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。     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

自适应神经模糊推理系统(ANFIS)及其仿真

自适应神经网络模糊推理系统ANF IS是模糊控制与神经网络控制结合的产物。讨论了ANF IS的结构及其特点,并利用M ATLAB的专用工具箱进行了仿真研究,取得满意的效果。     

履带式车辆半主动悬架的模糊神经网络控制

在1/2车体振动模型的基础上,引入了模糊神经网络控制器,模糊控制用来对付系统的非线性,神经网络用来辨识路面的变化情况,实时调节模糊控制器的量化因子,使模糊控制器对路面的变化具有自适应能力。仿真和台架实验结果表明,模糊控制器能有效地控制半主动悬架系统,半主动悬架在减少振动,提高乘坐舒适性方面优于传统的被动悬架。     

基于模糊多属性的机群空面多目标任务分配

飞机编队在执行空面作战任务时,在进行多目标任务分配之前必须对作战的目标进行有效评估。考虑目标的威胁、政治价值和经济价值等不同属性,建立了多目标分配综合价值评估指标;运用模糊多属性法和G.A.M iller九级量化理论对目标综合价值进行量化,并采用离差最大组合赋权法求出各属性权值,建立单机多目标分配模型。提出基于数据链通信的编队多目标最优分配算法,最后给出仿真实例,仿真结果表明此方法能合理有效地对多目标进行最优分配。     

多指标下的炮兵火力最优分配

为了提高炮兵火力打击效能,提出了小生境遗传算法与模糊多目标决策相结合的混合算法,建立了多指标下的炮兵火力分配模型,并阐述了混合算法设计,给出了应用举例,结果表明,与传统的单指标下的炮兵火力最优分配相比,该方法更符合战场实际情况。     

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。     

模糊多属性决策理论在防空兵作战能力评估中的应用

针对防空兵系统特点,运用模糊多属性决策理论探索防空兵作战能力评估问题。构建了模糊多属性评估算法,结合具体的数学工具建立了模糊多属性评估模型,经过三级模糊综合评估得出评估结论。经实例检验该方法在防空兵作战能力评估中具有较好的应用价值,另外该方法在其他领域也具有较好的推广价值。     

模糊聚类分析在舰炮射击目标处理中的应用

舰炮对岸射击中射击目标选取比较复杂,用基于AFS逻辑的模糊聚类分析数学方法对射击目标进行处理,是一种评估战场目标选取的新方法。基于AFS逻辑的模糊聚类分析不仅与人类的思维逻辑类似,而且便于计算机将数据库中的记录转化为人类容易理解和操作的模糊集。作为在数据挖掘中的应用,又给出了基于AFS模糊逻辑的一个新的模糊聚类方法,通过具体的数学模型仿真表明这是一种行之有效的方法。     

基于模糊信息论的空中目标识别模型研究

空中目标识别是防空作战辅助决策的关键环节之一。针对目标识别中不确定信息,建立基于模糊信息论的空中目标识别模型。该模型利用模糊信息论中的模糊数,基于贴近度的模糊模式识别对待识空中目标进行初步识别,同时为解决不确定信息本身对目标识别结果稳定性的影响,采用模糊信息熵对目标识别结果修正,从而进一步提高了空中目标识别结果的稳定性和可信度。