判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.     

自组织特征映射网络在目标分类识别中的应用

为了在日趋复杂的空战环境中准确分析出目标的类型,以达到辅助决策之目的,采用自组织特征映射网络来对目标进行分类识别.首先提取影响目标识别的类特征,然后对其预处理.在此基础上建立SOM网络目标识别模型,并利用SOM网络算法实施无监督的自组织学习.在学习的过程中,通过不断调节网络节点间的权向量,来实现目标聚类.最后,通过仿真验证了该方法在目标分类识别中的可行性和实用性.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

基于蚁群算法和禁忌搜索的部队机动路径选择

高技术条件下的现代战争对部队机动路径选择问题提出了新要求,一方面道路网的扩大使问题求解的规模大大增加,另一方面作战环境和任务的变化使得问题本身不得不从多角度进行综合评价.增加了问题的复杂性.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法、禁忌搜索算法相结合的启发式方法对问题进行求解,得到了令人满意的结果.仿真结果分析认为,算法是切实有效的,并且具有良好的稳定性.     

论英语中的类比构词

类比构词是指通过仿照原有的同类词创造出其对应的词或近似词的构词方式。类比构词法是当今英语词汇发展与增加的重要途径之一,在构词中极具孽生能力。本文以词的语义理据（Semantic Motivation）理论为依据,从英语类比构词的语义构成、常见构成类型、语体特点几方面分析了类比构词。     

火炮驻退机状态评估中的特征提取方法

人工后坐条件下各检测参数受驻退机技术状态变化影响较小,为准确评估火炮驻退机的技术状态,需要从检测参数中提取科学有效的指标特征。利用人工后坐在线检测设备中推炮速度可调和高分辨率数据采集卡的优势,将对驻退机磨损比较敏感的液压阻力参数从可测的后坐阻力中分离,基于模板匹配的思路建立了液压阻力模板曲线。对不同技术状态驻退机的液压阻力曲线与模板曲线进行了相关性分析,并对驻退机磨损特征参数进行了有效提取。其结果作为驻退机模式识别中的评估指标,可使驻退机技术状态评估更加精确。     

炮兵雷达阵地选择仿真系统的设计与实现*

虚拟现实技术是20世纪末发展起来的一项涉及众多学科的高新应用技术,主要针对在MultiGen Creator和Vega软件平台下开发三维仿真系统。针对目前炮兵雷达阵地选择虚拟仿真的需求,设计了炮兵雷达阵地选择仿真训练系统,介绍了仿真系统的组成及功能模块,论述了二维数字地图生成与显示、三维场景生成与显示、视景仿真的实现等关键技术,最后给出了仿真效果图。结果表明了仿真系统的可行性和实用性,极大地提高了训练效率和训练水平。     

基于案例决策理论的仿真任务共同体服务选择算法

资源分配优化是面向服务（ SOA）的大型多用途仿真系统的关键问题,而含有不确定状态或效果的服务选择是资源分配优化中的一个难点。针对以上问题,提出了构建仿真任务共同体的方法,基于案例的决策理论（ CBDT）的思想,设计了一种不确定型仿真任务共同体服务选择算法（ CBDSSA）。算法通过服务选择案例相似度的层次化运算,生成相似历史案例集,计算得到相似历史案例的方案效用值,最终评估出目标服务选择方案综合效用值并排序备选。算例验证表明,算法约束条件少,层次结构分明,运算结果直观,为仿真任务共同体服务选择问题提供了一种新的思路和实践手段,对大型多用途仿真系统资源分配优化研究具有一定的参考价值。     

基于改进蜂群算法的非均匀阵列综合

针对蜂群算法易陷入局部极值的缺陷,提出一种改进蜂群算法实现非均匀阵列综合。首先,通过引入概率选择机制,以概率因子控制蜂群算法对精英蜂的选择,从而改善蜂群算法的全局优化性能;然后,采用改进蜂群算法优化阵元间距降低最大峰值旁瓣电平并抑制干扰;最后,仿真实验表明该改进算法在非均匀阵列综合中的有效性和稳健性。研究成果可为非均匀阵列综合提供一种新的途径。     

On the polyhedral structure of two‐level lot‐sizing problems with supplier selection

In this article, we study a two‐level lot‐sizing problem with supplier selection (LSS), which is an NP‐hard problem arising in different production planning and supply chain management applications. After presenting various formulations for LSS, and computationally comparing their strengths, we explore the polyhedral structure of one of these formulations. For this formulation, we derive several families of strong valid inequalities, and provide conditions under which they are facet‐defining. We show numerically that incorporating these valid inequalities within a branch‐and‐cut framework leads to significant improvements in computation. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 647–666, 2017