基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

一种基于多源数据的网络实体推断方法

网络空间中的实体推断是网络空间测绘研究的重要内容之一,主要通过综合多源数据实现对网络空间中各类实体的分类与识别。本文首先提出了网络空间的实体分类模型,基于此模型提出了一种低开销的网络实体探测分类方法。首先对于探测发现的IP地址,采用别名解析技术将属于一个设备的多个IP映射为一个网络实体;然后采用决策树对网络实体分类进行粗粒度分类;最后,再基于贝叶斯网络进行详细分类。为验证分类效果,以江苏省某市为例进行了探测分析并与备案数据进行了对比,试验结果表明该方法可以有效地对网络空间中的各类实体进行判别,从而为网络空间地图构建、态势分析等应用提供技术支撑。     

基于模糊软集合和Bayes的后续备件组合预测方法

针对后续备件需求预测精度低的问题,提出一种基于模糊软集合和贝叶斯的后续备件组合预测方法。首先根据后续备件的消耗规律,分别提出后续备件因果预测模型和时序预测模型;然后选取残差平方和、信息熵和相关系数作为预测效果的评价准则,以两种单项预测方法的预测效果作为先验信息,采用德尔菲法对单项预测方法进行模糊评价,构建模糊软映射;最后综合先验信息与专家模糊评价值,利用贝叶斯方法确定组合权系数求得预测结果。结合算例,对比分析方法的优越性,表明该方法具有较好的合理性和有效性。     

基于贝叶斯网络的要地防空目标威胁评估模型

目标威胁评估是要地防空作战决策的重要组成部分。文章对要地防空的目标威胁评估进行了研究,将目标威胁意图引入目标威胁评估,在对要地防空目标威胁评估要素进行分析的基础上,建立了基于贝叶斯网络的目标威胁评估模型;针对要地防空的实际情况,在求得目标对各要地(阵地)的威胁度的基础上,建立考虑各要地(阵地)不同价值的要地防空目标威胁综合评估模型,满足实际作战需要,为武器目标分配提供了依据。     

变结构DDBNs的推理算法与多目标识别

 目前变结构离散动态贝叶斯网络（DDBNs）的推理算法存在的缺陷是计算量随时间片数的增加呈指数增长。为了解决这类网络的推理问题,引入前向后向算法的基本思想,提出一种新的变结构DDBNs的推理算法。在分析变结构DDBNs数据结构的基础上,定义变结构DDBNs的前向、后向算子,从理论上对算法进行了推导,它的计算量仅与时间片数成线性关系。并且把该算法应用于识别空中多目标的变结构DDBNs,通过有效融合“交战行为"节点信息,使识别系统的鲁棒性显著增强。仿真结果验证了推理算法的有效性。     

Study on UAV Path Planning Approach Based on Fuzzy Virtual Force

This article proposes a novel fuzzy virtual force (FVF) method for unmanned aerial vehicle (UAV) path planning in complicated environment. An integrated mathematical model of UAV path planning based on virtual force (VF) is constructed and the corresponding optimal solving method under the given indicators is presented. Specifically, a fixed step method is developed to reduce computational cost and the reachable condition of path planning is proved. The Bayesian belief network and fuzzy logic reasoning theories are applied to setting the path planning parameters adaptively, which can reflect the battlefield situation dynamically and precisely. A new way of combining threats is proposed to solve the local minima problem completely. Simulation results prove the feasibility and usefulness of using FVF for UAV path planning. Performance comparisons between the FVF method and the A* search algorithm demonstrate that the proposed approach is fast enough to meet the real-time requirements of the online path planning problems.     

基于最佳倒易晶胞的斜采样遥感图像复原方法

遥感图像的退化受多种因素的影响。本文研究了斜采样方式下混叠、模糊、噪声对图像有效分辨率的影响,在贝叶斯框架下提出了一种基于最佳倒易晶胞的斜采样遥感图像复原方法。该方法基于高斯图像先验假设,首先根据斜采样图像获取系统参数对倒易晶胞的形状进行限制,获取混叠与噪声最小的频域覆盖,然后在Bayesian\|MAP(最大后验概率,Maximum a Posterior Probability )框架下建立耦合模型,通过迭代复原方法得到混叠、模糊、噪声最小化的图像。实验结果说明,本算法考虑了引起图像混叠的图像成像模型特性, 获得了较好的复原结果, 增强了图像分辨率。     

基于动态Bayesian网络的叶片加工质量监控与溯源

 针对叶片加工过程中质量精度不高的问题,提出了基于动态Bayesian网络的叶片加工质量监控与溯源方法.利用动态Bayesian网络建立起叶片加工工序间的相互联系,实现对整个加工过程的控制.基于Bayesian网络对影响加工工序的因素集建立因果联系,采用多元统计过程控制中的T²控制图完成对各工序影响因素集的监控.进行误差溯源时,根据Bayesian网络建立的因果关系对失控样本的T²统计量依据原因变量进行误差分解,并构建各分解变量的控制限,将其作为误差源判定的条件.通过对某叶片加工过程的仿真,验证了所提方法的有效性.     

图模型与学习算法结合的贝叶斯网络自动建模

针对纯数据驱动的贝叶斯网络结构学习算法的准确度和效率较低的问题,提出了一种融合多信号流图模型与K2学习算法的贝叶斯网络自动建模方法。该方法利用多信号流图模型能够描述信号之间传递与依赖关系的能力,结合K2学习算法在结构学习中的优势,实现了专家知识与数据驱动方法有效融合的贝叶斯网络结构自动学习算法。通过与常用网络结构学习算法的对比实验证明,该融合算法显著降低了结构学习对学习范围和训练数据规模的要求,具有更高的学习准确度和运算效率。采用真实系统实例阐述了该融合算法的应用过程,验证了算法的实用性。      

考虑数值离散误差的湍流模型选择引入的不确定度量化

在流体力学数值模拟过程中存在着多种来源的不确定因素,科学、定量地描述这些因素对模拟结果的影响对模型确认、工业产品设计优化和性能评估等过程十分重要。数值离散、模型选择和模型预测偏差是模拟过程中3种重要的不确定性来源,为将这3种不确定性因素对模拟目标量的影响统一考虑,发展了考虑数值离散误差的贝叶斯模型平均方法。首先,通过对数值离散解和网格尺度进行拟合完成数值离散误差估计,得到每个备选模型真实解的置信区间。然后,通过嵌套方法和条件优化算法,结合贝叶斯模型平均方法构建目标量的概率盒,定义目标变量累积分布函数的上、下限,以此分析其置信区间。最后,针对NACA0012低速绕流和CHN-T1跨声速绕流问题,给出了同时考虑上述3种不确定性因素之后升、阻力系数的置信区间分析示例。