基于数据库的通用数据录取系统研究

传统的数据录取系统为每一个被试系统从底层开发一套录取系统,这样开发出来的系统具有如下缺点:一、对每个被试对象都从底层开始开发,效率较低;二、当录取信息需求发生变化时无法根据需要增加、调整系统资源,系统不具备开放性和通用性.为了使数据录取系统在武器装备试验中发挥更大的作用,采用数据库技术完成对复杂作战系统语义管理和智能分析,使录取设备具有通用性和扩展性,本文通过对通用数据录取系统体系结构及组成的介绍,详细地阐述了总线数据、应用软件、数据库库表等设计的方法,实践结果表明,它们可以较好地提高数据录取的效率.     

层次化新闻视频处理框架的设计与实现

提出了一个通用的层次化新闻视频处理框架,将新闻视频处理分为句法分段、语义标注以及视频摘要三个层次,并给出了三个层次中涉及的故事单元探测、字幕探测、视频摘要等关键技术的解决方案。框架突破了传统的新闻视频处理框架仅局限于句法分段以及单媒体特征进行处理的缺陷,通过对视音频特征进行多模态的综合分析来获取新闻视频高层的语义内容。实验通过一个新闻视频处理原型系统NVPS验证了框架的可行性,重点对故事单元探测、标题探测以及口播帧探测三个算法进行了实验,实验结果分别达到88%,86%和86%的探测准确率,从而进一步证实了层次框架在新闻视频处理方面的有效性。     

基于多粒度多语义语言判断矩阵的群决策方法

在基于语言判断矩阵的群决策中,多个决策者可能会使用不同粒度不同语义的语言评价集表达自己的偏好。针对此问题,提出了将多粒度多语义语言评价集统一转化为基本语言评价集上二元语义的一致化方法,证明该方法能够实现信息无损的转换,且转换后语言判断矩阵性质不会改变。在此基础上,基于二元语义的相关集结算子,将二元语义信息集结为群体的判断。通过一个实例验证了方法的有效性和实用性。     

雷达PPI光栅扫描显示系统设计与实现

介绍一种基于微机的雷达PPI光栅扫描显示系统的设计与实现。研究了坐标快速转换、数据实时采集等关键技术,提出了优化查表法坐标转换方法以及回波数据的实时采集方案,很好满足了PPI光栅扫描显示系统中高速率、低存储量以及实时性的要求。研究成果已成功应用于某型号雷达PPI显示系统中。     

灾害应急反应建模与仿真

为了满足多智能体应急反应仿真的需求,首先对构建多智能体应急反应仿真模拟框架的复杂性进行了分析,在此基础上提出并设计了组件式仿真模拟框架.采用本体(Ontology)建模、语义网模型及产生式规则推理等理论方法构建了仿真模拟框架的场景建模模块、人员Agent建模模块等组件.最后对依照上述研究内容所开发的原型系统进行了测试,对测试结果进行了分析,结果表明该框架能够有效满足多智能体应急反应仿真的建模需求.     

基于语音频谱包络抽取的MFCC算法

MFCC可以更加准确地表示语音低频处的频谱包络,在语音转换中是一种很好的频谱包络表示方法;提出一种新的有效的求解MFCC的算法,先对频谱通过谐波抽取得到阶梯谱包络,再对阶梯谱包络进行Mel尺度变换,最后通过余弦变换求得MFCC参数。该方法实现简单,运算结果准确。     

Prolog动态代码的两种语义及其实现方法

Prolog数据库操作内部谓词是Prolog非逻辑成份的一个重要组成部分。为了实现Prolog程序的可移植性,这些内部谓词应有一致的操作语义。本文首先讨论了两种比较合理的语义,然后论述了这两种语义在WAM框架下的实现方法。     

一种面向语义正确性的关系数据库访问方法

从异构关系数据源中获取语义正确的信息是当前利用数据资产辅助决策所面临的一大难题.为解决这一问题,提出了一种研究面向语义正确性的关系数据库访问方法(SCORDA).SCORDA方法采用DL -LiteNOWL本体作为支持数据访问任务的概念视图,在本体的表达能力和推理复杂度之间做了一定折中;SCORDA方法通过LAV+ GAV的映射方式建立本体与关系数据源之间的语义关联,兼顾了模式异构和阻抗失配问题;此外,SCORDA方法采用了一种动态ABox结构,即时从异构关系数据源中恢复虚拟对象,并且利用动态ABox进行实例检测推理任务,通过本体的模型语义来保证数据访问的正确性.通过原型系统验证了该方法的可行性.     

机动目标一维距离像RAT法线性化补偿

研究了机动目标宽带线性调频脉冲回波全去斜率信号模型,根据速度和加速度的调频频谱展宽特点,提出了机动目标宽带一维距离像线性化调频回波模型,给出了Radon模糊图转换(RAT)法线性参数估计与运动补偿方法,并进一步分析了测速和测距误差.仿真实验验证了RAT法一维距离像线性化参数估计与补偿,表明该方法很好地解决了运动参数未知情况下机动目标的一维距离像频谱展宽问题.     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。