自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于遗传算法的自航水雷航路规划

自航水雷在执行任务时需要装载根据战场环境预先规划好的最优路径,路径的优劣直接决定了自航水雷的作战效率.采用遗传算法进行自航水雷航路优化,算法利用极坐标描述威胁位置和航路点,将航路编码由二维缩减至一维,降低了搜索空间,提高了优化效率.对算法进行了相应的仿真,仿真结果表明,编码方式提高了优化效率,得到的航路有效地规避了威胁.     

一种基于轮廓自扩展的GVF算法

针对Snake算法及GVF算法对初始轮廓覆盖区域敏感性的缺陷,提出一种轮廓自扩展方法,从而使初始轮廓能够有效地覆盖目标所在区域,达到对目标的完整搜索;将其应用到目标跟踪中,根据下一帧中目标与当前帧设置的轮廓的交叉,通过自扩展初始轮廓可以很快将目标划为搜索区域之内.实验表明,基于轮廓自扩展方法的GVF方法可以实现对目标轮廓的完整提取;在目标跟踪中可以自动、有效地跟踪目标.     

当好武装工作第一责任人——记广东省广州市荔湾区区委书记刘平

广东省广州市荔湾区区委书记、区人武部党委第一书记刘平任职以来,心系国防,热爱武装,倾注真情建国防。刘平一直把支持、关心国防和军队建设当成自己的重要职责。她常说:"作为一名党的领导干部,不抓武备,不足以谋事。"几年来,她坚持国防建设"五纳入",亲力亲为,抓好工作落实。积极参与过"军事日"活动,亲自组织军事活动竞赛,每年都评选出一批"军事     

智能化雷达干扰系统自学习模型研究

首先对自学习进行了阐述;然后研究了雷达对抗中敌我双方的参数、特征知识及知识表示;最后提出智能化雷达干扰系统中的2个过程自学习模型:雷达辐射源识别规则自学习模型和对敌雷达干扰策略自学习模型,为深入研究智能化雷达干扰系统提供模型基础.     

系泊状态下舰载捷联惯导系统自对准研究

系泊状态下舰船发生三轴摇摆,使惯性元件中附加摇摆信息,严重影响对准精度。给出了较为完整的对准办案：在粗对准阶段,将惯性元件输出数据进行预处理以实现姿态矩阵的粗略估计;住精对准阶段,采用参数辨识法计算角速度和角加速度以实时估算杆臂K度,实现对杆臂误差的补偿,并通过卡尔曼滤波完成对姿态的精确估计。仿真结果表明：粗对准方案能够较准确地实现水平姿态跟踪,参数辨识法避免了对角增最二次微分引入的误差,验证了方案的可行性。     

自航水雷雷位误差对障碍毁伤概率影响分析

自航水雷障碍毁伤概率是其作战效能的重要指标之一。针对自航水雷(SLMM)雷位所具有的随机散布特性,建立了反映水雷障碍毁伤概率与雷位误差之间关系的理论模型,并对理论模型进行了仿真验证。利用该理论模型分析了自航水雷雷位误差对毁伤概率的影响,同时对自航水雷障碍期望雷位的优化配置方法进行了初步的探讨。     

PWPF的直接力脉冲自抗扰姿态控制方法

为应对来自临近空间高超声速飞行器的威胁,对作战空域在35 km以上高空的反临近空间拦截弹的需求越来越迫切。姿态控制系统的执行机构为6台常值推力发动机,为弹体稳定的跟踪目标提供可多次开启的常值推力,而使用PWPF调制技术可以将常值推力等效为连续推力;拦截器姿态控制系统需要克服轨控开启时带来的较大干扰,因此基于自抗扰方法设计了控制器,控制信号经PWPF调制后得到脉冲开关信号实现拦截器的姿态控制。仿真结果表明,自抗扰控制器具有更好的快速性与稳定性,且更方便与PWPF调制器串联使用。     

基于自训练EM算法的半监督文本分类

为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。