一种新的基于网格聚类的雷达信号预分选算法

雷达信号分选一直是雷达对抗情报处理中的难题,将网格聚类应用于雷达信号预分选,针对现有网格聚类需要输入网格划分、网格边界处理精度低等问题,提出一种新的基于网格聚类的雷达信号预分选算法.该算法根据网格数据压缩率自适应确定网格划分和密度阈值,并对网格边界进行优化处理.仿真实验表明,该算法能有效适用于雷达信号预分选,且有较强的抗噪声能力.     

基于AP-SVM模型的装备维修器材需求预测方法

在小样本条件下运用SVR模型预测装备维修器材需求量时,预测效果受随机干扰因素影响较大.为解决这一问题,提出了一种新的AP-SVM模型.首先,运用AP聚类算法对训练数据进行分类,将分类结果作为训练数据训练SVM分类器,并对待测试数据的所属类别进行判断;然后,根据数据类别构建训练向量集,对SVM进行训练,运用SVR模型计算...     

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

一种新型CVD铁涂层吸波纤维

利用Fe(CO)5受热分解,以CVD方法在SiC纤维表面涂覆单质铁的涂层。研究表明,涂层的引入对SiC纤维力学性能基本没有损伤;纤维依靠涂层导电,其电阻率显著降低;改变工艺条件,可以在较大范围内调节涂层纤维的介电常数,同时也引入了磁损耗机制;采用较低的沉积温度和较高的载气流速,可以提高介电常数和磁导率,同时有好的频散效应。     

聚碳硅烷表面张力的测定及其对纤维异形度的影响机理

采用改进的滴重法测定了先驱体聚碳硅烷(PCS)的表面张力,并探讨了表面张力对三叶形聚碳硅烷原丝异形度的影响机理。通过对纤维截面形貌的扫描电镜分析,发现表面张力对三叶形PCS纤维异形截面的形成有着较大的影响,它和粘滞阻力相互竞争的共同作用决定了三叶形PCS纤维异形度的大小。研究表明,先驱体PCS的表面张力与温度基本上呈线性关系,温度越高,PCS的表面张力就越小。     

D0影响亚硝酸型SND工艺的机理探讨

亚硝酸型SND污水生物脱氮新工艺因兼具短程硝化和同时硝化反硝化工艺的优势而具有很强的开发潜力。在介绍亚硝酸型SND工艺特点之后,着重从微环境理论、微生物特性及化学计量学等角度较为深入地探讨了溶解氧浓度(DO)影响亚硝酸型SND工艺脱氮效果的机理,从理论上进一步证实了DO对于亚硝酸型SND工艺的重要性。     

层次聚类方法在消防投入分类中的应用

以中国消防年鉴2005年全国城市消防规划和城市公共消防设施建设情况统计资料为例,运用SPSS统计分析软件对全国各省消防基础设施建设情况进行分类汇总分析,从消防投入角度对新形势下的消防工作提出指导意见。     

分块自适应加权改进大规模概率模糊聚类

为解决传统基于贝叶斯理论的概率模糊聚类(Bayesian Fuzzy Clustering,BFC)算法在处理大规模数据集聚类时的时间开销和存储代价瓶颈,提出基于数据分块的单程自适应加权BFC算法,算法在大规模数据集分块的基础上,设计了基于数据加权的改进BFC算法,用于数据分块内数据聚类,以挑选出对聚类贡献最具代表的标识数据及其自适应权值,在块间迭代聚类过程中,将标识数据及其权值合并到下一数据块中并参与聚类,从而将上一数据块的聚类信息有效地传递到下一数据块中,最后分析算法的收敛性和时间复杂度.实验结果表明,算法在继承传统BFC算法良好聚类性能基础上,减少计算复杂度,有效提高聚类效率,适用于大规模数据集聚类.     

基于改进蜂群算法的无人机路径规划

人工蜂群算法存在初始蜜源具有随机性,后期收敛速度慢,易早熟等问题.运用最大最小距离积法处理初始蜜源,把K均值聚类算法与人工蜂群算法相结合,提出改进的人工蜂群算法,用于解决无人机路径规划问题.仿真结果表明改进的人工蜂群算法收敛速度更快,得到的解的适应度更好.     

基于GM-PHD的低可观测编队目标跟踪方法

考虑到多编队在低可观测情况下存在的目标跟踪问题,提出了一种基于高斯混合概率假设密度(GM-PHD)滤波算法的编队目标跟踪方法.该方法是在修剪融合过程中,先保留剪掉的高斯分量,再对这些分量进行状态外推,利用JS(Jensen-Shannon)散度判断下一时刻状态估计值与外推状态值是否相似,以判断结果体现目标丢失情况,使得真实目标不丢失,解决了低可观测情况下目标易漏检带来的跟踪性能下降问题.然后,利用编队目标的特点,结合密度聚类方法估计出编队整体的状态,避免因状态估计集合中状态值过多影响算法性能.最终,仿真实验结果表明,该方法可以在低可观测情况下有效跟踪编队目标,具有较好的跟踪性能.