基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于蚁群算法的航空弹药需求测算

智能化是现代航空弹药需求与指挥控制系统的发展趋势,如何进行合理快速地调拨航空弹药是系统设计过程中的关键任务之一。为此,提出了依据目标对航空弹药进行选择的策略,利用蚁群算法对战斗目标进行聚类分析,对各类目标进行模糊综合评判,从而确定装备出动方案,依据弹药与装备的关系,对满足既定保障度的弹药需求量建立模型,并计算出满足既定保障度的弹药供应量,为战前对战场态势预估,实现弹药战时及时准确调拨,为作战弹药准备提供依据。     

基于密度聚类的地面发控解耦模型研究

目前多弹种共架发射是火箭炮发射系统的主流趋势,但是在现役装备适配新增弹种时,发射控制软件设计过程繁琐,弹种间互用数据结构,参数相互关联,修改某一弹种时可能对其他弹种造成未知影响,耦合现象严重.在某型火箭炮发控软件的基础上,基于密度的聚类算法选取合适的参数,将发控软件预处理得到的功能节点按其相似度包装成软件功能模块,分析...     

基于优化AHP的远火模拟训练成绩自主评定方法

针对现有模拟训练系统成绩评定指标不完善、计算机评定困难的问题,提出了基于改进层次分析法(analytic hierarchy process,AHP)的模拟训练成绩评定模型.从远火武器装备的操作实际着手,构建了以准确度、熟练度、影响度以及精神面貌为评定指标的模拟训练成绩评定体系,采用改进层次分析法的方法,引入类间系数和...     

层次聚类算法和基于图的分割算法相融合的图像分割算法

基于图的分割算法（Graph-Based Segmentation,GBS）算法）是由Felzenszwalb和Huttenlocher提出的经典的图像分割算法之一,但其分割结果中存在明显的欠分割现象。为此,在GBS算法的基础上引入层次聚类（Hierarchical Clustering,HC）算法,构造出一种解决GBS算法欠分割的方法,同时采用多线程并行处理数据的方式,有效改善了传统层次聚类算法的处理速度。该方法在RGB彩色空间中使用GBS算法得到图像中每个像素点的初始分割结果,并提取出每一类区域中的像素值,对其进行层次聚类,得到每一类区域中像素值的类别标签,根据层次聚类所得到的类别标签和预设的类别范围,修改每个像素点的初始分割结果。最后根据区域合并准则,生成一个新的分割图。经实验表明,该方法与Kmeans-SLIC(simple linear iterative clustering)算法和GBS算法等相比,很好地解决了欠分割现象,并产生了分割精度较高的语义分割图。     

防空体系作战能力灰色聚类评估

从分析现代防空体系的组成出发,建立了较完备的防空体系作战能力评估指标体系,提出了一种基于灰色定权聚类和三角白化权函数的防空体系作战能力灰色聚类评估方法,并通过算例对方法的有效性进行了检验。结果表明该方法用于防空体系作战能力的评估是切实可行的。     

非晶碳类金刚石薄膜摩擦学特性及其应用

综合地介绍了类金刚石膜研究现状,着重说明了非晶碳类金刚石薄膜的摩擦学特性,分析了沉积方法、掺杂元素、摩擦环境、基体及对偶材料对其摩擦学特性的影响。最后,简要说明了非晶碳类金刚石膜应用情况。     

未知数量稀疏源盲分离的一种新方法

提出了一种新的用于未知数量稀疏源盲分离的统一方法。为了改善聚类分离的精度,该方法选取混合空间中半径给定的、中心位于原点的超球面以外的所有数据点,然后将这些数据点映射到中心位于原点的单位超球面上以得到集合Cy。由此,原来的聚类变为致密聚类,各聚类互相重叠的现象几乎消失。随后,先通过关于Cy的聚类分离来估计混合矩阵,再根据混合矩阵估计源,其中最佳不相似阈值和相应的聚类数量是自动生成的。计算机仿真结果验证了该方法对具有不同程度稀疏性源的有效性。当源充分稀疏时,重构信噪比大约是300 dB。因此,该方法精确、便利。     

利用发现法教学培养学生学习能力

发现学习是美国心理学家、教育学家布鲁纳提出的教育理论,主要以通过学生获取新知识为突出特征.所谓发现,不是让学生去创造人类前所未有的新产品核心学说,而是包括学生用自己头脑亲自获得知识的一切形式.作为新时期的教师必须教会学生如何学习,要激发学生学习的内驱力,变被动的接收为主动的学习.在历史教学中要充分运用发现法,让学生自己去发现和回答他们自己的疑问,以充分发挥学生学习的主动性.