基于Bayes理论的测试性数据融合评估技术

针对目前高可靠性产品测试性评估验证面临的样本量不足的问题,提出一种基于Bayes理论的内外场数据融合评估技术,并给出详细的内外场测试性数据收集方法及原则,利用某产品的试验数据对该方法进行了验证。该方法工程应用性强,可作为高可靠性产品测试性评估的依据。     

一种改进的红外图像降噪算法与FPGA实现

由于实时目标的红外图像具有信噪比低、边界模糊等问题,在研究红外图像噪声特点的基础上,提出了一种基于动静态检测算法的红外图像降噪算法。通过一种动静态检测算法将图像分成动态图像和静态图像,用改进的自适应维纳滤波算法处理动态图像,用改进的NL-means降噪算法处理静态图像,并用FPGA实现红外图像降噪系统设计。实验表明,红外图像经算法处理后,其PSNR和细节方差-背景方差比(DV/BV)均高于经典降噪算法,算法能有效减少图像噪声,并能很好地保持图像的边界细节信息。     

基于样块改进的图像修复算法

图像修复是指对图像破损区域进行填充或者将图像中多余物体进行移除。在Criminisi算法的基础上进行改进,在待修复块优先权的计算过程中,由于等照度线的曲率可以反映图像的局部特征,块与块之间的方差值可以反映图像的边缘信息,因此,将二者考虑进来,确保修复过程能够准确有序地进行。在寻找最佳匹配块时,将等照度线的曲率也作为一个因素增加进来,有效地提高了最佳匹配块搜索的精确性。经过仿真实验证明,改进后的算法不仅在PSNR值上比原算法有所提高,而且修复结果也比原算法更加准确可靠。     

基于排队论模型的轮询协议数据链系统时延分析

基于数据链系统的作战方式已经成为了现代化战场的主流,战争中战机稍纵即逝,因此,分析数据链系统的信息传输时延特性意义重大。针对数据链系统信息传输时延问题,分析了数据链系统传输命令消息,目标消息以及中继消息的一般过程,并给出了排队论模型。根据排队论的相关知识得到了轮询协议数据链传输时延的公式,最后利用仿真软件进行了分析研究。     

结合层次法与主成分分析特征变换的宫颈细胞识别

对宫颈细胞进行多分类可以自动识别出不同状态的细胞,进而为宫颈癌诊断提供科学依据。在用6种多分类算法进行实验后,选取支持向量机作为基分类器,先用一对一策略训练6个分类器进行3分类,然后再训练1个2分类器,这种二层4分类方法提高了识别准确率。考虑不同层特征模式的差异性,在保证识别性能的同时,每层分类前先采用主成分分析法将原始154维特征变换到低维空间,去除冗余特征,加快识别速度。实验证明,所提层次主成分分析法在宫颈细胞分类中相比6种传统多分类方法有更高的识别准确率,可达90%以上;识别速度也较普通层次法提升了21.31%。     

基于战例数据的制胜要素选择方法

针对战争制胜机理定量研究需求,提出了一种基于混合评估的制胜要素选择算法。针对战例数据特点,该算法选择两种过滤方法分别从不同方面对要素全集进行评估排序而后加权得到综合排序结果;将结果作为遗传算法的初始种群,而后以分类精度作为个体适应度函数。选择几种典型的分类器综合比较,筛选出规模较小、性能较好的要素子集。测试结果表明,该算法不仅能有效地减少要素子集规模,还可以进一步提高制胜机理分析模型的准确率和效率。     

基于三维科研态势演化图谱的国防科技发展评估

当前随着信息技术的深入发展,大数据时代已经悄然而至。大数据为国防科技发展带来了重大机遇的同时,其所带来"数据眩晕"和"数据冗余"效应不容忽视。面对大数据对国防科技发展所带来的巨大挑战,准确、快速、实时地把握和预测科研发展态势,已经成为科研工作者和科研管理高层决策者的迫切需要。在对传统科学知识图谱深入研究的基础上,本文提出一种基于网络和单词分布式嵌入的三维态势演化图谱模型,模型充分利用了文献中的结构信息和语义信息,并对结果进行可视化展示,实验表明,该方法对于掌握国防科技发展动向,挖掘技术前沿,把握技术机会,促进国防科技发展具有较大的参考价值。     

Statistical analysis for masked system life data from Marshall‐Olkin Weibull distribution under progressive hybrid censoring

This paper considers the statistical analysis of masked data in a series system, where the components are assumed to have Marshall‐Olkin Weibull distribution. Based on type‐I progressive hybrid censored and masked data, we derive the maximum likelihood estimates, approximate confidence intervals, and bootstrap confidence intervals of unknown parameters. As the maximum likelihood estimate does not exist for small sample size, Gibbs sampling is used to obtain the Bayesian estimates and Monte Carlo method is employed to construct the credible intervals based on Jefferys prior with partial information. Numerical simulations are performed to compare the performances of the proposed methods and one data set is analyzed.     

基于超分辨率超声图像的缺陷量化方法

以相位相干多信号分类(phase-coherent multiple signal classification, PC-MUSIC)方法为例,研究基于超分辨率超声图像的缺陷量化方法。利用全矩阵采集方法从被测对象获取超声阵列数据,对数据进行时域预处理,提取缺陷散射信号;利用PC-MUSIC方法处理缺陷散射信号,获取超分辨率超声图像;分析超声图像特征,提取横向强度曲线,定义-6 dB主瓣宽度作为缺陷的评估长度。搭建实验系统,选择铝试块作为被测对象,在其内部加工1个长度为10 mm的刻槽作为缺陷。实验结果表明,在信号子空间维度选择合适的情况下,PC-MUSIC方法能够准确评估缺陷长度,误差在10%以内。     

融合图嵌入的光滑主成分分析网络图像识别算法

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。