抢险救灾非战争军事行动中应急资源调度网络的优化方法

抢险救灾非战争军事行动包括道路抢修和物资运输等任务,而这两类任务在灾后应急资源调度中存在关联性的影响,且面临路网结构可变及需求随机模糊等挑战,对此,提出了一种非确定性应急资源调度网络双层规划模型,设计了基于蒙特卡洛方法与遗传算法耦合的智能启发式求解策略.通过对典型情境下应急资源调度案例进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.     

机动飞行条件下基于SIFFBP算法的机载UWB SAR成像

机动飞行条件下,运动误差的幅度较大,频域运动补偿精度难以满足机载超宽带合成孔径雷达(UWB SAR)高精度成像的要求,需要采用精确的时域后向投影(Back Projection,BP)算法,然而原始BP算法的巨大计算量限制了其实际应用。提出了一种基于子图像快速因式分解BP(Sub-image Fast Factorized BackProjection,SIFFBP)算法的机动飞行条件下机载UWB SAR成像方案,并对其子孔径和子图像划分的约束关系进行了推导,给出了算法步骤,并分析了算法的计算量。仿真和实测数据处理结果表明,SIFFBP算法能够在保证处理精度的同时,大幅度提高处理效率,非常适合于机动飞行条件下的机载UWB SAR成像处理。     

基于联合相似测度的SAR图像边缘点特征配准方法

针对SAR图像配准过程中几何变换影响特征匹配稳健性和适应性的问题,提出了一种在特征匹配过程中直接解算几何变换模型的边缘点特征配准方法。利用SAR图像边缘点的梯度和方向特征,基于像素迁移思想,定义了图像匹配的联合相似度——联合特征均方和(SSJF),并建立了SAR图像边缘点集相似性匹配准则;基于方向模板提出了改进的ROEWA算子;利用改进的遗传算法(GA)来进行相似度的全局优化搜索,获取配准模型参数;利用多幅SAR图像的配准试验,对本文方法的性能进行了验证。     

高阶稠密矩阵的并行求逆与应用

采用基于列交换的Ｇａｕｓｓ－Ｊｏｒｄａｎ并行算法来解决空气动力学中超音速高阶面元法的稠密矩阵求逆问题,该方法采取了块循环数据分配方式,尤其对超立方体结构的并行机系统来说具有通讯优势。在４台ＳＧＩ工作站构成的２×２网格上进行的实验表明,对秩为１０００左右的矩阵可得到５７％～６４％的效率。     

对象边框标注数据的弱监督图像语义分割

针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。     

面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。     

变量有界线性目标规划的对偶算法

本文讨论了变量有界的线性目标规划问题,给出了求解这类问题的一个对偶算法,此方法与变量有界线性规划问题的对偶算法相类似。文中证明了算法的有效性,并举例说明了计算过程。     

一类极小能控制与广义样条函数

本文讨论由一般微分方程确定的时不变线性系统的一类极小能控制问题。首先,通过引入降阶逆向系统揭示了原系统的输入与输出是由某个积分-微分算子联系着的,并利用该算子建立了极小能控制与广义样条的联系;然后在对于输出端的一类较广泛的约束条件下,导出了其输出空间与文[1]的输出空间具有类似的构造性质,从而建立了与文[1]类似的投影公式与递推公式。     

快速JPDA算法的递归和并行实现

本文从联合关联事件的构造出发，讨论关联假设事件的分层构造，以达到降低计算量的目的。这里的层次可从０取到Ｌ，０层表示没有任何目标能够跟当前的观测数据关联，Ｌ层表示共有Ｌ个目标可以跟当前扫描得到的观测数据相关联。本文的关联事件的构造中，各层次的搜索具有递归性并可以独立进行，因而可以并行实现。文中还将本文的方法跟有关文献作了比较，并且给出相应的计算机仿真实验及其结果。     

弹道数据处理融合算法的并行计算

针对参考文献[1]中提出的融合多信源信息的融合算法,讨论了其中大计算量的测元遴选问题,并给出了它的并行算法。最后详细地分析了此并行算法的高效性和可扩展性,给出了加速比的仿真结果