C3I 系统作战效能的一种分析方法

本文针对美国麻省理工学院为进行Ｃ~３Ｉ系统效能分析所提出的案例,运用影响图方法建立了该案例的微分方程模型,而后定义了若干个Ｃ~３Ｉ系统作战效能的衡量指标,最后由这些指标对模型的计算机数值仿真结果进行了详细地分析,得出了Ｃ~３Ｉ系统各项性能对战场态势的影响,从而说明了Ｃ~３Ｉ系统在战争中的作用。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

机群对地攻击分析动力学模型的建立及仿真分析

根据兰彻斯特作战动态方程的研究方法建立了机群对地攻击效果的分析动力学模型 ,并通过仿真分析、讨论了影响对地攻击效果的可能因素 ,如 :目标分配形式 ,目标发现概率 ,攻击结果侦察概率以及假目标等     

基于双二体假设的载人登月混合轨道特性分析及设计

混合轨道是载人登月轨道的重要类型之一。利用混合轨道的组成特点,提出在双二体假设下以自由返回轨道为基础的混合轨道计算方法。主要对混合轨道的特性进行分析,给出混合轨道在能量消耗和飞行时间等方面的特性。在涉及月球运动的计算时,考虑月球运动的非圆性,对传统双二体假设略作修改。给出混合轨道的设计实例,仿真结果验证了本文提出方法的有效性。     

交互式多模型目标跟踪的研究现状及发展趋势

系统地介绍了交互式多模型算法在机动目标跟踪领域中的发展现状、发展方向及其与数据关联相结合进行目标跟踪的发展趋势。通过分析交互式多模型算法本身存在的问题,指出了一些改进方法的可行性与不足;进一步介绍了数据关联与交互式多模型算法结合进行目标跟踪的发展情况及取得的成果,并对以后与交互式模型相关的研究方向进行了探讨。     

非线性压电振动能量俘获行为建模及其不同参数影响机理研究

如何利用非线性特性来改善压电振动能量捕获性能是工程实际中需要解决的一个问题,为此建立了非线性压电振动能量捕获行为的数学模型,利用定积分法推导了该模型的数值计算方法,并针对不同参数对非线性压电振子输出电能的影响特性进行了数值仿真,结果表明:减小非线性阻尼、增大非线性压电耦合系数均有利于提高非线性压电振动能量俘获的性能;减小非线性刚度能提高低频振动能量俘获的输出,但减小了共振带宽。     

指标融合和隐马尔可夫模型的舰船装备技术状态评估

科学合理的技术状态评估技术是保障舰船安全性和任务完好性的有效途径之一,针对目前舰船装备技术状态评估缺乏动态性以及评估指标过多的问题,构建舰船装备技术状态多指标融合模型,结合技术状态评估指标融合模型和隐马尔可夫模型所具有双随机性和严谨数学推理能力的特点,建立基于指标融合模型和隐马尔可夫模型的舰船装备技术状态动态评估模型。最后通过案例分析验证了所提出的方法能够有效体现技术状态评估中的动态性,为舰船装备技术状态评估提供新的途径。     

二维浅水波并行模式的伴随

以二维浅水波为例,详细探讨如何开发并行模式的切线性模式和伴随模式。切线性模式的并行机制和原始模式一致,而伴随模式不同。三个模式采用一致的数据剖分方法可提高并行效率。在集群并行计算机系统上采用一维数据剖分,切线性模式的通信量与原始模式相当,而计算量几乎是原始模式的2倍;伴随模式的通信量大约是原始模式的2倍,而计算量几乎是原始模式的3倍。在三个模式中,切线性模式的加速比最大。     

基于Bow-tie模型的发动机空中停车事故分析与预防

发动机空中停车是航空事故主要致因之一。首先,通过数据梳理和分析,构建发动机空中停车故障树,结合重要度分析理论,求解各基本事件的重要度,得到造成发动机空中停车事件的最薄弱环节——供油系统故障。基于Bow-tie理论,构建发动机供油系统Bow-tie模型,直观地显示了该故障产生的根本原因和可能导致的后果,进而提出了预防该故障发生的对策建议,达到降低发动机空中停车事故概率的目的。     

基于pLSA模型的人体动作识别

提出一种基于主题模型的人体动作识别方法。该方法首先提取时空兴趣点(STIP,space-time interest point)来描述人体运动,然后提出使用慢特征分析(SFA, slow feature analysis)算法计算兴趣点梯度信息不变量最优解,最后使用概率潜在语义分析 (pLSA, probabilistic Latent Semantic Analysis) 模型识别人体动作。SFA计算的梯度不变量最优解可以表示时空兴趣点固有特征,能够无歧义反映时空兴趣点在空间及时间方向上的信息。同时,针对pLSA隐性主题正确性无法保证的缺点,算法将主题与动作标签“一对一”相关,通过监督方式得到主题,保证了训练中主题的正确性。该算法在KTH人体运动数据库和Weizmann人体动作数据库进行了训练与测试,动作识别结果正确率分别在91.50%和97%以上。