深对军事侦察提出了更高要求。军事目标识别作为军事侦察的主要任务之一,需要能够处理细粒度军事目标,为人员提供更加详细的目标信息。但传统的粗粒度目标识别方法无法得到目标的细粒度信息。因此,如何识别细粒度目标成为目前军事侦察亟需解决的问题。针对该问题,本文结合军事领域的实际需求,对细粒度识别技术的发展现状进行了分析,提出了军事领域细粒度识别技术应用流程的数据集构建、模型设计和终端部署三个阶段,同时,从无人机侦察、遥感侦察和单兵侦察三个方向分析了细粒度识别的应用前景。经过分析,军事领域细粒度识别技术已经具备实际运用条件,具备良好的应用价值。     

军队工程协同设计主体识别模型优化研究

协同设计是军队工程建设军民深度融合发展和综合效益提高的必然趋势.如何有效识别协同设计主体是有效实施协同设计的关键.针对军队工程建设特点,构建协同设计主体评价指标体系,用GRD对TOPSIS模型进行优化整合,既发扬了TOPSIS法在应用上能很好地对多属性、少样本事件进行评价的优点,又利用GRD的曲线相似度的柔性评价标准,巧妙规避了TOPSIS求解刚性过强、权重过于主观、评价标准单一、偶尔无法区分两主体优劣的缺陷.实例和灰色聚类的验证结果均表明:该优化组合模型对客观、准确识别军队工程协同设计主体效果较好.     

一种基于规则的敌我识别流程优化设计

随着远程精确打击和高超声速武器装备的发展,快速可靠地进行敌我识别、避免误伤尤为重要.分析了系统敌我识别过程中存在的识别结果前后不一致等问题,给出增加告警监视环节的敌我识别流程优化设计,设计了两类告警规则设计方法,强调人机相辅目标识别思想,为我军相关装备工程研制提供参考.     

一种新的雷达辐射源识别专家系统

基于专家知识的雷达辐射源识别系统是解决雷达辐射源识别的重要方式。针对特定的应用背景,提出了一种由知识库确定雷达辐射源相似工作模式比较序列后依据专家知识识别雷达工作模式的新的雷达辐射源识别专家系统,介绍了该雷达辐射源专家系统的组成和各部分的功能,给出了推理过程和确定置信度的知识的表示方法。     

基于模糊加权法的雷达辐射源识别

为有效解决雷达信号的不确定性问题,将模糊加权理论和不确定性推理应用于雷达辐射源识别,仿真试验表明方法是有效的。该方法不仅适应雷达特征参数连续变化的情况,而且计算简单、性能较好。     

雷达空间目标识别仿真系统设计

设计了基于雷达观测的空间目标识别仿真系统,分析了主要功能组成、仿真系统技术关键,介绍了ISAR成像技术及雷达空间目标RCS预估系统的组成和方法,仿真实践证明,该系统具有一定的实用价值。     

基于MEBN的战术级空中目标意图识别

战术级空中目标意图识别是现代化防空作战中理解战场态势、预测目标行动的关键.构建空中目标意图识别模型的核心问题是如何表示不确定的意图因素以及它们之间的关系.分析了具有典型防空作战意义的想定,并结合军事经验总结了影响意图识别的因素.提出了应用多实体贝叶斯网络(Multi-Entities Bayesian Network)描述空中目标意图,在贝叶斯推理中融入逻辑理论,采用具体的基于知识的SSBN构建算法动态地进行空中目标意图识别.通过仿真实验,验证了此方法的有效性和可行性.