基于自组织神经网络的雷达信号分选

本文介绍了一种基于自组织神经网络的雷达信号分选系统,概率神经网络通过计算输入信号矢量的联合概率密度实现贝叶斯分选,它与传统的信号分选算法相比在分选精度和资源利用率上有显著的提高。这种并行的神经网络计算结构也很适合于ＶＬＳＩ实现。本文还介绍了此系统在复杂雷达信号环境下的仿真分选试验。     

10.6μm 双路 NH2D 斯塔克盒稳频CO2 激光拍频系统研究

在无恒温设备,无特殊防震措施,激光器采用泵浦循环水冷却,稳频环路采用常温热释电探测器的条件下,我们成功地建立了１０．６μｍ双路ＮＨ_２Ｄ斯塔克盒稳频ＣＯ_２激光拍频系统。文中重点对稳频系统的频率稳定性的拍频测试进行实验研究,并对关键技术进行了讨论。用拍频法及阿仑方差评价的频率稳定性是：取样时间为１０_ｓ、１ｓ的频率稳定性优于４×１０~（－１０）;取样时间为１００ｍｓ、１０ｍｓ、１ｍｓ的频率稳定性优于１．７×１０~（－９）。     

参数曲线几何连接的几个定理

导出了对参数曲线几何连接简单、实用的几个定理。     

高速核在高温热平衡等离子体中的非平衡弛豫过程对热核反应率参数的影响

高速核入射到高温热平衡等离子体背景中,由于入射核动能远大于背景等离体中带电粒子之平均动能,入射核在与背景等离子体达到热平衡之前,会存在一段逐渐损失能量的非平衡弛豫过程。本文以高速氘核入射到高温氘化锂等离子体为例,在计及氘核的这种非平衡弛豫过程时,给出了一种计算热核反应D(t,n)~4He之反应率参数的方法。氘核在弛豫过程中的能量损失考虑了氘核与各种带电粒子的库仑散射过程,其能量损失率采用快速带电粒子的慢化理论来计算;氘与背景等离子体中的原子核发生的核反应过程,考虑了非平衡状态下束靶机制的D(t,n)~4He反应和热平衡状态下的D(t.n)~4He反应。在暂未考虑核散射的情况下,计算结果表明,当等离子体温度在7.5KeV～20KeV范围内变化时,氘核的非平衡弛豫过程对热平衡状态下D(t,n)~4He反应率参数的修正因子大致在1.0062～1.0943范围内变动,且温度越高,修正因子越小。计算还表明,当温度一定时,修正因子随等离子体中粒子的数密度变化不明显。     

人才结构系统分析的目标规划方法

本文把马尔可夫过程和目标规划结合起来,提出人才结构系统分析的单项控制和多项控制,并在单项控制模型的基础上发展成了多项控制模型,加强了模型的可信度和通用性。     

最小、最大广义最优停止规则的特征

设(X_n,F_n)_1~∞是适应的报酬序列,(γ_n)是相应的snell 包,(A_n)是(γ_n)的Doob-Meyer 分解中零初值的可料增过程。本文继J.Klass 的研究证明了σ_1=inf{K≥1:X_k≥γ_k}是最小半最优的且是最大严格正则的广义规则,而K_0=sup{n≥0:A_n=0}<∞是最大正则的广义规则,从而得出了广义最优规则唯一性的另一表述。     

Cyclic scheduling in robotic flowshops with bounded work‐in‐process levels

This study addresses cyclic scheduling in robotic flowshops with bounded work‐in‐process (WIP) levels. The objective is to minimize the cycle time or, equivalently, to maximize the throughput, under the condition that the WIP level is bounded from above by a given integer number. We present several strongly polynomial algorithms for the 2‐cyclic robotic flowshop scheduling problems for various WIP levels. © 2010 Wiley Periodicals, Inc. Naval Research Logistics 58: 1–16, 2011     

过程挖掘算法

过程挖掘又称工作流挖掘,主要依据日志中记录的过程实例执行信息重构工作流过程模型,是工作流再设计与分析方法的一项关键技术。对目前主流的过程挖掘算法和相关工具进行了研究,把过程挖掘算法按照特性及解决问题分成了4类,对每类算法的优缺点进行比较研究。最后指出了目前过程挖掘研究中存在的问题。     

面向像斑的高分辨率遥感影像自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市QuickBird和WorldView影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度（82%与82.67%）、常规支持向量机分类总精度（87.33%与88%）、最小二乘支持向量机分类总精度（88%与89.33%）相比,精度有明显提升,分类效果较好。     

基于最大交叉熵的PCNN简化模型在图像分割中的应用

用PCNN作图像分割时,选择不同的模型参数值和停止判决准则,图像分割的差异很大。分别选择最大熵和最大交叉熵作为PCNN图像分割准则,并对PCNN模型进行合理简化。实验结果表明,基于最大交叉熵准则PCNN迭代次数更少,图像分割效果明显优于最大熵准则。