基于增强CNN模型的手写字体图像识别

为了提高汉字的识别率,提出了一种改进的图像识别算法,根据偏微分方程理论,提出一种增强CNN模型识别汉字,将原有的图像用高阶差分法进行增强处理,然后在原始的LeNet-5网络结构的基础上,将前两层的激活函数改为ReLu函数,并且去掉C5层以及F6层,通过增加输出层的神经元数来增加汉字的识别率。研究结果表明:经过图像增强和增加输出神经元数的改进,对汉字进行识别,识别率达到了98.44%,相比较于其他汉字识别算法提高了3%～9%,从而证明了算法的可行性。     

基于微分对策的多型反舰导弹火力优化模型

根据多型反舰导弹对抗舰艇编队的基本作战模式,以最大毁伤作为优化目标,对作战双方不同能力层次的武器进行区分,建立了能够动态反映对抗过程的微分对策火力分配优化模型,实时反映对抗双方的毁伤,从而最终寻找得到作战双方的最优火力分配策略;运用拉格朗日构造法解算微分对策模型,给出迭代求解模型参数的方法。立足体系作战思想,整合作战资源,灵活运用军事运筹学以提高各作战单元的组织度,研究成果主要为运用多型反舰导弹对海攻击任务的方案制定、训练演习提供参考。     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。     

石英/双酚E型氰酸酯复合材料的制备与性能

采用实验方法研究双酚E型氰酸酯树脂的黏度和固化特性,揭示催化剂对双酚E型氰酸酯树脂固化特性的影响规律;采用树脂传递模塑和真空导入模塑工艺制备石英纤维/双酚E型氰酸酯复合材料,并考察其力学性能。结果表明,双酚E型氰酸酯树脂室温至90℃范围内的黏度小于300 m Pa·s,凝胶时间大于10 h,起始固化温度、固化温度和终止固化温度分别为186±5℃,235±5℃和286±5℃;固化特征温度随着催化剂含量的增加而降低,直至催化剂饱和,其饱和范围为0.02%~0.03%,可使双酚E型氰酸酯树脂体系的固化温度降低约60℃,从而避免爆聚,实现液相法成型其复合材料;真空导入模塑工艺制备的石英纤维/双酚E型氰酸酯复合材料的力学性能明显优于树脂传递模塑制备试样。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

复杂海战场环境下AUV全局路径规划方法

针对无人自主水下航行器(Autonomous Underwater Vehicle,AUV)在复杂海战场环境中路径规划时环境模型复杂、约束条件多的情况,建立了包括战场地形、敌方威胁、障碍物和海流场等在内的比较完善的海战场环境模型.以AUV航行时间、威胁时间最短为优化目标,给出了一种基于振荡型入侵野草优化(Invasiv...     

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。     

基于多分支注意力改进的YOLOv5无人艇目标检测方法

针对水面无人艇目标检测类别多、尺寸小、形变大等难题,提出了基于多分支注意力改进的YOLOv5检测算法。首先提出了一种SAv2Attention模块,通过对通道的“复制-转换-合并”等处理,实现卷积层通道间与通道内特征融合,提升网络的局部感受野,然后将其嵌入到YOLOv5网络,最后在构建的真实海试数据集上进行了大量对比实验。结果表明,SAv2Attention可有效提升YOLOv5的检测精度,典型海面目标数据集上,mAP@0.5检测精度达到94.6%,mAP@0.5:0.95检测精度达到60.9%,相较于原生算法分别提高1.4%和3%,对小尺寸目标平均检测率APS提升4.3%,证明所提方法能有效提升无人艇对水面小目标的检测能力。     

防地雷反伏击车设计浅谈

本文介绍了防地雷反伏击车的设计要点。这种防地雷反伏击车是一种能够为士兵提供抵御地雷、简易爆炸装置和其他枪弹威胁的改进防护的战斗用车。涉及防地雷装甲车辆的总体设计、防护技术和人机环境等多要素综合的工程技术,是一种功能综合、系统集成的满足战场指挥、人员输送、战术侦察、物资运输和战地救护等功能拓展的防地雷反伏击系列车辆基型车。