一种新的k-means聚类雷达信号分选算法北大核心

针对传统k-means聚类算法在雷达信号分选中应用存在的不足,提出了一种基于数据场和灰关联分析的k-means聚类雷达信号分选算法。该算法首先根据数据场理论计算所有数据样本的势值,寻找局域势值最大值,选取距最大值最近的样本数据作为初始聚类中心,局域势值最大值个数作为聚类数目;然后用灰关联度代替欧式距离来判断数据样本间相似性。该算法能够自动获取初始聚类中心和聚类数目,对频率捷变雷达具有较好的分选效果。仿真结果验证了算法的可行性。     

作业名层次化聚类算法预测作业运行时间

预测作业的运行时间有益于提升系统的调度性能,而聚类有助于训练出更好的预测模型。传统的聚类算法很难将相似的作业名聚类,为了将相似的作业更好地聚类,通过分析其组成成分的语义重要性,构建字母-结构-数字的作业名层次化聚类算法。以两台超级计算机的真实数据为例,实验结果发现,应用此算法聚类后的数据训练模型的预测精度相较传统方法有一定的提升,整体预测精度为70%～80%。     

最大树法在登陆地域选择中的应用

针对登陆作战中登陆地域选择的问题,提出了一种基于最大树法的解决途径。通过对影响登陆作战中登陆地域选择的主要因素进行定性、定量分析,建立了登陆地域分类模型。以第二次世界大战中著名的登陆战例——诺曼底登陆中登陆地域选择为例,对模型进行了验证,现代数学计算结果与历史实际作战情况较好地相互吻合。     

CVD碳与裂解碳对C/SiC微观结构和力学性能的影响

以粘胶基碳纤维毡为原料,经CVD沉积碳增密处理后,采用酚醛树脂浸渍-裂解对C/C预制体的密度进行调节,通过气相硅渗透反应工艺制备了C/SiC复合材料.利用SEM对C/C预制体和C/SiC复合材料的显微形貌进行了表征.研究了CVD碳和裂解碳对C/SiC微观形貌和力学性能的影响.结果表明:CVD碳含量较低时,碳纤维将受到气相硅的反应性侵蚀,反之则造成复合材料中残余碳含量过高、SiC基体相含量偏低,材料力学性能下降.当CVD碳的体积分数为17.5％、裂解碳的体积分数为12.0％时,得到的C/SiC力学性能最佳,其强度和模量分别为217MPa和209 GPa.     

基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。     

基于灰色聚类的舰船修理厂技术创新效益评价

对技术创新效益进行客观评价是提高舰船修理厂承修能力的重要因素。舰船修理厂技术创新活动效益分为内部效益和外部效益,内部效益包括技能效益、经济效益和管理效益。构建技术创新效益评价指标体系,从技术创新效益因子分析出发,运用灰色聚类方法进行具体测算,能为舰船修理厂技术创新战略决策和具体实施提供依据。     

基于VD-AiNet聚类算法的空袭目标类型识别

针对防空反导作战中空袭目标类型识别问题,在分析空袭目标的主要类型、识别指标及其识别原则的基础上,将人工免疫算法中矢量距人工免疫网络聚类算法应用于抗体样本训练模块,并建立了抗体训练和目标识别的并行决策模型.最后进行了算例验证,结果表明了算法和模型的可行性和有效性.     

基于数学形态学的三维空间聚类

分析了各种空间聚类的方法,研究了炮阵地地形分析和选取原则,实现了炮阵地选取决策支持系统,提出了基于数学形态学的三维空间聚类新算法,并将该算法运用到开发的炮阵地选取决策支持系统中,实验结果表明,该算法效果较好.     

条带式合成孔径雷达数字聚束算法

与聚束工作模式的合成孔径雷达 (SAR)相比 ,条带式SAR能够在相同时间内对更大范围的区域进行微波成像。但是在分析条带式SAR图像时 ,往往需要着重分析某些局部热点区域 (ROI ,Region-Of-Interest) ,而ROI外散射体的回波会降低ROI图像的对比度。本文的数字聚束 (Digitally -Spotlight)算法可以在成像前将ROI外的回波“过滤” ,实现等效的的聚束工作模式 ,从而提高SAR对比度。仿真验证了该算法的有效性。     

雷达目标一维距离像的类别可分性研究

利用决策分析方法和模式分类复杂度的概念,对高分辨雷达飞机目标的原始距离像、平均距离像以及付氏变换距离像的类别可分性进行了讨论。结果表明,不同目标的雷达一维距离像,在总体上反映出了各目标间的结构性差异,提供了可资利用的目标识别信息