无源跟踪中的一种新数据关联算法

在无源多目标跟踪过程中,数据关联是核心。提出了无源跟踪中的一种新数据关联算法,先对支持向量聚类理论进行了讨论,用该理论对采样到的观测点进行分类,后定义了多特征的关联度计算问题,并用综合数据关联的方法对目标进行状态估计。计算机仿真结果表明:该算法对目标的正确关联度要优于传统的数据关联算法。     

多层次灰色聚类决策对目标价值排序的应用

针对战场环境下的目标价值排序问题,应用层次分析法(AHP)原理,分析了不同目标的不同因素的影响,在确定指标权重的基础上提出了目标价值排序的递阶层次结构模型;并进一步运用灰色聚类方法,构造评价函数,综合决策目标价值排序.通过案例分析验证,将层次分析法与灰色聚类综合评价法相结合,取得了较为满意的结果,为指挥员对目标价值决策提供理论依据.     

侧链含锑聚硅烷的合成与性能研究

侧链含锑聚硅烷的合成可通过聚甲基硅烷的高分子反应在室温条件下实现,聚合物产率为75.2%,数均分子量为1600.其分子结构与组成可由元素分析、FT-IR、1H-NMR、29Si CP/MAS NMR、GPC和UV来确认.PSA可溶于一般常见的有机溶剂,紫外吸收的最大波长为330nm,其热分解特性表明,陶瓷收率为80%,可用作SiC陶瓷先驱体;其本体电导率为10-8～10-7S/cm,将其与碘掺杂,电导率可以达到10-5S/cm以上.     

地空导弹武器系统退役的模糊聚类分析

文章论述了影响地空导弹武器系统退役的主要因素,对包括技术性能、年使用维护费用、作战效能、超期服役系数、战略权重等,给出了评估模型,并运用模糊聚类方法对地空导弹武器系统的退役进行了分析,为退役决策提供了一种定量分析方法。     

聚硅硫酸铁的制备及混凝效果研究

聚合硅酸硫酸铁（PFSS）是无机高分子复合絮凝剂,它是结合阳离子型和阴离子型两类絮凝剂的优点所开发的一类新型絮凝剂。在本文中,主要研究了采用一步法生产工艺,以FeSO4·7H2O和Na2SiO3·9H2O为原料来制备聚硅酸硫酸铁（PFSS）絮凝剂。在制备试验中,主要考察了Si/Fe比值、聚合时间、反应时间、聚合反应温度等影响因素对其絮凝效能的影响。最后,通过与聚合氯化铝（PAC）对不同浓度的煤泥水的絮凝对比试验结果分析表明：聚硅酸硫酸铁比聚合氯化铝有更好的絮凝的效果。     

一种基于线性流形的基因表达数据的聚类方法

由于基因表达数据的稀疏性和噪声性,传统聚类算法对其聚类时不能取得好的效果。针对这一问题,一种新的线性流形方法被提出,它的基本思想是搜索数据集中的线流形聚类,再将其中某些线流形聚类融合构造高维流形聚类。该算法将切向距离和法向距离作为线性流形的距离度量,运用空间近邻信息,采用聚类基因的平均表达水平作为转移向量,提高了聚类的准确度。实验结果表明,该算法的聚类准确性优于其它聚类算法,并且对带有噪声的数据可以保持较高的聚类准确度;在对Hela基因表达数据聚类时,算法得到了具有显著生物学意义的聚类。这些都说明提出的算法对基因表达数据聚类的适用性和有效性。     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

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。     

LRE试车数据挖掘中基于最大散度差的模糊聚类分析方法

在对液体火箭发动机试车数据进行聚类分析时,为解决故障数据样本与正常样本类间差异不大的问题,引入最大散度差准则,提出基于最大散度差的聚类算法MSD-CA.该算法以散度度量样本间的相似性,使样本的类内散度最小化和类间散度最大化同时进行.在此基础上,应用模糊理论对最大散度差准则进行模糊化,提出基于最大散度差的模糊聚类算法MS...