基于CHARTER机制的减灾卫星调度问题研究

针对CHARTER机制下的减灾卫星(主要为成像卫星)调度问题进行了研究,介绍了CHARTER机制的工作流程,指出CHARTER机制下的减灾卫星调度实质上是一个针对区域目标的重调度问题。在此基础上提出一种改进的区域目标划分算法,并提出基于启发式规则的动态卫星重调度算法,最后通过应用实例证明了所提算法的正确性和有效性。     

论自主武器军控的国际法及政策要点

如何规制自主武器是1980年《常规武器公约》框架下讨论的热点问题,目前这一议题已进入到政府专家组讨论阶段,对自主武器的研发、测试、部署及使用的关键问题,进行了比较深入的讨论.2018年以来,政府专家组会议最后文件已包含了未来谈判的若干指导性原则.本文认为,结合国际军控博弈的背景和各军事大国人工智能技术发展现状考虑,《日...     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

可招回秘书问题

可招回秘书问题已由Yang,Petrucceol,Choe及Bal研究过。本文将这个问题纳入Snell框架,用相对最好者的位置函数Wn代替通常的相对名次,我们得到了各种招回概率下的最优停止规则,这些结果推广了文[7]—[9]。     

应用局部约束二维稀疏表示识别SAR图像目标

在分析典型稀疏表示分类方法和局限性的基础上,提出了一种基于局部约束的二维稀疏表示方法,以有效解决SAR图像目标识别问题。该方法对SAR图像进行图像预处理,在兼顾图像相邻列(行)对应稀疏表示系数邻近性和样本间局部性的基础上,构建了局部约束目标函数,并通过解闭式解,实现稀疏表示系数的更新求解。利用美国实测MSTAR数据对算法进行了仿真验证,实验结果表明所提出的方法可实现SAR图像目标的有效识别,并对训练样本数目具有一定的鲁棒性。     

支持向量机规则提取

支持向量机是一种黑箱模型,其学习到的知识蕴含在决策函数中,不仅影响了用户对利用支持向量机技术构建智能系统的信心,还阻碍了支持向量机技术在数据挖掘领域的应用。由于对支持向量机规则提取进行研究有助于解决上述问题,因此该领域正成为机器学习和智能计算界的研究热点。分析了具有代表性的支持向量机规则提取算法,并提出该领域未来的研究重点。     

结合局部描述和拓扑约束的直线段匹配算法

针对弱纹理目标匹配问题,提出了一种基于直线局部邻域梯度信息和全局结构信息的直线匹配算法:对均值标准差直线描述符进行改进用于初始匹配;利用直线间的全局拓扑结构滤除误匹配;利用迭代拓扑滤波寻找更多的匹配,同时引入全局角度约束提高算法效率并进一步滤除错误匹配。实验表明,在光照变化、图像旋转、图像模糊、尺度变换、视点变化等条件下,该方法都具有很强的鲁棒性,并在匹配效率和准确度上优于现有的两种比较流行的方法。     

新型小规模装备备件品种确定的犹豫模糊粗糙集决策方法

针对新研装备备件品种确定过程中决策信息“犹豫性”和“模糊性”特点突出、难以运用传统备件品种确定方法进行决策的问题,提出一种基于犹豫模糊粗糙集的备件品种确定方法。利用风险偏好系数对不完备犹豫模糊信息进行数值延拓,为构建不同风险偏好下备件品种确定的犹豫模糊决策信息系统奠定了基础；考虑得分函数和数值延拓边界的综合因素影响给出了改进的包含度计算公式,并基于包含度定义进行了证明；给出了基于改进包含度计算的备件品种决策属性的约简条件和规则获取方法,实现了犹豫模糊决策信息的深度挖掘和有效利用。以某新研装备备件品种确定为例进行了方法验证,研究结果表明：通过该法能够有效处理犹豫模糊决策信息,获取精简实用的备件品种决策规则集,验证了方法的可行性。     

非奇异快速终端滑模及动态面控制的轨迹跟踪制导律

针对飞行器跟踪预设轨迹的问题,提出非奇异快速终端滑模和角度约束的轨迹跟踪制导律。通过引入虚拟目标点,提出参考轨迹曲率半径的期望视线角约束条件,建立带有视线角约束并考虑自动驾驶仪动态特性的轨迹跟踪数学模型。为了保证在有限时间内跟踪预设轨迹并避免出现奇异问题,采用快速非奇异终端滑模和动态面控制方法进行制导律设计。推导出视线角误差和轨迹跟踪误差之间的数学关系,并利用Lyapunov稳定性准则证明轨迹跟踪误差最终有界任意小。与弹道成型轨迹跟踪制导律进行仿真对比,仿真结果表明所提出的制导律具有良好的跟踪性能及鲁棒性。     

手绘非规则军标图形的结构化识别方法

在基于草图的态势标绘系统中,线状和面状军标图形通常是依具体地形、战况、意图等标绘的,没有规则的形状,难以采用基于表观的方法进行识别。针对这类手绘非规则军标图形提出了一种结构化识别方法,基于非规则军标图形集的特点定义了9种图元和4种图元间空间结构关系,将图形表示为图元向量和图元结构关系矩阵,通过匹配图元向量和图元结构关系矩阵来识别图形类别,并估计未知图形与模板图形之间的图元对应关系。实验结果表明:本文方法能有效克服图形形状变化的影响,对手绘的常用非规则军标图形的类别和图元对应关系具有较高的识别正确率和识别速度。