基于优化初始聚类中心K-Means算法的跳频信号分选

提出了一种优化初始聚类中心的方法.方法通过搜索参数统计直方图峰值预估类数目,并根据峰值位置确定聚类中心大概位置.由于优化的初始类心与实际类心相隔不远,聚类迭代次数大为减少.与传统的优化聚类中心方法相比,本方法计算量更少.最后将改进K-Means聚类算法应用于跳频信号分选,仿真结果表明,分选效果良好.     

炮兵火力任务分配的优化模型

现代作战,参战兵种多,炮兵的火力单位和类型更为复杂,不同的火力单位具有不同的毁伤效果,如何用最小的代价取得最大的军事效益,是一种火力任务分配的优化问题.根据不同炮种和目标的特点,建立在一定约束条件下的炮兵火力任务分配模型,并将其转化为指派问题,运用匈牙利算法求解,达到优化分配火力任务的目的.通过仿真计算证明这是辅助指挥员进行射击决策的一种有效手段,为作战指挥理论提供了一种新的数学模型.     

基于目标识别的飞机偏离跑道测量技术

为了有效地避免飞机偏离跑道造成的事故,运用目标识别技术,对机场跑道的标线中心线和表示飞机滑跑方向的轮廓线进行了提取,并且进一步测量出标线的方向和飞机滑跑的方向,计算出两者之间的夹角.从而对飞机偏离跑道进行了定量的测量.实验表明,该技术测量的速度快,耗时少,且测量结果准确,能够有效地对飞机在跑道的滑跑情况进行监控,是一种有用的技术.     

基于目标结构特征像的SVM目标识别方法

针对支持向量(SVM)对目标高分辨一维距离像(HRRP)识别率和稳定性不高的问题,研究将目标分解理论推广应用于对目标极化散射矩阵的分解,求得了目标结构特征像.在分析研究SVM的训练和测试方法的基础上,采用SVM通过结构特征像对两实验目标进行分类识别,结果表明,基于目标结构特征像的SVM目标识别方法能够提高目标正确识别率,且其稳定性较好.该方法是一种有效的目标识别方法.     

基于多蚁群的无线传感器网络路由算法

无线传感器网络的快速发展,对于其路由协议有了更高的要求,关键是在节省能耗的情况下提高数据传输效率.提出了一种基于多蚁群无线传感器网络路由算法,采用多种群并行搜索,并在种群中采用基于目标函数值得启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径,利用蚁群的分布式特点,通过有限寿命蚂蚁的协作在源节点与目的节点之间的运动获取主路径和备选路径,然后根据节点信息适时更新路由表.仿真结果显示MACRA降低了能耗,延长了网络寿命.     

信息融合系统中算法管理理论研究

信息融合系统中,数据源千差万别,多种多样;而众多的信息融合算法也具有不同的适应性.通过对实验数据的分析说明了数据源以及融合算法的选择显著影响了最终的融合结果.针对数据源、融合算法和融合结果之间的关系,以优化融合结果为目的,提出了信息融合系统中算法管理(Algorithm Management)的理论,阐述了算法管理的目标、算法管理可能的方法和算法管理的实现结构.最后讨论了信息融合领域中与算法管理理论相关的其他问题.     

基于遗传算法的结构测试数据自动生成

生成测试数据是软件测试的主要过程,将遗传算法引入到测试数据的自动生成中,重点介绍其生成过程,并对遗传操作进行改进,在一定程度上降低算法的过早收敛性.最后构建出基于遗传算法的测试数据生成模型.并用实例证明算法的高效性.     

改进的Apriori数据挖掘算法的应用

Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的基本算法.针对防区外联合攻击武器系统在仿真过程中产生的大量数据,利用Apriori算法对仿真结果进行分析,得出一些有参考价值的规则,实现了关联规则挖掘在军用系统仿真中的应用.并对Apriori算法存在的问题进行了一些改进,用新的修剪策略,提高了算法的效率;增加独立性检验,进一步保证了关联规则的正确性.     

蚁群算法及其在火力分配问题中的应用

火力分配问题是指用一定数量的武器对一定数量的目标进行打击,如何根据武器性能和目标特性等一系列的因素,制定打击计划,使打击效果最好,满足打击需求,是我二炮部队火力运用专业的研究课题之一.火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度.采用蚁群优化算法,对该问题进行了研究.     

基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果.在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器.最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能.