广义模型的音频分析方法

目前网络数据中包含有大量的多媒体数据,音频作为多媒体信息的重要载体之一,蕴涵了丰富的语义,有效地丰富和补充了人们对信息的感知和获取。而目前的多媒体检索主要利用的是常规的信息检索技术诸如视觉信息,往往忽略了音频信息,这已不能满足需要。音频信息检索就逐渐成为多媒体信息检索的研究重点之一。基于此,针对音频信息检索问题展开讨论,提出一种利用广义模型进行音频分析的新方法。该方法可应用到音频检索中,实验证明了该方法的有效性。     

云重心理论在防空兵作战能力评估中的运用

防空兵作战能力评估是一个复杂的多指标综合体系,不仅与作战编组、部署、地形和敌我战场情况的处置等因素有关,而且还包含许多随机和模糊因素。在建模分析中各指标基本评定值确定比较困难。结合防空兵作战能力评估模型,运用“云重心”理论确定了评估模型中各指标基本评定值,增强了模型的可信度和可操作性。     

基于GIS的战术级地面防空群指控系统

结合战术级地面防空群指挥控制系统的需求背景,提出了基于GIS软件平台指挥控制系统设计方案。该方案可以充分实现地理信息指控决策的有效结合,在旅级指控系统中已获得成功应用。可大大提高参谋与指挥人员制定作战方案能力和效率,实现对瞬间战情作出动态响应,有效掌握战场的主动权。     

系统动力学防空战场信息战模型

现代条件下的防空作战是一种信息化作战样式,阐明了防空信息战的基本概念,论述了系统动力学用于研究防空信息作战的适用性,建立了防空战场信息战的系统动力学模型,通过对模型不同仿真结果的比较,印证了制信息权在防空作战中的重要性,做出了防空战场信息作战的对策分析。     

管道机器人在三通处的通过性分析

三通是管道机器人经常遇到的典型障碍之一,克服该障碍的能力用管道机器人在三通处通过性来描述。文中提出一种描述差压驱动式管道机器人三通通过性的数学模型,该模型由一组组合约束构成。通过对约束方程的分析讨论、与管道机器人弯道通过性的对比分析,得出了规律性的结论。管道机器人在三通处的姿态、单元体的几何尺寸、行走轮结构形式对其通过性都有不同程度的影响。所提出数学模型是管道机器人三通自主行走控制策略设计和相应结构设计的理论基础。     

基于应变局部化理论的剑桥模型改进

应用传统的弹塑性理论模型在分析剪切带的时候遇到了很多困难,如控制方程失去椭圆性等,其原因是传统的弹塑性理论模型并没有包含材料的内部参数。在剑桥模型的基础上,考虑应变二阶梯度,提出一种新的计算剪切带的理论模型。当应变局部化发生时,带内土体采用该模型计算,带外土体则按照传统弹塑性模型计算。该理论模型汲取了剑桥模型实验参数少,应用简便的优点。     

SpaceFibre网络服务质量时隙资源分配算法

为保证SpaceFibre星载数据网络大量实时数据流的超高速确定性传输,提出一种包含两个子算法的SpaceFibre网络服务质量时隙资源分配算法.形式化描述网络服务质量机制,给出调度矩阵相关定义;创建网络服务质量排队模型,定量分析时隙资源分配对网络时延性能的影响;考虑网络兼容性和算法鲁棒性,给出改进二进制序列调度子算法...     

滚动球变换支持下的TIN-DDM地形特征线自动提取方法

针对传统规则格网数字高程模型地形特征线提取方法中存在阈值难以定量调控、连接方式无法自适应调整以及地形特征线类型不完整的问题,将滚动球变换模型应用于不规则三角网数字水深模型(triangulated irregular network digital depth model,TIN-DDM)地形特征线的自动提取,在构建临界滚动球半径关联的地形特征点定量识别判定准则基础上,引入地形形态边界点概念,采用逆向工程的建模思路,建立了以剖分单元为基础的地形特征线自动提取模型,结合地形类型判定准则的多尺度表达特性及顾及水深数值的地形特征优化模型,提出了可多尺度表达且类型完整的地形特征线自动提取方法。试验结果表明:相比于经典地表流水模拟方法,该方法可实现完整、连续且细分的TIN-DDM地形特征线自动提取及多尺度表达,且提取的地形特征线具有更高的地形重构精度。     

相干累加与AR滤波相结合的舰船轴频电场信号处理方法

针对采用电场传感器阵列测量舰船电场的应用场景,为提升目标轴频电场的信噪比,提出一种相干累加结合自回归(autoregressive, AR)模型滤波的方法对阵列电场信号进行处理。对测量得到的阵列电场信号进行时延补偿后累加,同时对环境电场信号进行AR建模,并利用AR模型参数构造滤波器,以对累加后的信号实施滤波处理。为验证所提方法在低信噪比条件下的有效性,对实测阵列式电场信号进行处理,结果表明,所提方法能够在信噪比为-25.39 dB的条件下有效压制噪声频谱,保留轴频线谱,处理后信噪比提高约21.92 dB。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。