多传感器目标跟踪的实时剔野方法

考虑了目标跟踪和航天测控中测量数据的实时剔野问题，测量数据集合中严重偏离大部分数据所呈现趋势的小部分数据点被称为野值点，野值的剔除对提高目标跟踪精度有十分重要的意义，己有的剔野方法从工程应用角度看，存在不适宜成串出现的野值。需要人工干顾、计算量大，不适宜在线快速处理等缺点，多传感器目标跟踪系统可以通过合理利用传感器的互补与冗余信息来能提高系统的目标跟踪性能，本文在多传感器目标跟踪条件下，综合利用多传感器数据形成的对目标状态参数的正确描述和测量数据集合主体的变化趋势，给出了实时、准确、高效地识别测量数据中野值点的方法。仿真结果表明利用多传感器目标跟踪中航迹融合的分布式融合方法，可以快速、有效地解决野值斑点剔除问题。     

带反馈多传感器分层融合算法性能研究

Chang K.C.于近期研究了两传感器非实时分层融合算法的稳定性能,其研究结果表明全反馈条件下的算法融合性能要劣于部分反馈算法,特别是当过程噪声较大时提高传感器与融合中心的通信频率并不能改善全反馈算法的性能。与上述研究不同,重点考察了融合系统中传感器数目对非实时有反馈分层融合算法性能的影响。研究结果表明:当过程噪声较大时,增加传感器的数目不仅不能改善全反馈算法的性能反而会使性能降低;所得结论进一步推广和发展了Chang K.C.的研究成果,并从另一侧面验证了融合信息的质量比数量更为重要的论断。     

基于记忆的类比联想

类比联想——怎样发现合适的类似物,是类比推理的核心和难点。本文首先简介我们设计的一种支持类比推理的联想记忆模型,它包括语义层、具体层和抽象层。本文将类比联想分为诱发和初步确认两个阶段,其中诱发阶段遵从语义诱发原则、突出相似原则、熟悉优先原则和相似优先原则;初步确认准则包括全面相似性、目的性和差别。最后简介了我们用于实现这一原理的系统ARE(Analogical Reminding Engine)。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。     

弹道目标航迹片段关联及优化

多弹道目标跟踪伴随着速度快、密集程度高以及测量误差大等因素,在跟踪过程中发生航迹中断是一个很普遍的现象.在未知导弹任何先验信息前提下如何将中断前后的航迹片段进行关联,提高航迹的连续性已成为亟待解决的难题.针对该问题提出了一种实时的离散最优关联算法,它利用速度信息对中断前后弹道外推航迹进行粗关联;将对数似然函数作为关联代...     

基于熵权的灰色关联概率数据关联算法

在多目标信息融合中,通过数据关联判断来自不同传感器的数据是否代表同一个目标,传统数据关联一般采用联合概率数据关联算法,单纯依靠状态量测且计算复杂。而基于灰色关联的概率数据关联算法,能够利用目标的多个特征信息进行数据关联,且计算简单准确。特征信息一般由专家主观判断给出。提出了基于熵权的灰色关联概率数据关联算法,由量测数据自适应的给出各特征的权重系数,不依赖于专家。仿真表明,该关联算法具有很好的工程实用性。     

纯方位二维目标跟踪的航迹起始算法

 针对传统航迹起始算法在纯方位目标定位和跟踪系统应用中存在的弊端,提出了一种完全基于角度量测的快速航迹起始算法。该方法通过深入分析目标在角度坐标下的运动特性,给出了全新的关联门构造方法。该波门技术有效提高了纯方位二维目标真实量测的确认效率,极大限制了虚假航迹随密集杂波的扩张。利用此波门,通过基于逻辑的方法对仅有角度量测的目标航迹进行扩展。该方法有效地解决了角度坐标系下机动目标的航迹起始分辨率下降的问题,为基于单个被动传感器纯方位跟踪系统进行快速、准确的航迹起始提供了新的思路。仿真结果及实际应用表明了此算法的有效性和实用性。     

应用数据挖掘关联技术研究温湿度 对冲击谱试验的影响

冲击谱试验随机性强,难度较大,必须了解环境温度、湿度对试验的影响。通过对数据预处理并建立冲击谱试验评价模型,应用数据挖掘中关联分析方法提取数据背后隐藏的有用知识,获得了温度、湿度对冲击谱试验各个调试因素的影响,并分析了其间存在的某种规律性,找出了适用于冲击谱试验的环境温度、湿度范围。研究结果可为今后的产品冲击环境试验提供有力的技术支持,进一步提高冲击谱试验的试验质量和试验中的产品安全性。     

空间多分辨率模糊目标跟踪

提出了一种新的模糊目标跟踪算法--CPDA算法。这个算法在空间多分辨率框架下应用概率数据互联算法,在粗分辨率上实现模糊目标跟踪。在不同虚警密度的模糊目标环境下,利用仿真实验分析了CPDA算法的跟踪性能,同时将其与单分辨率上的联合概率数据互联方法进行了性能比较。仿真结果表明,CPDA算法的跟踪性能在达到与单分辨率上JPDA算法同样性能的条件下,能够以较小的计算量跟踪模糊目标。     

数据挖掘中的关联规则在入侵检测系统中的应用

由于知识发现的快速发展,对海量数据分析和处理的技术、能力也日渐成熟。从1999年起,就开始了将数据挖掘技术和入侵检测系统结合的尝试。将数据挖掘引入入侵检测系统的原因是它能够从大量的数据中自动提取出特征和模型,自动维护模式或特征库。系统利用这些大量的特征和数据进行有效的分类,加快处理速度,提高准确度。文章针对网络安全当中的大量的入侵事件,结合数据挖掘中的关联规则的概念,建立特征库及其特征关联,通过审计处理来加强网络入侵检测系统的功能。