指挥控制参考模型研究进展

介绍指挥控制参考模型领域取得的最新进展。在理论上分析了该模型体系结构的不足,引入了逻辑端口的概念。在应用上讨论了建模过程中层次的分拆、组合的原则,并将使用实例图引入该模型的理论研究和对实际系统的建模,取得了若干重要结论。     

基于直觉正态云和影响图的舰船建造风险评价方法研究

针对舰船建造过程中风险多向传导耦合、扩散放大并产生连锁反应的问题,定义了最小任务单元、最佳风险辨识单元、模块工序等概念,给出了基于WBS-RBS的风险识别方法.为了解决用精确隶属度表示模糊事物的不彻底问题并进一步厘清风险传导关系,提出了将双语言决策变量转化为直觉正态云信息的步骤和基于全景式影响图的风险传导评价方法,在此...     

基于决策图的轨迹运动趋势提取

在军事应用中,为了提取群体目标的整体运动趋势,提出了一种基于决策图的轨迹聚类来提取轨迹运动趋势的方法。该方法不需要预设参数,且聚类中心的个数既可以通过决策图人工确定,又可以通过数值检测策略自动确定,由此减轻了算法对领域知识的依赖,增强了算法的适用性。仿真实验表明:该方法能正确确定轨迹聚类簇,且对轨迹噪声有一定的抑制作用。     

基于CRNN的汽车发动机声纹个体识别方法

为提高声纹个体识别率,提出了一种基于卷积神经网络(CNN)和深度循环神经网络(RNN)的声纹个体识别方案CRNN,用于发动机声纹个体识别.该方法通过优化CRNN网络参数,挖掘声谱图"纹路"特征和时序特征,解决现有方法不能充分利用声音信号特征的问题.基于实采汽车发动机声音信号的仿真结果表明,相对于传统方法,改进CRNN能...     

军事虚拟训练系统关卡测试用例设计与优化

测试用例的数量和质量决定军事虚拟训练系统软件测试的成本和有效性。针对军事虚拟训练系统软件测试随意性较强,测试效率不高的问题,定义了军事虚拟训练活动图形式化图形符号的语法与语义,在此基础上提出了基于形式活动图的军事虚拟训练关卡测试用例设计方法,通过测试用例优化对生成的测试用例集进一步的合并简化得到最小测试用例集,通过实例对提出的基于形式活动图的军事虚拟训练关卡测试用例设计与优化方法进行了应用说明。     

联合作战共用战场态势图的构建

针对联合作战中对战场态势感知和共享的需求,研究了联合作战共用战场态势图的构建问题,提出了联合作战共用战场态势图的构建层次、构成要素、主要功能、生成过程等,并对加强联合作战共用战场态势图的建设,提出了若干对策建议。     

图的色数与亏格的相对独立性

本文先证明如下定理:“对于每一个非负整数p,亏格为p 的图的色数可以是任意整数m, 2≤m≤[7+(1+48p/2)].”然后,据此定理得结论:当m≥3,要找到m—色图的充分必要条件基本上是不可能的,即使不说根本不可能。     

基于图分割的机械系统概念模块划分

为更好地实现机械系统的模块化设计,在基于功能-行为-概念结构(function-behavior-conceptualstructure,FBCS)的产品概念设计过程中引入面向产品概念要素的图分割聚类算法,建立了一种面向FBCS的产品概念模块划分方法。以堆垛机推拉机构为例,分析了根据产品的总体目标特征,进行产品功能、行为、概念结构求解与功能分解迭代的产品概念设计分解方法。为描述概念产品,提出黑箱法和IDEF0功能描述方法相结合的概念产品建模方法,以建立产品子功能-概念结构模型。在此基础上,建立了产品概念要素(功能、行为、概念结构、接口)的相关关系分析方法,并引入图分割聚类算法进行产品概念要素聚合,以实现产品概念模块的划分。推拉机构的概念模块划分证明该方法是可行和有效的。     

一种新闻事件演化建模方法

为了准确地发现话题中事件间的潜在关系,提出一种新闻事件演化建模方法。该方法利用事件的时间关系、内容相似性、命名实体关联信息构建新的演化关系模型,并通过定义事件的五种演化模式,识别出演化过程中的开始、中间、结束事件,最后根据新演化模型及演化模式建立事件演化的有向无环图模型,揭示事件发展的潜在脉络结构。实验结果表明,本文方法能够有效检测事件演化,提升系统性能。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。