企业信息化中的信息编码标准化工作

探讨了企业信息编码需求的收集与分析、编码标准体系的构建及企业编码标准的选用、制定和实施等内容.     

判别性正则化:一种新颖的分类器学习方法(英文)

提出了一种新颖的正则化方法-判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式.通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小, 而且能在输出空间中同时最大化类间散性与最小化类内紧性.此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解.分类实验验证了DR的优越性.     

太空行走100问（十五）

太空行走风险（下） 84．在太空行走中最容易发生故障和问题的是航天员的什么装备？有何经验教训？ 对国外航天员在太空行走中发生的故障和问题进行统计和分类,得出太空行走中的故障分类表（见表1）,因为在太空行走中发生故障和问题最多的是舱外航天服,再对舱外航天服的故障进行统计和分类,又得出舱外航天服故障分类表（见表2）。     

斯必泽红外邻近星系巡天计划的哈勃音叉形图

在"斯必泽红外邻近星系巡天"计划SINGS的后期研究中,有一重要任务是对斯必泽空间望远镜探测到的星系,根据红外波段特征进行重新分类.这种分类方法又叫哈勃音叉形图,即根据星系的核心和旋臂的形态进行分类.     

新三态故障分类模型及其阈值确定

将设备运行状态划分为三种状态,比以往的两态模型对于设备的故障分类具有更高的准确性.在设备运行状态三态划分的基础上,提出了新的三态模型,将设备运行状态定义为故障态、准故障态、健康态三种状态,其中准故障态包括间歇性故障和瞬态故障.对新三态模型与两态马尔可夫模型进行了分析比较.论文提出影响故障阈值设定的多方面因素,对新三态模型的高、低阈值进行了定义和分析,给出了求取阈值的目标函数.利用新三态的双阈值目标函数,进行了仿真计算分析,得到了传统的两态模型所达不到的总故障高检出率和低虚警率,取得了满意的结果.     

统计学习与知识发现

知识发现是将知识从隐性转化为显性的一个过程,它是知识管理的重要组成部分.为此阐述了利用统计学习的知识发现方法,以及统计学习中主要使用的分类学习,并强调了使用数据驱动指导知识构建的合理性和优越性,最后结合实例分析了几个主要的统计学习方法及其应用.     

海天混杂闪烁背景下运动点目标检测新方法

针对海天混杂闪烁背景及单像素运动点目标的特征,设计了海天相连区域快速定位及基于模式分类的环域全向差分扩展中-均值滤波的预处理算法,二次进行全向差分均值滤波后,利用基于直方图的自适应阈值分割得到初步侯选目标点.形态学滤波保留有效的单像素侯选点,最后进行帧间侯选目标点之间的相关性分析和目标短时丢失的直接再搜索.仿真实验采用两个实拍场景中加入单像素仿真目标生成的220帧图像,结果为:信噪比≥0.5时单帧检测率为91%,3帧以上的连续检测中检测率达到95%;对照组22帧不含仿真点目标,3帧以上的连续检测虚警数为0.      

无人机的分类

无人机分类方法多样,下面介绍通常的两种分类法。 1、按功能可将无人机分为以下几种: ●战术无人侦察机(TUAV):主要功能为侦察、搜索、目标截获、部队战役管理与战场目标和战斗损失的评估等; ●战略无人侦察机(SUAV):主要承担对敌方部队动向的长期跟踪、工业情报及武器系统试验监视等; ●无人战斗机(UCAV):它不仅作为地面战争中的攻击平台,而且更是空中格斗的载机和直接攻击武器; ●靶机     

基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类（MUSIC）算法估计一维几何绕射理论（GTD）的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题,提出一类改进的MUSIC算法。首先,构建原始回波数据的共轭矩阵,有效提高了原始回波数据的利用率;其次,将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均,得到一个新的总协方差矩阵;最后,对矩阵作2次方、4次方等偶次方处理,得到另一矩阵,以达到增大信号特征值与噪声特征值之间差距的作用,等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。