锥形液膜的Kelvin-Helmholtz扰动波

为进行锥形液膜雾化过程分析,研究锥形液膜的Kelvin-Helmholtz稳定性问题,应用小扰动假设,建立了锥形液膜数学模型、轴对称扰动运动的控制方程和边界条件,采用分离变量法求解线性偏微分扰动方程组,经过严格的数学推导,得到了锥形液膜内外表面扰动波增长速率特征方程.当液膜锥角为零时,与环形液膜扰动波特征方程一致;当液膜锥角和液膜内径为零时,与圆射流扰动波特征方程一致,表明导出的锥形液膜扰波动方程是合理的.     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

被动雷达/红外成像双模制导数据融合方案

提出了被动雷达/红外成像双模制导数据融合方案。针对雷达和红外成像测量数据率不同的特性,研究了被动雷达/红外成像测量输出时间同步校准算法;根据雷达和红外成像测量输出的目标冗余信息对各自测量噪声方差进行在线实时估计,提出了一种具有自适应修正能力的卡尔曼滤波算法;采用神经网络—模糊推理方法设计了具有自主判别能力的测量信息有效性判别系统,提出了基于测量信息置信度的加权融合算法。通过仿真验证了该方案的有效性。     

中程空空导弹冲淡式干扰模型

中程空空导弹的末制导主动雷达一方面提高了中程空空导弹作战效能和载机的生成概率,另一方面也为对中程空空导弹实施冲淡式干扰提供了机会。基于冲淡式干扰的基本原理建立了中程空空导弹的冲淡式电子干扰模型,分析了各种不同攻防对策下的冲淡式干扰的效果及其变化趋势,在此基础上讨论了对抗双方在冲淡式电子对抗中的最优对策。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测.针对此问题,提出基于纹理随机化的结构主导 目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测.利用目标的三维模型,借助Blender渲染引擎,完成纹理随...     

侦察机通过数据链向潜艇传递目标指示的方法探讨

为了使侦察机能更及时、准确、可靠地为潜艇提供目标指示,使之进行导弹超视距攻击,介绍了与潜艇通信有关的地-舰(潜)/空数据链、舰(潜)-舰(潜)数据链及舰(潜)-空数据链。然后探讨了侦察机通过数据链向潜艇传递目标指示的方法,重点研究了潜艇可以实时接收数据链信息和不能实时接收数据链信息的情况下的直接指示法,及侦察机通过岸上指挥所、海上联合编队指挥所中转信息的中转指示法。     

电子战训练仿真系统开发方法研究

为了提高电子战训练仿真系统开发的效率和质量,参照建模与仿真领域和软件工程领域中的模型开发与运行过程模型,提出了一个基本开发过程,将基于高层体系结构HLA电子战训练仿真系统的开发划分为相互关联的9个阶段,规定了每个阶段的开发活动。展示了联邦成员软件自动生成工具KD-FedWizard在基于HLA电子战训练仿真系统分析、设计和实现中的应用。     

通用作战态势图的构成与实现方法

通用作战态势图根据来自兵力级的多源信息,处理、显示目标航迹、身份、任务、地理信息等,形成战场态势综合显示,支持指挥员的战术态势分析、战术决策等任务,改善指挥员的态势感知能力,提高信息处理能力和速度,减轻压力和减少失误。面向态势感知的通用战术态势图(COP)的认知设计体系,描述了形成COP的数据来源及相应的数据关联和态势感知可视化的软件结构,并对COP中的战术目标群分类和目标数据采用模糊处理的方法,对COP工程化实现具有一定的借鉴意义。     

混合指数分布模型的Bayes分析

针对截尾试验数据的情况,给出了二元混合指数分布模型的平均寿命和可靠性函数的严格的Ｂａｙｅｓ点估计,并运用最大熵准则给出了可靠性函数的近似的Ｂａｙｅｓ置信下限估计。     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.